APLICACIONES AMBIENTALES CON GEE (JAVASCRIPT) Y ARCGIS.

Docente

Nombre del docente

Fecha de inicio

Horarios

Fecha de finalizacion

Docentes Expertos

¿Qué aprenderás en este curso?

Cómo registrarte y trabajar eficientemente con la plataforma Google Earth Engine (GEE) usando JavaScript. Fundamentos de programación aplicados al análisis geoespacial con JavaScript en el entorno de GEE. Procesamiento de imágenes satelitales (Landsat, Sentinel-2, Planet, CBERS04A) para el análisis ambiental. Evaluación y monitoreo de la cobertura boscosa mediante herramientas como GEOBOSQUES y Global Forest Watch. Técnicas de clasificación supervisada para identificar cambios en el uso del suelo y calcular índices de precisión. Integración de datos obtenidos en GEE con ArcGIS para su análisis y presentación cartográfica final.

Publico objetivo

- Profesionales y estudiantes de ingeniería ambiental, geografía, biología, ciencias forestales, entre otros relacionados al análisis territorial.
- Técnicos y especialistas en sistemas de información geográfica (SIG) que deseen integrar herramientas de programación para el monitoreo ambiental.
- Investigadores y consultores interesados en el uso de imágenes satelitales y tecnologías geoespaciales para estudios de cambio de cobertura y uso del suelo.
- Personas con conocimientos básicos de SIG que buscan desarrollar competencias en Google Earth Engine y ArcGIS para aplicaciones ambientales.

Resultados esperados

Al finalizar este módulo, las y los participantes serán capaces de:
1. Registrar y configurar correctamente una cuenta en Google Earth Engine (GEE) y familiarizarse con el entorno del Code Editor.
2. Comprender la estructura y sintaxis básica del lenguaje JavaScript aplicado al análisis geoespacial dentro de GEE.
3. Visualizar, cargar y analizar imágenes satelitales como Landsat y Sentinel-2 directamente desde el catálogo de datos de GEE.
4. Utilizar plataformas complementarias como GEOBOSQUES y Global Forest Watch para analizar la cobertura y pérdida de bosque en distintas zonas e intervalos de tiempo.
5. Delimitar Áreas de Interés (AOI), generar reportes ambientales y representar resultados mediante gráficos dentro de GEE.
6. Acceder a imágenes satelitales de alta resolución (Planet, CBERS04A), realizar preprocesamiento básico y preparar datos para análisis adicionales en ArcGIS.
7. Implementar algoritmos de clasificación supervisada en GEE, incluyendo la delimitación de Regiones de Interés (ROIs) y la evaluación de precisión con métricas como el índice Kappa.
8. Exportar mapas temáticos finales y documentar los resultados obtenidos para su integración en estudios ambientales y presentaciones técnicas.

Modulo I

Introducción y Registro en Google Earth Engine

Creación de cuenta Gmail y registro en la plataforma GEE.
Exploración del entorno del Code Editor y navegación por el catálogo de datos satelitales.
Desarrollo de un primer ejemplo práctico en JavaScript dentro del Code Editor.

Modulo II

Fundamentos de GEE con JavaScript

Interfaz y componentes del Code Editor de GEE.
Sintaxis y estructuras básicas de JavaScript aplicadas al entorno geoespacial.
Carga, visualización y análisis de imágenes satelitales (Landsat, Sentinel-2).

Modulo III

Detección de Cobertura y Pérdida de Bosque

Uso de plataformas complementarias como GEOBOSQUES y Global Forest Watch.
Análisis de la pérdida de cobertura boscosa en periodos históricos (2001–2020).
Recorte de zonas de interés (AOI), generación de gráficos y reportes ambientales.

Modulo IV

Procesamiento de Imágenes Satelitales

Acceso y descarga de imágenes satelitales de Planet y CBERS04A.
Preprocesamiento y mejora básica de imágenes dentro de GEE.
Exportación de resultados para su análisis complementario en ArcMap.

Modulo V

Clasificación Supervisada y Análisis Final

Delimitación de Regiones de Interés (ROIs).
Implementación de algoritmos de clasificación supervisada.
Evaluación de precisión con índice Kappa y validación cruzada.
Exportación de mapas finales y discusión de resultados obtenidos.

Modulo VI

Modulo VII

Modulo VIII

Modulo IX

Modulo X

Modulo XI

Modulo XII

Modulo I

Introducción y Registro en Google Earth Engine

Creación de cuenta Gmail y registro en la plataforma GEE.
Exploración del entorno del Code Editor y navegación por el catálogo de datos satelitales.
Desarrollo de un primer ejemplo práctico en JavaScript dentro del Code Editor.

Modulo II

Fundamentos de GEE con JavaScript

Interfaz y componentes del Code Editor de GEE.
Sintaxis y estructuras básicas de JavaScript aplicadas al entorno geoespacial.
Carga, visualización y análisis de imágenes satelitales (Landsat, Sentinel-2).

Modulo III

Detección de Cobertura y Pérdida de Bosque

Uso de plataformas complementarias como GEOBOSQUES y Global Forest Watch.
Análisis de la pérdida de cobertura boscosa en periodos históricos (2001–2020).
Recorte de zonas de interés (AOI), generación de gráficos y reportes ambientales.

Modulo IV

Procesamiento de Imágenes Satelitales

Acceso y descarga de imágenes satelitales de Planet y CBERS04A.
Preprocesamiento y mejora básica de imágenes dentro de GEE.
Exportación de resultados para su análisis complementario en ArcMap.

Modulo V

Clasificación Supervisada y Análisis Final

Delimitación de Regiones de Interés (ROIs).
Implementación de algoritmos de clasificación supervisada.
Evaluación de precisión con índice Kappa y validación cruzada.
Exportación de mapas finales y discusión de resultados obtenidos.

"Este programa me ayudó a fortalecer mi investigación con herramientas estadísticas y de inteligencia artificial. Es práctico, completo y totalmente aplicable a tesis y proyectos académicos."

"Gracias a este programa, logré estructurar mi tesis doctoral con un enfoque metodológico sólido. Las herramientas de inteligencia artificial que aprendí me ayudaron a analizar grandes volúmenes de datos de forma eficiente."

"La combinación entre estadística aplicada e IA fue justo lo que necesitaba para llevar mis investigaciones al siguiente nivel. Recomiendo esta especialización a todo investigador serio."

"El programa no solo me dio conocimientos técnicos, también me enseñó a aplicarlos en el contexto real de mi tesis. ¡Una inversión totalmente valiosa!"

"Aprendí a utilizar metodologías científicas rigurosas junto con herramientas prácticas de IA, lo que ha mejorado significativamente la calidad de mis reportes y modelos."