Desarrollo de una aplicación en Google Earth Engine para la monitorización de masas de agua mediante teledetección
DOI:
https://doi.org/10.17398/3101-7177.2.273Palabras clave:
Google Earth Engine, GEE, Remote Sensing, Sentinel-2Resumen
La monitorización de las masas de agua superficiales es clave para la gestión sostenible de los recursos hídricos, especialmente en el contexto del cambio climático. Sin embargo, el procesamiento de grandes volúmenes de imágenes satelitales supone una barrera técnica y computacional que limita su aplicación operativa. Este trabajo presenta una aplicación web interactiva desarrollada en Google Earth Engine (GEE) para la monitorización sistemática y el análisis cuantitativo de superficies de agua. La herramienta automatiza el flujo de trabajo completo, desde la selección y filtrado de imágenes Sentinel-2 hasta la clasificación y estimación de superficies inundadas. Su principal aportación radica en la integración de un motor de análisis robusto que combina el cálculo de índices espectrales ampliamente validados (NDWI, MNDWI y AWEI) con la comparación de múltiples algoritmos de umbralización automática (Otsu, Valle, Error Mínimo y Máxima Entropía). La aplicación reduce significativamente la complejidad del análisis, facilitando y ampliando el acceso a la monitorización de recursos hídricos a gran escala. La validación de los resultados generados por la aplicación se ha realizado tomando como referencia la serie temporal del Embalse de Villar del Rey gestionado por la Confederación Hidrográfica del Guadiana.
Descargas
Referencias
Du, Y., Zhang, Y., Ling, F., Wang, Q., Li, W., & Li, X. (2016). Water bodies’ mapping from Sentinel-2 imagery with modified normalized difference water index at 10-m spatial resolution produced by sharpening the SWIR band. Remote Sensing, 8(4), 354. https://doi.org/10.3390/rs8040354
Feyisa, G. L., Meilby, H., Fensholt, R., & Proud, S. R. (2014). Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery. Remote Sensing of Environment, 140, 23–35. https://doi.org/10.1016/J.RSE.2013.08.029
Fisher, A., Flood, N., & Danaher, T. (2016). Comparing Landsat water index methods for automated water classification in eastern Australia. Remote Sensing of Environment, 175, 167-182. https://doi.org/10.1016/j.rse.2015.12.055
Gao, H. (2015). Satellite remote sensing of large lakes and reservoirs: From elevation to storage. Wiley Interdisciplinary Reviews: Water, 2(2), 147–157. https://doi.org/10.1002/wat2.1065
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18-27.
Jiang, W., Ni, Y., Pang, Z., Li, X., Ju, H., He, G., Lv, J., Yang, K., Fu, J., & Qin, X. (2021). An Effective Water Body Extraction Method with New Water Index for Sentinel-2 Imagery. Water, 13(12), 1647. https://doi.org/10.3390/w13121647
Moriasi, D. N., Gitau, M. W., Pai, N., & Daggupati, P. (2015). Hydrologic and water quality models: Performance measures and evaluation criteria. Transactions of the ASABE, 58(6), 1763-1785. https://doi.org/10.13031/trans.58.10715
Mueller, N., Lewis, A., Roberts, D., Ringin, G., Melrose, R., Sixsmith, J., Lymburner, L., McIntyre, A., Tan, P., Curnow, S., & Ip, A. (2016). Water observations from space: Mapping surface water from 1987 to 2014 using the entire Australian Landsat archive. Remote Sensing of Environment, 174, 341–352. https://doi.org/10.1016/j.rse.2015.12.018
Pekel, J.-F., Cottam, A., Gorelick, N., & Belward, A. S. (2016). High-resolution mapping of global surface water and its long-term changes. Nature, 540(7633), 418–422. https://doi.org/10.1038/nature20584
Xiao, X., Boles, S., Frolking, S., Li, C., Babu, J. Y., Salas, W., & Moore, B. (2004). Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images. Remote Sensing of Environment, 90(4), 485–496. https://doi.org/10.1016/j.rse.2005.10.004
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Miguel Ramón Alvarado Fernández, Elia Quirós, Laura Fragoso Campón (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todo el contenido disponible en el Portal de Revistas-UEx se distribuye bajo una licencia Creative Commons: Atribución 4.0 Internacional (CC BY 4.0)
