Procesamiento de datos Sentinel-2 en entornos de Big Data: evaluación de Google Earth Engine frente a procesamiento local para la generación de índices de vegetación aplicados a predicción de incendios
DOI:
https://doi.org/10.17398/3101-7177.2.271Palabras clave:
Sentinel-2, Google Earth Engine, incendios forestales, Big DataResumen
La disponibilidad masiva de imágenes Sentinel-2 ha impulsado el uso de entornos Big Data para aplicaciones ambientales, planteando la necesidad de evaluar su eficiencia y coherencia metodológica. Este trabajo compara la generación de series temporales de índices de vegetación mediante Google Earth Engine (GEE) y procesamiento local. Se utilizaron imágenes Sentinel-2 L2A entre el 29 de marzo y el 13 de septiembre de 2019, implementando un flujo de trabajo equivalente que incluyó filtrado espacial y temporal, enmascarado de nubes, cálculo de índices espectrales y composición temporal. La comparación se realizó mediante métricas de rendimiento computacional, almacenamiento, automatización y consistencia radiométrica. Los resultados muestran diferencias relevantes en eficiencia y escalabilidad, con mejor rendimiento de GEE en términos de automatización y procesamiento distribuido. Las discrepancias radiométricas fueron reducidas y no afectan de forma significativa la consistencia de los índices.
Descargas
Referencias
Berra, E. F., Fontana, D. C., Yin, F., & Breunig, F. M. (2024). Harmonized Landsat and Sentinel-2 Data with Google Earth Engine. Remote Sensing, 16(15). https://doi.org/10.3390/rs16152695
Drusch, M., Del Bello, U., Carlier, S., Colin, O., Fernandez, V., Gascon, F., Hoersch, B., Isola, C., Laberinti, P., Martimort, P., Meygret, A., Spoto, F., Sy, O., Marchese, F., & Bargellini, P. (2012). Sentinel-2: ESA’s Optical High-Resolution Mission for GMES Operational Services. Remote Sensing of Environment, 120. https://doi.org/10.1016/j.rse.2011.11.026
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. https://doi.org/10.1016/j.rse.2017.06.031
Saad El Imanni, H., El Harti, A., & El Iysaouy, L. (2022). Wheat Yield Estimation Using Remote Sensing Indices Derived from Sentinel-2 Time Series and Google Earth Engine in a Highly Fragmented and Heterogeneous Agricultural Region. Agronomy, 12(11). https://doi.org/10.3390/agronomy12112853
Yang, L., He, W., Qiang, X., Zheng, J., & Huang, F. (2024). Research on remote sensing image storage management and a fast visualization system based on cloud computing technology. Multimedia Tools and Applications, 83(21). https://doi.org/10.1007/s11042-023-17858-6
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 José Jiménez Romanillos, Francisco Manuel Martínez García, Jorge Juan García Ramajo, Elia Quirós (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)
