Giter VIP home page Giter VIP logo

mapa-nacional-cobertura-suelo's Introduction

Mapa Nacional de Cobertura del suelo - Argentina

Static Badge Static Badge Static Badge

Mapa Nacional de Cobertura del Suelo

📚 Introducción

Dirección Nacional de Servicios Geográficos
Dirección de Información Geoespacial
Departamento de Aplicaciones Geoespaciales

El mapa de cobertura del uso del suelo es un producto creado por el Instituto Geográfico Nacional (IGN) que busca representar una clasificación de cobertura del suelo para el territorio nacional. Por medio de imágenes satelitales ópticas, modelos digitales de elevación (MDE) e imágenes de radar de apertura sintética (SAR, por sus siglas en inglés), se calcularon distintos tipos de índices espectrales, se realizó la clasificación de 11 categorías de uso del suelo, a partir de la utilización del algoritmo Random Forest. En esta versión se trabajo con información del año 2021.

Las categorías se asignaron teniendo en cuenta productos de cobertura preexistentes y el Catálogo de Objetos Geográficos institucional del IGN. La clasificación se realiza teniendo en cuenta 11 categorías, y luego se agregan 2 categorías: Planta Urbana, que proviene de la Base de datos Geográfica Institucional del IGN y la categoría Glaciar proveniente del Inventario Nacional de Glaciares.

Categorías:

  1. Cuerpos de Agua
  2. Nieve
  3. Bosque, selva
  4. Estapa Arbustiva
  5. Tierra para cultivo
  6. Afloramiento rocoso
  7. Humedal
  8. Salina
  9. Médano, duna
  10. Pastizal
  11. Monte
  12. Planta Urbana*
  13. Glaciar*

⚙️ Instrucciones

El código de clasificación está disponible tanto en la carpeta scripts dentro de este repositorio GitHub como en el repositorio de GEE. El mismo cuenta con un ejemplo de las muestras para la provincia de San Juan, pudiendo ejecutarse sin necesidad de modificarlo. Recuerde que si usted desea clasificar otra provincia, es necesario tomar las muestras correspondientes a las 11 categorías establecidas en el código, con su correspondiente columna "class", y definir la variable en el apartado de Muestras (línea 316). También es posible modificar el código para clasificar más o menos categorías realizando las modificaciones pertinentes en el script.

 // Muestras (Incorporar shape desde "Assets" o tomar las muestras directamente desde GEE)

var muestras = muestras_sj.filterBounds(area) //Reemplazar "muestras_sj" por el shape con las muestras, donde debera poseer una columna "class" con el número de categoría

var muestras_1 = muestras.randomColumn('random') // A esas muestras se le asigna una columna aleatoria para luego poder dividir en 70/30

Export.table.toDrive(muestras_1, 'Muestras_Exportación')

Enlaces 🔗

Enlace al repositorio en Google Earth Engine

Enlace al mapa en el ArgenMap

mapa-nacional-cobertura-suelo's People

Contributors

gdieguezg avatar martinfernandoortiz avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.