¿De qué se trata este curso?

Este curso está pensado para personas que ya tienen conocimientos de teledetección y usan Google Earth Engine (GEE) y quieren empezar a usarlo desde R. Tienen algo de experiencia utilizando R o algún otro lenguaje de programación pero buscan organizar mejor su trabajo y generar resultados e informes para compartir.

Proponemos trabajar con R de forma ordenada y reproducible. Por ello, presentamos un flujo de trabajo que permite a quienes realicen este curso aplicar buenas prácticas de programación, trabajar de forma colaborativa y presentar su trabajo en un único documento que incluya el análisis y los resultados.

Veremos conceptos básicos de datos espaciales, los paquetes disponibles en R para trabajar con este tipo de datos y nos enfocaremos en el paquete rgee para el uso de Google Earth Engine desde R.

En cada sección incluimos actividades junto con ejemplos. Queremos que estos ejercicios sean realistas para que cualquiera pueda encontrar similitudes en sus propios datos y pueda aplicar lo aprendido a otras situaciones.

Antes de empezar

Google Earth Engine

Necesitamos que te registres en la herramienta para poder utilizarla durante el curso, para ello debes entrar en este link:

https://signup.earthengine.google.com/

R y RStudio

Asumimos que tenes instalado R y RStudio, si no es así seguí estas intrucciones.

Paquetes para trabajo con datos

install.packages("tidyverse")

Paquetes de R para trabajar con datos espaciales

Vas a tener que instalar una serie de paquetes que te permiten trabajar con datos espaciales.

Paquetes para trabajo con datos espaciales: r-spatial

install.packages("sf") # para trabajar con datos vectoriales y rgee depende de sf
install.packages("raster") # para trabajar con datos raster.
install.packages("mapedit") #para trabajar con mapas interactivos.
install.packages("tmap") # para generar mapas temáticos.

Paquetes para trabajo con GEE

Ahora es necesario tener instaldo gcloud para poderr autenticarse con GEE. Para instalarlo seguir las intrucciones de esta página:

https://cloud.google.com/sdk/docs/install

Luego utilizaremos el paquete rgee. Para instalarlo desde GitHub ejecutar este código de R en la consola de RStudio:

remotes::install_github("r-spatial/rgee")

Si el código anterior te da error puede ser que necesites instalar la librería remotes

install.packages('remotes')

y luego puedas ejecutar remotes::install_github('r-spatial/rgee') sin problemas.

Es necesario instalar miniconda para que rgee funcione. La función ee_intall() se encarga de esta tarea. Se ejecuta solamente una vez.

library(rgee)  # cargamos el paquete rgee
ee_install() # pedimos que instale miniconda

# Inicializar Earth Engine! (vamos a necesitar tener nuestro usuario habilitado)
ee_Initialize()

Adicionalmente, si tuviste algún problema durante la instalación estas funciones pueden ser útiles para comprobar el estado de las dependencias de rgee y eliminar las credenciales.

ee_check() # Verifica las dependencias que no son de R
ee_clean_credentials() # Eliminar credenciales de un usuario específico
ee_clean_pyenv() # Eliminar variables del sistema

Puede ser que cuando se instale, se necesite indicar en que version de Python queremos instalar la API, como este ejemplo:

 ee_install_upgrade(
    version = NULL,
    earthengine_env = "disco:/camino/a/la/carpeta/donde/esta/r-miniconda/envs/" 
 )

RStudio Cloud

Si no pudiste instalar R y RStudio, podés usar este proyecto de RStudio Cloud para la primera parte del taller.

Agenda

Este es un cronograma tentativo.

Mañana

Duración Temas
55 minutos Flujo de trabajo reproducible
5 minutos Pausa
55 minutos El ecosistema espacial
5 minutos Pausa
55 minutos Leyendo y graficando datos vectoriales
5 minutos Preguntas y cierre primera parte

Tarde

Este es un cronograma tentativo.

Duración Temas
55 minutos Reportes
5 minutos Pausa
55 minutos Datos raster y rgee
5 minutos Pausa
40 minutos Datos raster y rgee
20 minutos Preguntas y cierre

Slides

Las slides que acompañan al curso se pueden acceder desde este link

¿Quién soy?

Yanina Bellini Saibene

Foto de Yani

En breve:

rOpenSci Community Manager. R-Ladies Project Lead. Profesora en UNAB.

Co-fundadora de MetaDocencia, LatinR y R-Ladies Santa Rosa.

Miembro de The Carpentries Executive Council, RForwards Core Team, R Consortium Infrastructure Steering Committee, R4DS_ES, MiR y Sociedad Argentina de Informática (SADIO).

Ganadora del Premio a la innovación tecnológica (2001) del CIALP y del Premio Nacional de Gobierno electrónico (2015 y 2016) por proyectos relacionados a sensores remotos y datos abiertos.

Investigadora de INTA (de licencia)

M.S. en Data Mining and Knowledge Management.

yabellini.netlify.com @yabellini

Licencia

Creative Commons License
Todo el material de este curso está bajo la licencia Creative Commons Attribution-ShareAlike 4.0 International License.

Nos inspiramos y basamos en los siguientes recursos: