Automatización del cálculo de índices espectrales en imágenes Landsat con Python
Descripción de la publicación.
6/2/20251 min read
El análisis de imágenes satelitales es una herramienta fundamental en estudios ambientales, agrícolas, forestales y de planificación territorial. Los índices espectrales como el NDVI, NDWI, SAVI o NBR permiten extraer información clave sobre la vegetación, la humedad del suelo, áreas quemadas, entre otros aspectos del territorio.
Sin embargo, cuando se trabaja con múltiples escenas, realizar este proceso manualmente puede ser repetitivo y propenso a errores. Por eso, en este artículo te presentamos una herramienta automatizada desarrollada en Python, diseñada para calcular múltiples índices espectrales a partir de imágenes Landsat, aplicando factores de corrección, enmascaramiento de nubes y organización de los resultados.
Link script: https://acortar.link/6mFbfR
Video explicativo de uso: https://youtu.be/Hi6CC_LorBY
Vide
¿Qué hace la herramienta?
La herramienta automatiza todo el flujo de trabajo a partir de escenas descargadas del programa Landsat. Entre sus principales funcionalidades están:
1. Lectura de las bandas Landsat
Lee automáticamente las bandas necesarias para el cálculo de los índices, usando bibliotecas como rasterio, rioxarray y numpy.
2. Aplicación de factores de escala
Se corrige el valor digital de las bandas mediante el factor de escala recomendado por USGS (generalmente 0.0000275 + offset), obteniendo valores de reflectancia.
3. Cálculo automático de índices espectrales
Calcula múltiples índices como:
NDVI (Índice de vegetación de diferencia normalizada)
NDWI (Índice de agua de diferencia normalizada)
NBR (Índice de áreas quemadas)
SAVI, EVI, entre otros (configurable)
4. Máscara de nubes
Integra una máscara de nubes generada a partir de la banda QA_PIXEL u otra fuente de clasificación, excluyendo píxeles afectados por nubes, sombras y saturación.
5. Organización de salidas
Los índices generados se almacenan en carpetas organizadas por escena y tipo de índice, listos para ser visualizados en un SIG como QGIS o ArcGIS.