Google Earth Engine (GEE) Como Herramienta de Procesamiento y Análisis de Datos del Satélite Sentinel-5P
Google Earth Engine (GEE) as a Tool for Processing and Analyzing
Sentinel-5P Satellite Data
Servín Prieto Alan Joel
Tecnológico Nacional de México / Instituto Tecnológico Superior de Lerdo
alan.sp@itslerdo.edu.mx
https://orcid.org/0000-0002-5534-7875
Juárez Hernández José María
Tecnológico Nacional de México / Instituto Tecnológico Superior de Lerdo
jose.jh@itslerdo.edu.mx
https://orcid.org/0009-0009-5790-651X
Hernández López Mónica
Tecnológico Nacional de México / Instituto Tecnológico Superior de Lerdo
monicahlop@gmail.com
https://orcid.org/0000-0001-6249-127X
Vásquez Corral Marcial Humberto
Tecnológico Nacional de México / Instituto Tecnológico Superior de Lerdo
marcial.vc@itslerdo.edu.mx
https://orcid.org/0009-0005-0722-0369
Velásquez Chávez Tania Elizabeth
Tecnológico Nacional de México / Instituto Tecnológico Superior de Lerdo
tania.vc@itslerdo.edu.mx
https://orcid.org/0009-0009-7788-1786
Volumen:
2
Edición:
12
Resumen
El análisis de contaminantes atmosféricos mediante datos satelitales ha cobrado gran relevancia en los estudios ambientales actuales; sin embargo, el manejo y procesamiento de grandes volúmenes de información geoespacial continúa siendo un desafío. En este contexto, Google Earth Engine (GEE) se ha consolidado como una plataforma eficaz para el procesamiento de datos en la nube, basada en una arquitectura distribuida que permite el análisis de grandes colecciones de datos mediante programación en lenguaje Python, sin requerimientos de infraestructura computacional local de alto rendimiento. El objetivo de este estudio fue evaluar la aplicabilidad de GEE para el procesamiento y análisis de datos del satélite Sentinel-5P, el cual proporciona información global sobre contaminantes atmosféricos con su sensor TROPOMI. Se implementó un flujo de trabajo que incluyó la selección del área de estudio, filtrado temporal, procesamiento de imágenes y generación de composiciones temporales mediante scripts reproducibles. Los resultados muestran que GEE permite el manejo eficiente de grandes volúmenes de datos satelitales; el procesamiento de información correspondiente a cuatro años se completó en aproximadamente una semana, evidenciando una optimización significativa en los tiempos de análisis en comparación con métodos tradicionales basados en procesamiento local. Asimismo, la plataforma facilitó el análisis multitemporal y la generación de resultados reproducibles. Estos hallazgos evidencian el potencial de GEE como una herramienta confiable para el análisis de información atmosférica, contribuyendo al monitoreo ambiental y apoyando la toma de decisiones en materia de calidad del aire a diferentes escalas espaciales.
Palabras clave
Calidad del Aire, Google Earth Engine, Procesamiento en la nube, Sentinel-5P, Teledetección.
Referencias Bibliográficas
Caselli, M. (2020). Air pollution and climate change. Springer.
Environmental Protection Agency. (2022). Carbon monoxide’s impact on indoor air quality [Página web]. United States Environmental Protection Agency. https://www.epa.gov/indoor-air-quality iaq/carbon-monoxides-impact-indoor-air-quality
Eskes, H., van Geffen, J., Sneep, M. y Apituley, A. (2022). Sentinel-5P TROPOMI carbon monoxide level 2 product user manual [Archivo PDF]. European Space Agency. https://sentinels.copernicus.eu
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D. y Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18–27. https://doi.org/10.1016/j.rse.2017.06.031
Griffin, D., McLinden, C. A., Racine, J., Moran, M. D., Zhao, X., Pavlovic, R., … Eskes, H. (2019). High-resolution mapping of carbon monoxide with TROPOMI: First results and applications. Atmospheric Measurement Techniques, 12(10), 5507–5518. https://doi.org/10.5194/amt-12-5507-2019
Instituto Nacional de Estadística y Geografía. (2020). Censo de población y vivienda 2020 [Página web]. INEGI. https://www.inegi.org.mx/programas/ccpv/2020/
Intergovernmental Panel on Climate Change. (2021). Climate change 2021: The physical science basis. Cambridge University Press.
Jacob, D. J. y Winner, D. A. (2009). Effect of climate change on air quality. Atmospheric Environment, 43(1), 51–63. https://doi.org/10.1016/j.atmosenv.2008.09.051
Levelt, P. F., van den Oord, G. H. J., Dobber, M. R., Mälkki, A., Visser, H., de Vries, J., … Veefkind, J. P. (2018). The Tropospheric Monitoring Instrument (TROPOMI). Atmospheric Measurement Techniques, 11(1), 21–45. https://doi.org/10.5194/amt-11-21-2018
Seinfeld, J. H. y Pandis, S. N. (2016). Atmospheric chemistry and physics: From air pollution to climate change (3.ª ed.). Wiley.
United Nations Environment Programme. (2019). Air pollution in Asia and the Pacific: Science-based solutions. United Nations Environment Programme.
World Health Organization. (2021). WHO global air quality guidelines [Página web]. World Health Organization. https://www.who.int/publications/i/item/9789240034228
Yokelson, R. J., Crounse, J. D., DeCarlo, P. F., Karl, T., Urbanski, S., Atlas, E., … Wennberg, P. O. (2008). Emissions from biomass burning in Mexico. Atmospheric Chemistry and Physics, 8(13), 3509–3527. https://doi.org/10.5194/acp-8-3509-2008
Zhang, Y., Bocquet, M., Mallet, V., Seigneur, C. y Baklanov, A. (2015). Real-time air quality forecasting, part I: History, techniques, and current status. Atmospheric Environment, 60, 632–655. https://doi.org/10.1016/j.atmosenv.2012.06.031
Zhang, Z., Streets, D. G., Carmichael, G. R., He, K. y Huo, H. (2019). Satellite observations of carbon monoxide emissions and transport. Remote Sensing of Environment, 232, 111301. https://doi.org/10.1016/j.rse.2019.111301