ccdc-forest-change-detector 1.0.0

Una librería para detección de cambios forestales usando CCDC con Google Earth Engine

CCDC Forest Change Detector

Una librería de Python para la detección de cambios forestales utilizando el algoritmo CCDC (Continuous Change Detection and Classification) con Google Earth Engine.

Características

• Detección de cambios temporales en cobertura forestal usando CCDC
• Procesamiento de imágenes Sentinel-2 con enmascaramiento de nubes (Cloud Score Plus)
• Visualización interactiva con mapas duales
• Análisis de NDVI temporal
• Configuración flexible de áreas de estudio y parámetros
• Exportación de resultados y visualizaciones

Instalación

pip install ccdc-forest-change-detector

Requisitos previos

1. Google Earth Engine: Necesitas tener una cuenta de Google Earth Engine y autenticación configurada
2. Jupyter Notebook/Lab: Recomendado para visualizaciones interactivas

Configuración de Google Earth Engine

import ee
ee.Authenticate()  # Solo la primera vez
ee.Initialize(project='tu-proyecto-gee')  # Opcional: especifica tu proyecto

Uso básico

Ejemplo 1: Análisis completo con áreas predefinidas

from ccdc_forest_detector import CCDCForestDetector, ForestVisualization
import ee

# Inicializar detector
detector = CCDCForestDetector(project_id='tu-proyecto-gee')
detector.initialize_ee()

# Cargar límites administrativos (opcional)
distritos = ee.FeatureCollection("projects/tu-proyecto/assets/Lim_Distrito")
corregimientos = ee.FeatureCollection("projects/tu-proyecto/assets/Lim_Corregimiento")

# Establecer área de estudio usando feature collections
detector.set_study_area(
    feature_collection=corregimientos,
    filter_field='LMCO_NOMB',
    filter_values=['Paso Ancho', 'Cerro Punta']
)

# Crear visualizador
visualizer = ForestVisualization(detector)

# Ejecutar análisis completo
display_widget = visualizer.create_complete_analysis_display(
    data_start_date='2023-01-01',
    data_end_date='2025-08-20',
    change_start_date='2025-01-01',
    change_end_date='2025-08-31',
    title="Detección de Cambios - Chiriquí (Paso Ancho | Cerro Punta)",
    distrito_fc=distritos,
    corregimiento_fc=corregimientos
)

# Mostrar visualización
display(display_widget)

Ejemplo 2: Análisis con coordenadas personalizadas

from ccdc_forest_detector import CCDCForestDetector, ForestVisualization

# Inicializar detector
detector = CCDCForestDetector()
detector.initialize_ee()

# Establecer área usando coordenadas [xmin, ymin, xmax, ymax]
coords = [-82.6150, 8.8900, -82.5850, 8.9100]
detector.set_study_area(coords=coords)

# Cargar datos Sentinel-2
detector.load_sentinel2_data(
    date_start='2023-01-01',
    date_end='2025-08-20',
    cloud_threshold=0.8
)

# Ejecutar CCDC con parámetros personalizados
ccdc_params = {
    'minObservations': 6,
    'chiSquareProbability': 0.95,
    'minNumOfObservations': 0.8,
    'minNumOfSegments': 2,
    'recoveryThreshold': 50,
    'lambda_value': 25000
}
detector.run_ccdc(ccdc_params)

# Obtener capa de cambios
change_layer = detector.get_change_layer('2025-01-01', '2025-08-31')

# Crear visualización
visualizer = ForestVisualization(detector)
layout, map1, map2 = visualizer.create_dual_map_display(
    coords=coords,
    zoom=12,
    title="Análisis de Cambios Personalizado"
)

# Agregar capas manualmente
visualizer.add_monthly_rgb_layers(map1, 2025, 1, 8)
visualizer.add_monthly_ndvi_layers(map2, 2025, 1, 8)
visualizer.add_change_layer(map1, change_layer, 2025, 1, 8)
visualizer.add_change_layer(map2, change_layer, 2025, 1, 8)

display(layout)

Ejemplo 3: Análisis solo NDVI

from ccdc_forest_detector import CCDCForestDetector, ForestVisualization

detector = CCDCForestDetector()
detector.initialize_ee()
detector.set_study_area(coords=[-82.6150, 8.8900, -82.5850, 8.9100])

# Cargar datos
detector.load_sentinel2_data('2025-01-01', '2025-08-31')

# Crear visualización solo NDVI
visualizer = ForestVisualization(detector)
ndvi_map = visualizer.create_simple_ndvi_display(
    year=2025, 
    start_month=1, 
    end_month=8,
    title="Análisis NDVI 2025"
)

ndvi_map

Parámetros de configuración

Parámetros CCDC

ccdc_params = {
    'minObservations': 8,           # Mínimo de observaciones por segmento
    'chiSquareProbability': 0.90,   # Probabilidad chi-cuadrado
    'minNumOfObservations': 0.80,   # Proporción mínima de observaciones
    'minNumOfSegments': 2,          # Mínimo número de segmentos
    'recoveryThreshold': 50,        # Umbral de recuperación
    'lambda_value': 35000           # Parámetro lambda para regularización
}

Parámetros de visualización

La librería incluye paletas de colores predefinidas:

• RGB: Visualización en color verdadero
• NDVI: Gradiente verde para índice de vegetación
• Cambios: 8 colores para diferentes meses de cambio

Métodos principales

CCDCForestDetector

• initialize_ee(): Inicializar Google Earth Engine
• set_study_area(): Establecer área de estudio
• load_sentinel2_data(): Cargar y procesar datos Sentinel-2
• run_ccdc(): Ejecutar análisis CCDC
• get_change_layer(): Obtener capa de cambios
• monthly_rgb_median(): Generar compuesto RGB mensual
• monthly_ndvi_median(): Generar compuesto NDVI mensual

ForestVisualization

• create_complete_analysis_display(): Análisis completo automatizado
• create_dual_map_display(): Crear visualización con dos mapas
• add_monthly_rgb_layers(): Agregar capas RGB mensuales
• add_monthly_ndvi_layers(): Agregar capas NDVI mensuales
• add_change_layer(): Agregar capa de detección de cambios

Casos de uso

1. Monitoreo de deforestación: Detectar pérdida de cobertura forestal
2. Análisis temporal de vegetación: Seguimiento de cambios estacionales
3. Evaluación de recuperación forestal: Identificar áreas de regeneración
4. Estudios de impacto ambiental: Análisis antes/después de intervenciones
5. Planificación territorial: Apoyo en toma de decisiones sobre uso del suelo

Contribuir

Las contribuciones son bienvenidas. Por favor:

1. Fork del repositorio
2. Crear branch para nueva funcionalidad
3. Agregar tests
4. Enviar pull request

Licencia

MIT License - ver archivo LICENSE para detalles.

Soporte

• GitHub Issues: Reportar problemas
• Documentación: Wiki del proyecto
• Google Earth Engine: Documentación oficial

Cita

Si usas esta librería en tu investigación, por favor cita:

Elvis Garcia (2025). CCDC Forest Change Detector: A Python library for forest change detection using Google Earth Engine.