Design and development of software for data acquisition and processing of the spectral bands of the Sentinel 2 satellite as a remote sensing tool
DOI:
https://doi.org/10.63728/riisds.v8i1.147Keywords:
Remote Sensing, Sentinel 2, PythonAbstract
The scientific and technological advances of recent years, and especially since the launch in 1972 of the first satellite of the Landsat space program, have opened up the possibility of obtaining information through remote sensing. Remote sensing and geographic information systems have become resources with potential scientific value for researchers in various fields such as the study of urban dynamics, precision agriculture, among other applications that use spectral indices such as NDVI, NDMI, and EVA. to detect abnormalities. There are various computational tools to process spectral information and calculate spectral indices, however, they require high-performance computers for this task and their specialized use requires personnel with a high command of these technologies. This paper presents the design and development of software developed in the Python programming language for the acquisition and processing of data from the spectral bands of the Sentinel 2 satellite as a remote sensing tool.
References
Arroyave-Maya, M. D. P., Posada-Posada, M. I., Nowak, D. J., & Hoehn, R. E. (2019). Remoción de contaminantes atmosféricos por el bosque urbano en el valle de Aburrá. Colombia forestal, 22(1), 5-16.
Atiqur, R., & Li, Y. (2020). Automated smart car parking system using raspberry Pi 4 and iOS application. International Journal of Reconfigurable and Embeded Systems (IJRES), 9(3), 229-234.
Balaguera, A. S., Leguizamón, O. D., & Valiente, L. L. (2018). Gestión de pavimentos basado en sistemas de información geográfica (SIG): una revisión. Ingeniería Solidaria, 14(26), 1-18.
Cáceres, N. C. R. (2019). Uso de herramientas GIS Y BIM en la determinación del impacto del ciclo de vida de sistemas urbanos. Caso de estudio: Edificios residenciales que aplican la matriz de eco-eficiencia de la ciudad de Quito–Ecuador.
Campos-Taberner, M., García-Haro, F. J., Martínez, B., & Gilabert, M. A. (2020). Deep learning para la clasificación de usos de suelo agrícola con Sentinel-2. Revista de Teledetección, (56), 35-48.
Cabeza García, P. M., Razo Cajas, E. F., & Cajas Carrión, R. F. (2022). Caracterización de las PYMES del distrito metropolitano de Quito, mediante el sistema de Georeferenciación ArcGIS pro. Revista Universidad y Sociedad, 14(2), 280-290.
Castillo Suarez, J. (2021). Sistema seleccionador de botellas mediante visión artificial en Raspberry pi.
Congedo, L. (2021). Semi-Automatic Classification Plugin: A Python tool for the download and processing of remote sensing images in QGIS. Journal of Open Source Software, 6(64), 3172.
Dattani, P. (2020). Face Detection based on Image Processing using Raspberry Pi 4. International Research Journal of Engineering and Technology (IRJET), Electrical Engineering Department, Marwari Education Foundation Group of Institution.
Dimitriadou, S., & Nikolakopoulos, K. G. (2021). Reference evapotranspiration (ETo) methods implemented as ArcMap models with remote-sensed and ground-based inputs, examined along with MODIS ET, for Peloponnese, Greece. ISPRS International Journal of Geo-Information, 10(6), 390.
García Guzmán, R. A. (2022). DETERMINAR EL EFECTO DEL LAS DEFICIENCIAS DE NITRÓGENO EN EL NDVI DEL CULTIVO DE MAÍZ (Zea mays).
Lemenkova, P. (2021). Dataset compilation by GRASS GIS for thematic mapping of Antarctica: Topographic surface, ice thickness, subglacial bed elevation and sediment thickness. Czech Polar Reports, 11(1), 67-85.
López, J. I. V., Solorzano, S. H., & Ávila, M. E. G. (2021). Estudio de la percepción ambiental geográfica de la contaminación de un arroyo urbano, Tonalá, Chiapas. Región y sociedad, 33.
Maragatham, T., Balasubramanie, P., & Vivekanandhan, M. (2021, February). IoT Based Home Automation System using Raspberry Pi 4. In IOP Conference Series: Materials Science and Engineering (Vol. 1055, No. 1, p. 012081). IOP Publishing.
Mogrovejo Barrera, I. I. (2021). Teledetección espacial mediante la aplicación de imágenes satelitales tipo Aster L1t, Landsat 8 Oli y Sentinel 2 en zonas de alteración hidrotermal (Bachelor's thesis, Universidad del Azuay).
Perez-Garcia, C. A., Pérez-Atray, J. J., Hernández-Santana, L., Gustabello-Cogle, R., & Becerra-de Armas, E. (2019). Sistema de Información Geográfica para la agricultura cañera en la provincia de Villa Clara. Revista Cubana de Ciencias Informáticas, 13(2), 30-46.
Paulino, C., Xu, H., Gamarra, C., Villanueva, C., & Siguayro, H. (2022). Clasificación de la vegetación acuática en el lago Titicaca a partir de índices del satélite Sentinel-2.
Shammi, S. A., & Meng, Q. (2021). Use time series NDVI and EVI to develop dynamic crop growth metrics for yield modeling. Ecological Indicators, 121, 107124.
SOLIS-PINO, A. F., REVELO-LUNA, D. A., CAMPO-CEBALLOS, D. A., & GAVIRIA-LÓPEZ, C. A. (2021). Correlación del contenido de clorofila foliar de la especie Coffea arabica con índices espectrales en imágenes. Biotecnología en el Sector Agropecuario y Agroindustrial, 19(2), 57-68.
Rodríguez García, M. G. (2021). Validación de la información de temperaturas del satélite LANDSAT 8 para el ecuador continental: caso de estudio en las provincias de Imbabura, Manabí y Sucumbíos en el año 2019 y 2020.
Venkatappa, M., Sasaki, N., Han, P., & Abe, I. (2021). Impacts of droughts and floods on croplands and crop production in Southeast Asia–An application of Google Earth Engine. Science of the Total Environment, 795, 148829.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social
This work is licensed under a Creative Commons Attribution 4.0 International License.
