Todo empezó como un ejercicio de curiosidad, pensando si el ataque al puente de Kerch en Crimea se habría visto desde el espacio.
Para mi sorpresa, este será uno de los menos visibles de los ataques ocurridos durante la guerra de Ucrania.
Con cada noticia, comprobaba las imágenes satélite (accesibles públicamente) de la Agencia Espacial Europea y encontré evidencias de muchas de las informaciones. Las imágenes satélite son puramente objetivas. No hay manipulación o un discurso detrás.
Esto es totalmente opuesto a tomar un bando. Se trata de mostrar la realidad y la escala de la guerra. La auténtica y única verdad es que la violencia y la guerra tienen que ser condenadas en todas sus formas y prevenidas con cada mínimo esfuerzo que uno pueda hacer.
#WarTraces empieza en Ucrania, porque está cerca de los europeos, 24/7 en TV, y afectando a muchas y poderosas economías. Pero hay muchos otros conflictos activos en el mundo. Muchos otros que parecen olvidados. Muchos otros que no parecen tener importancia. Muchos otros que deben cesar igual que este.
Sígueme en 🐦 Twitter para saber cuando se actualiza este post!
Los primeros objetivos rusos fueron aeródromos que neutralizarían el combate aéreo. El Aeropuerto Internacional Antonov supuso una dura batalla desde el día 1 El poblado de Verkhnotoretske fue un frente duro durante el primer mes, a escasos 20km de Donetsk Mariupol fue fuertemente bombardeada al inicio del conflicto. Observa la diferencia de la señal infrarroja habitual y la causada por el incendio de las bombas.
El edificio de gobierno de Mikolaiv fue parcialmente destruido y 38 personas murieron el 29 de marzo.
Al sur de Zaporizhzhia se encuentra la central nuclear más grande de Europa. Fue rápidamente atacada y ocupada en marzo. Ataques continuados, como este de agosto, podrían causar una catástrofe nuclear.
La reclamada Crimea está conectada a la Rusia continental por el puente de Kerch. Un camión bomba causó su destrucción parcial en octubre de 2022.
El ataque al puente de Kerch llevó a un cambio de estrategia y la infraestructura crítica para la electricidad y el agua está siendo los nuevos objetivos desde entonces, a la vista de la inminente llegada del invierno.
Suele estar nublado en Ucrania, pero estas nubes no son muy normales. Las estelas que dejan las aeronaves también se ven desde el aire y nos dan información sobre sus rutas y su altitud.
Las calles residenciales de Bakhmut, ciudad clave para la ofensiva en el Donbás, están siendo objeto de duros combates. La mina de sal más grande de Europa, en Soledar, consta de 200km de túneles de 30 metros de alto, útiles para resguardar tropas y equipamiento bélico durante el invierno, a escasos 15km de Bakhmut.
Un mes desde que observé la battal por Bakhmut en un barrio residencial al este.
Infrared activity in Bakhmut doesn't cease being the hardest front of the war so far Desde el 10 de octubre de 2023, los brutales intentos de capturar Adviidka siguen causando muertos.
El 6 de noviembre de 2022, ataques sobre campos de refugiados acabaron en 9 muertes (3 de ellas niños). La gente ha sido desplazada de sus hogares después de destruir los principales asentamientos y ciudades. Puedes ver que no existían estos campos en 2015.
El final de 2017 resultó en intensos bombardeos de ciudades presuntamente ocupadas en el norte y este de Siria.
Tras varios artículos sobre el uso de información satélite vamos a ver cómo unirlo (casi) todo en un ejemplo práctico e impactante. Y es que el tamaño de los últimos incendios ocurridos en España han llamado mucho mi atención y no era capaz de hacerme una idea de lo brutales que han sido (aunque nada que ver con otros sitios como Chile, Australia, o EEUU). Pero hagamos el ejercicio sin gastar demasiados GB de información geográfica.
Lo que quiero es mostrar la extensión del incendio ocurrido en Asturias en marzo, pero quiero también intentar mostrar el impacto retirando los árboles afectados por el fuego. ¡Vamos allá!
Contenido
Descarga de datos
Usaré un Modelo Digital de Superficies (que incluye árboles y estructuras), una ortofoto tomada durante el incendio, y un Modelo Digital del Terreno (al que han eliminado los árboles y las estructuras) para reemplazarlo por las zonas afectadas por el incendio.
1. Modelos del terreno
Usaré los modelos del genial IGN, descargando los productos MDS5 y MDT5 de la zona.
Usaremos el proceso i.group de GRASS en QGIS para agrupar las distintas bandas capturadas por el satélite en un único ráster RGB, tal y como vimos en este post:
Tendremos que hacerlo para cada una de las regiones descargadas, cuatro en mi caso, que luego volveremos a unir usando el proceso Construir ráster virtual.
1. Imagen de color verdadero (TCI)
Combinamos las bandas 4, 3, 2.
2. Imagen de falso color
Combinamos las bandas 5, 4, 3.
3. Ajuste de la tonalidad
Para obtener un mejor resultado, puedes regular los valores mínimos y máximos que se consideran en cada banda que compone la imagen. Estos valores se encuentran en el Histograma de las propiedades de la capa.
Aquí te dejo los valores que yo he usado para obtener el resultado de arriba:
Banda
TCI min
TCI max
FC min
FC max
1 Rojo
-100
1500
-50
4000
2 Verde
0
1500
-100
2000
3 Azul
-10
1200
0
1200
Extensión del incendio
Como ves, la imagen en falso color nos muestra claramente la extensión del incendio. Con ella, vamos a generar un polígono que delimite el alcance del incendio.
Primero consultaremos los valores de la banda 1 (rojo) que ofrece mayor contraste para la zona del incendio. Más o menos están en el rango 300-1300.
Usando el proceso Reclasificar por tabla, asignaremos el valor 1 a las celdas dentro del rango, y el valor 0 al resto.
Vectorizamos el resultado con el proceso Poligonizar y, contrastando con la imagen satélite, seleccionamos aquellos polígonos que correspondan con el incendio.
Usaremos la herramienta Disolver para unir todos los polígonos en un elemento, y Suavizar para redondear ligeramente los contornos.
Ahora obtenemos su inverso. Extraemos la extensión de la capa Landsat y, posteriormente, hacemos la Diferencia con el polígono del incendio.
Procesar terreno
1. Combinar los datos del terreno
Lo primero que haremos es combinar los distintos archivos que conforman los modelos en un archivo único (un único fichero MDS y un único fichero MDT).
Usamos el proceso GDAL - Miscelánea ráster - Construir ráster virtual
2. Extraer datos del terreno
Extraemos los datos que nos interesan de cada modelo:
Del MDS extraemos la superficie afectada por el incendio, de modo que quitaremos los árboles que hayan en él.
Con el MDT hacemos lo inverso: dejamos el terreno (sin árboles) de la zona del incendio, para sustituir los huecos generados en el otro modelo.
Usaremos el proceso Cortar ráster por capa de máscara empleando las capas generadas en el apartado anterior.
Finalmente unimos ambas capas ráster, para que rellenen una a la otra, usando Construir ráster virtual.
Dale vida con Cesium JS
Ya deberíamos tener un modelo de superficies sin árboles en la zona del incendio, pero vamos a intentar verlo de forma interactiva.
Ya mostré un ejemplo parecido, usando un Modelo Digital del Terreno personalizado, así como una imagen satélite reciente, del volcán Tajogaite de La Palma:
En este caso volveré a usar Cesium JS para poder interactuar fácilmente con el mapa (sigue el post anterior para ver cómo subir tus ficheros personalizados al visor Cesium JS).
Para esta ocasión he creado una pantalla dividida (usando dos instancias de CesiumJS) para poder comparar el antes y el después del incendio. Aquí tienes una vista previa:
Espero que te guste! Aquí tienes el código completo y el enlace a github para que puedas descargarlo. Y recuerda, comparte tus dudas o comentarios en twitter!