Trabajo desde hace años en aplicaciones que combinan datos abiertos de distinta procedencia para resolver un problema que parece sencillo y no lo es tanto: representar el modelo 3D de cualquier municipio español, con una altura que no sea un promedio inventado o procedural ni un valor por defecto según el número de plantas catastrales, sino una medición real extraída de la nube de puntos LiDAR del Plan Nacional de Ortofotografía Aérea.
Category Archives: EOB browser
Topografía desde el espacio: flujo completo de InSAR para generar un DTM con Sentinel-1
Hay una pregunta que me ronda desde hace tiempo: ¿hasta qué punto puede un analista GIS, sin presupuesto de misión espacial ni acceso a LiDAR propio, generar un Modelo Digital del Terreno con una precisión que supere a los DEM globales de libre acceso? La respuesta corta: sí se puede, pero el camino no es trivial. Este post documenta ese camino completo, con todos sus tropiezos incluidos, porque creo que el valor real de un tutorial está tanto en lo que sale bien como en lo que se rompe por el camino.
El kernel que sigue al fuego: reconstruyendo el pulso de un fuego con datos satelitales
He pasado los últimos días construyendo Fire Kernel Tracker, una app en R Shiny que representa el ciclo de vida completo de un incendio forestal: desde el primer foco hasta la extinción, usando un kernel de densidad espacio-temporal ponderado por FRP (Fire Radiative Power) sobre detecciones satelitales VIIRS/MODIS de NASA FIRMS.
Super-resolution 1m vs ‘Google Maps de Incendios Forestales’ en Guadalajara, España 20260723
Parece que ya estamos llegando al final de este incendio pero se ha “comido” casi 32,000 ha! y me llamó la atención cómo lo tienen que haber pasado los habitantes de este pequeño pueblo de la zona llamado Las Navas de Jadraque que según Google Maps, se quemó enteramente… el fuego de la Sierra Norte de Guadalajara es exactamente ese tipo de incendio “mega” (más de 30.000 ha, nivel 2, decenas de pueblos evacuados) donde la cobertura mediática y las capas de datos rápidos tienden a generalizar y “tragarse” núcleos de población que en realidad sobrevivieron, sobre todo cuando hay defensa activa in situ.
Time Series Analyzer: Análisis multitemporal de índices espectrales en Google Earth Engine
He desarrollado una aplicación interactiva en Google Earth Engine para la extracción y análisis estadístico automático de series temporales de cinco índices espectrales (NDVI, EVI, SAVI, NDWI y NBR) sobre cualquier geometría definida por el usuario en cualquier sitio del mundo. El objetivo es pasar de una imagen satélite puntual a una comprensión temporal del territorio: qué ha pasado, qué patrón subyace, y qué cabe esperar.
Who Gets to See the War? Satellite Imagery Censorship and the Copernicus Alternative
A private company, operating under a US federal license, was effectively told by the Trump administration to go dark over an active war zone. Planet complied. Vantor and BlackSky — both heavily dependent on US defense revenue — said they hadn’t even received such a request, because they were already tightly controlling access. The selective pressure lands precisely on the most open, most commercially accessible provider. That is not a coincidence.A private company, operating under a US federal license, was effectively told by the Trump administration to go dark over an active war zone. Planet complied. Vantor and BlackSky — both heavily dependent on US defense revenue — said they hadn’t even received such a request, because they were already tightly controlling access. The selective pressure lands precisely on the most open, most commercially accessible provider. That is not a coincidence.
Super-résolution 1m a Madrid avec Sentinel-2 10m. Magique ! Tracking NRT!
Passer d’une résolution de 10 mètres à 1 mètre change radicalement la perspective du suivi agricole : on ne regarde plus une parcelle dans sa globalité, on observe ce qui se passe à l’intérieur même des rangs de culture. Ce saut qualitatif est possible grâce à l’algorithme S2DR3, un modèle de Deep Learning qui ne se contente pas d’agrandir les pixels, mais reconstruit l’information manquante. En s’appuyant sur les corrélations entre les différentes bandes spectrales de Sentinel-2 et en s’entraînant sur des images de très haute résolution, l’IA parvient à synthétiser une image à 1 m/pixel d’une précision étonnante.
Aventuras y desventuras de un geógrafo en “desarrollo”
La cartografía siempre ha sido un oficio de precisión, paciencia y criterio espacial. Durante años, el flujo de trabajo de cualquier geógrafo pasaba inevitablemente por entornos de escritorio como ArcGIS Pro o QGIS: cargar capas, ajustar simbología, exportar mapas. Herramientas sólidas, probadas, indispensables. Pero algo está cambiando.
Cada vez más, el análisis espacial ocurre en la nube, en navegadores, en entornos de código. En anteriores post habéis visto algunos test/ideas/aplicaciones que he desarrollado con Javascript Google Earth Engine, que procesa imágenes satelitales a escala planetaria sin mover un solo archivo. Deck.gl y Maplibre renderizan millones de puntos en 3D directamente en el navegador. React convierte un mapa en una aplicación interactiva con pocas líneas de código.
ESTIMATED GHSL vs INE 2025
He desarrollado este COMPARADOR DE POBLACIÓN GHSL vs PADRÓN INE 2025 en JavaScript/Google Earth Engine que cruza estimaciones satelitales de población con los datos oficiales del censo español municipio a municipio.
La herramienta permite seleccionar cualquier provincia y municipio de España, visualizar la distribución espacial de población estimada por el GHSL con el último dato oficial del INE 2025, detectando municipios con alta presión turística, despoblación real o población no registrada.
Una aplicación directa para planificación de infraestructuras, gestión de emergencias o análisis de cohesión territorial donde el padrón no refleja la ocupación real del territorio.
Flood assessment using RADAR (Sentinel1), SRTM v3+ and GHSL pop estimation
I have developed this NRT FLOOD RISK ASSESSMENT monitor in GEE that merges the power of RADAR and GHSL to detect impact over POPULATIONS under any weather conditions.
You can use geospatial intelligence to quickly transform satellite data into critical decisions during climate emergencies. GIS technology driving global resilience!
Geovisualization.net 