Mapa Dividido

news
course
GEE
indexes
Author

J. Miguel Salazar

Published

February 23, 2026

Comparación espacial de NO₂ en México con Sentinel-5P (TROPOMI) en Google Earth Engine

Este script en JavaScript para Google Earth Engine (GEE) construye una comparación visual del dióxido de nitrógeno (NO₂) sobre México, utilizando datos satelitales del sensor TROPOMI a bordo de Sentinel-5P para dos fechas específicas:

  • 1 de octubre de 2018
  • 1 de octubre de 2019

El resultado es una visualización comparativa tipo swipe (mapa dividido), que permite analizar cambios espaciales entre ambos momentos.

¿Por qué es importante hacer este tipo de mapas?

El dióxido de nitrógeno (NO₂) es un contaminante atmosférico clave asociado principalmente a:

  • Emisiones vehiculares.
  • Actividad industrial.
  • Generación termoeléctrica.
  • Procesos de combustión urbana.

Realizar mapas comparativos espacio-temporales como este es importante porque permite:

  1. Identificar patrones espaciales Los mapas revelan concentraciones más altas en zonas metropolitanas e industriales, lo que facilita entender la relación entre urbanización y contaminación.

  2. Evaluar cambios interanuales Comparar dos fechas permite detectar:

    • Incrementos o reducciones de emisiones
    • Efectos de políticas públicas
    • Impacto de variaciones económicas o climáticas

  3. Apoyar toma de decisiones Estos productos pueden respaldar:

    • Planeación ambiental
    • Regulación de emisiones
    • Evaluaciones de calidad del aire

  4. Integrar ciencia abierta y monitoreo satelital

El uso de datos satelitales democratiza el acceso a información ambiental a escala nacional, sin depender únicamente de estaciones terrestres.

En síntesis, este tipo de análisis fortalece la comprensión de dinámicas atmosféricas y su relación con procesos urbanos y territoriales.

1. Datos utilizados

Límites administrativos

Se emplea la colección vectorial:

  • USDOS/LSIB_SIMPLE/2017

Esta colección contiene fronteras internacionales simplificadas. Se filtra para obtener únicamente México.

Contaminante atmosférico

Se utiliza la colección:

  • COPERNICUS/S5P/OFFL/L3_NO2

Seleccionando la banda:

  • NO2_column_number_density

Este producto representa la densidad de columna troposférica de NO₂, derivada de observaciones satelitales.

2. Filtrado espacial: México

var worldcountries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017');

var filterCountry = ee.Filter.eq('country_na', 'Mexico');
var country = worldcountries.filter(filterCountry);

Map.addLayer(country);
Map.centerObject(country, 5);

Este bloque:

  • Carga todos los países.
  • Filtra el que tiene country_na = "Mexico".
  • Agrega la geometría al mapa.
  • Centra la visualización en el país.

3. Cargar los datos de Sentinel y la banda de NO_2

var collection  = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_NO2')
  .select('NO2_column_number_density');

Aquí se:

  • Carga la colección de imágenes satelitales.

  • Se selecciona únicamente la banda que es de nuestro interés (NO₂).

4. Filtrado temporal y calculo de promedios

var filter18 = ee.Filter.date('2018-10-01', '2018-10-02');
var filter19 = ee.Filter.date('2019-10-01', '2019-10-02');

var no2_18  = collection.filter(filter18)
                        .mean()
                        .multiply(1e6)
                        .clip(country);

var no2_19  = collection.filter(filter19)
                        .mean()
                        .multiply(1e6)
                        .clip(country);

Aquí filtramos las colecciones de para obtener imagenes especificas

  • Se define un filtro para cada fecha.
  • Se calcula el promedio (mean()) de las imágenes en ese rango.
  • Se multiplica por 1e6 para facilitar la visualización.
  • Se recorta la imagen a la geometría de México.

5. Parámetro de visualización.

var vizParams = {
  min: 0,
  max: 200,
  palette: ['black', 'purple', 'green', 'red']
};

La paleta representa concentraciones bajas en negro y altas en rojo.

6. Mapas comparativos.

Hacemos un primer mapa

Map.addLayer(no2_18, vizParams, 'NO2 2018');

Hacemos un segundo mapa

var Map2 = ui.Map();
Map2.addLayer(no2_19, vizParams, 'NO2 2019');

Juntamos ambos mapas.

var linker = ui.Map.Linker([ui.root.widgets().get(0), Map2]);

Esto sincroniza zoom y desplazamiento entre ambos mapas, es decir, esto es lo que nos permite mover el mapa y que se muevan en conjunto

Vamos a crear un panel para poder visualizar nuestros mapas dentro del mismo panel.

var splitPanel = ui.SplitPanel({
  firstPanel: linker.get(0),
  secondPanel: linker.get(1),
  orientation: 'horizontal',
  wipe: true,
  style: {stretch: 'both'}
});

ui.root.widgets().reset([splitPanel]);

Se genera un panel partido, en el primer panel se añade al primer elemento que se encuentra en el objeto linker. Mientras que en el segundo panel se añade al segundo elemento que se encuentra en el objeto linker.

Lo anterior nos permite generar una interfaz interactiva que permite deslizar el separador y comparar ambas fechas directamente.

7. Centrar en el Valle de Mexico.

linker.get(0).setCenter(-99.221440, 19.291990, 6);

Se centra la visualización aproximadamente en el Valle de México, lo que nos permite el análisis de una de las regiones urbanas con mayor concentración poblacional e industrial.

var worldcountries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017');

var filterCountry = ee.Filter.eq('country_na', 'Mexico');
var country = worldcountries.filter(filterCountry);

Map.addLayer(country);
Map.centerObject(country, 5);


var collection  = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_NO2')
  .select('NO2_column_number_density');

var filter18 = ee.Filter.date('2018-10-01', '2018-10-02');
var filter19 = ee.Filter.date('2019-10-01', '2019-10-02');

var no2_18  = collection.filter(filter18)
                        .mean()
                        .multiply(1e6)
                        .clip(country);

var no2_19  = collection.filter(filter19)
                        .mean()
                        .multiply(1e6)
                        .clip(country);
var vizParams = {
  min: 0,
  max: 200,
  palette: ['black', 'purple', 'green', 'red']
};

Map.addLayer(no2_18, vizParams, 'NO2 2018');
var Map2 = ui.Map();
Map2.addLayer(no2_19, vizParams, 'NO2 2019');
var linker = ui.Map.Linker([ui.root.widgets().get(0), Map2]);

var splitPanel = ui.SplitPanel({
  firstPanel: linker.get(0),
  secondPanel: linker.get(1),
  orientation: 'horizontal',
  wipe: true,
  style: {stretch: 'both'}
});

ui.root.widgets().reset([splitPanel]);
linker.get(0).setCenter(-99.221440, 19.291990, 6);