🧭 Introducción

La ingeniería civil moderna requiere herramientas precisas para evaluar la aptitud geotécnica de los terrenos antes de ejecutar proyectos de infraestructura. La combinación de teledetección, SIG y análisis multicriterio permite realizar diagnósticos integrales con eficiencia, incluso en zonas de difícil acceso.

En este estudio, se implementó un modelo geofísico automatizado en Python y Google Earth Engine (GEE) para el área de Licoma, evaluando factores topográficos, hidrológicos y edáficos que determinan la aptitud geotécnica del terreno.

⚙️ 1. Instalación e Inicialización del Entorno

import ee
import geemap

# Autenticación en Google Earth Engine
ee.Authenticate()
ee.Initialize(project='eddycc66')

print("✅ Google Earth Engine inicializado correctamente")
GEE_AVAILABLE = True
    

🗺️ 2. Carga del Área de Estudio

# Cargar el área desde los assets de GEE
area_estudio = ee.FeatureCollection("projects/eddycc66/assets/licoma")
Map = geemap.Map(center=[-17.4, -66.8], zoom=10)
Map.addLayer(area_estudio, {"color": "red"}, "Área de Estudio - Licoma")
Map
    

🌧️ 3. Obtención de Capas Satelitales y Parámetros Geofísicos

Se integran variables como el modelo digital de elevación (SRTM), pendiente, acumulación de flujo y NDVI.

dem = ee.Image("USGS/SRTMGL1_003")
pendiente = ee.Terrain.slope(dem)
acumulacion = ee.Terrain.flowAccumulation(dem)
ndvi = ee.ImageCollection("COPERNICUS/S2_SR") \
        .filterBounds(area_estudio) \
        .filterDate('2024-01-01', '2024-12-31') \
        .median() \
        .normalizedDifference(['B8', 'B4']).rename('NDVI')
    

🧩 4. Análisis Multicriterio Geotécnico

El análisis pondera los criterios hidrológicos, topográficos y vegetativos según su influencia en la estabilidad del terreno.

ponderacion = dem.expression(
    '(0.4 * slope) + (0.3 * drainage) + (0.3 * ndvi)',
    {'slope': pendiente, 'drainage': acumulacion, 'ndvi': ndvi}
).rename('Indice_Geotecnico')
    

🛰️ 5. Visualización Interactiva

El mapa muestra los resultados geofísicos, combinando la pendiente, NDVI y acumulación de flujo.

🏔️ 6. Modelo 3D del Terreno

Para la exploración del relieve, se implementa una visualización 3D del modelo digital de elevación (DEM).

Map.addLayer(dem, {"min": 500, "max": 4000, "palette": ["#blue","#green","#brown"]}, "Modelo 3D del Terreno")
Map.add_colorbar_branca(colors=['blue','green','yellow','brown'], vmin=500, vmax=4000, caption='Elevación (m)')
Map
    

📊 7. Resultados

• Las zonas con alta pendiente (>35%) presentan condiciones inestables.
• Los sectores con NDVI elevado (>0.5) indican buena cobertura vegetal.
• La acumulación de flujo permite identificar zonas potencialmente erosivas.

📑 8. Conclusiones

El uso de Google Earth Engine y Python permitió una evaluación geofísica precisa y automatizada, reduciendo significativamente el tiempo de análisis en comparación con métodos tradicionales. Este modelo puede ser replicado para estudios de estabilidad, drenaje o selección de sitios óptimos para infraestructura.