Google Earth Engine en la Plataforma UNGRD

# ── Celda 1: Configuración del entorno ────────────────────────────────────────
import sys

_ES_JUPYTERLITE = 'pyodide' in sys.modules

if _ES_JUPYTERLITE:
    # geemap no está disponible en JupyterLite (requiere conexión a GEE)
    print("⚠️ Los análisis GEE con Python requieren el entorno Binder.")
    print("   Haz clic en 'Abrir en Binder' para ejecutar este cuaderno.")
else:
    import ee
    import geemap
    import geemap.foliumap as geemap_folium
    import pandas as pd
    import matplotlib.pyplot as plt

    # Autenticación (solo la primera vez por sesión)
    try:
        ee.Initialize(project='tu-proyecto-gee')
        print("✅ Google Earth Engine autenticado correctamente")
    except Exception:
        ee.Authenticate()
        ee.Initialize(project='tu-proyecto-gee')
        print("✅ Autenticación completada")

# ── Celda 2: Mapa interactivo de deforestación con geemap ────────────────────
if not _ES_JUPYTERLITE:
    # Crear mapa centrado en Colombia
    Map = geemap.Map(center=[4.5, -74.0], zoom=6)
    Map.add_basemap('SATELLITE')

    colombia = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017') \
                 .filter(ee.Filter.eq('country_co', 'CO'))

    # Hansen Global Forest Change (2000-2023)
    gfc = ee.Image('UMD/hansen/global_forest_change_2023_v1_11')

    # Pérdida forestal acumulada
    perdida = gfc.select('lossyear').gte(1).selfMask()

    # Ganancia forestal
    ganancia = gfc.select('gain').selfMask()

    # Cobertura forestal año 2000
    cobertura_2000 = gfc.select('treecover2000').updateMask(
        gfc.select('treecover2000').gte(30)
    )

    Map.addLayer(cobertura_2000.clip(colombia),
                 {'min': 30, 'max': 100, 'palette': ['lightgreen', 'darkgreen']},
                 'Cobertura forestal 2000')
    Map.addLayer(perdida.clip(colombia),
                 {'palette': ['red']}, 'Pérdida forestal 2001-2023')
    Map.addLayer(ganancia.clip(colombia),
                 {'palette': ['blue']}, 'Ganancia forestal')
    Map.addLayer(colombia, {'color': 'black', 'fillColor': '00000000'}, 'Colombia')

    Map.add_legend(
        title='Cobertura Forestal',
        legend_dict={
            'Cobertura 2000 (≥30%)': '006400',
            'Pérdida 2001-2023':     'FF0000',
            'Ganancia':              '0000FF',
        }
    )
    Map

# ── Celda 3: Estadísticas de pérdida forestal por año ────────────────────────
if not _ES_JUPYTERLITE:
    # Calcular área perdida por año (en km²)
    registros = []
    for anio in range(1, 24):  # años 1-23 corresponden a 2001-2023
        mascara = gfc.select('lossyear').eq(anio)
        area = mascara.multiply(ee.Image.pixelArea()).divide(1e6) \
                      .reduceRegion(
                          reducer=ee.Reducer.sum(),
                          geometry=colombia.geometry(),
                          scale=30,
                          maxPixels=1e11
                      )
        registros.append({
            'año': 2000 + anio,
            'perdida_km2': area.getInfo().get('lossyear', 0)
        })

    df_perdida = pd.DataFrame(registros)

    fig, ax = plt.subplots(figsize=(12, 4))
    ax.bar(df_perdida['año'], df_perdida['perdida_km2'],
           color='#c0392b', alpha=0.85, edgecolor='white')
    ax.set_title('Pérdida forestal anual en Colombia (2001-2023)\nFuente: Hansen/UMD/GLAD',
                 fontsize=12, fontweight='bold')
    ax.set_ylabel('Área perdida (km²)')
    ax.set_xlabel('Año')
    plt.tight_layout()
    plt.show()

    print(f"Pérdida total 2001-2023: {df_perdida['perdida_km2'].sum():,.0f} km²")
    print(f"Año con mayor pérdida:   {df_perdida.loc[df_perdida['perdida_km2'].idxmax(), 'año']}")

# ── Celda 4: Análisis de sequía con el índice PDSI (Palmer) ──────────────────
if not _ES_JUPYTERLITE:
    # TERRACLIMATE — índice de sequía de Palmer (PDSI)
    pdsi = ee.ImageCollection('IDAHO_EPSCOR/TERRACLIMATE') \
             .filterDate('2015-01-01', '2024-12-31') \
             .filterBounds(colombia) \
             .select('pdsi') \
             .map(lambda img: img.multiply(0.01).copyProperties(img, ['system:time_start']))

    # Estadística mensual para Colombia
    def stats_mensuales(img):
        stats = img.reduceRegion(
            reducer=ee.Reducer.mean(),
            geometry=colombia.geometry(),
            scale=4638,
            maxPixels=1e9
        )
        return ee.Feature(None, {
            'fecha': img.date().format('YYYY-MM'),
            'pdsi': stats.get('pdsi')
        })

    tabla_pdsi = pdsi.map(stats_mensuales)
    df_pdsi    = geemap.ee_to_df(tabla_pdsi)[['fecha', 'pdsi']].dropna()
    df_pdsi['fecha'] = pd.to_datetime(df_pdsi['fecha'])
    df_pdsi = df_pdsi.sort_values('fecha')

    fig, ax = plt.subplots(figsize=(14, 4))
    colores = ['#c0392b' if v < 0 else '#2980b9' for v in df_pdsi['pdsi']]
    ax.bar(df_pdsi['fecha'], df_pdsi['pdsi'], color=colores, alpha=0.8, width=20)
    ax.axhline(0, color='black', linewidth=0.8)
    ax.axhline(-2, color='orange', linewidth=1, linestyle='--', label='Sequía moderada (PDSI < -2)')
    ax.axhline(-4, color='red',    linewidth=1, linestyle='--', label='Sequía severa (PDSI < -4)')
    ax.set_title('Índice de Sequía de Palmer (PDSI) — Colombia 2015-2024\nFuente: TERRACLIMATE',
                 fontsize=12, fontweight='bold')
    ax.set_ylabel('PDSI')
    ax.legend(fontsize=9)
    plt.tight_layout()
    plt.show()

```{raw} html
<div style="position:relative; padding-bottom:56.25%; height:0; overflow:hidden; border-radius:8px; box-shadow: 0 2px 12px rgba(0,0,0,0.15);">
  <iframe
    src="https://ee-miusuario.projects.earthengine.app/view/inundaciones-colombia"
    style="position:absolute; top:0; left:0; width:100%; height:100%; border:none;"
    allowfullscreen>
  </iframe>
</div>
```