Textura

O Earth Engine tem vários métodos especiais para estimar a textura espacial. Quando a imagem tem valores discretos (não ponto flutuante), é possível usar image.entropy() para calcular a entropia em um bairro:

Editor de código (JavaScript)

// Load a high-resolution NAIP image.
var image = ee.Image('USDA/NAIP/DOQQ/m_3712213_sw_10_1_20140613');

// Zoom to San Francisco, display.
Map.setCenter(-122.466123, 37.769833, 17);
Map.addLayer(image, {max: 255}, 'image');

// Get the NIR band.
var nir = image.select('N');

// Define a neighborhood with a kernel.
var square = ee.Kernel.square({radius: 4});

// Compute entropy and display.
var entropy = nir.entropy(square);
Map.addLayer(entropy,
             {min: 1, max: 5, palette: ['0000CC', 'CC0000']},
             'entropy');

A banda NIR é dimensionada para 8 bits antes de chamar entropy(), já que o cálculo de entropia usa entradas de valor discreto. Os elementos diferentes de zero no kernel especificam o bairro.

Outra maneira de medir a textura é com uma matriz de co-ocorrência de nível de cinza (GLCM, na sigla em inglês). Usando a imagem e o kernel do exemplo anterior, calcule o contraste baseado no GLCM da seguinte maneira:

Editor de código (JavaScript)

// Compute the gray-level co-occurrence matrix (GLCM), get contrast.
var glcm = nir.glcmTexture({size: 4});
var contrast = glcm.select('N_contrast');
Map.addLayer(contrast,
             {min: 0, max: 1500, palette: ['0000CC', 'CC0000']},
             'contrast');

Muitas medidas de textura são geradas por image.glcm(). Para uma referência completa sobre as saídas, consulte Haralick et al. (1973) e Conners et al. (1984).

As medidas locais de associação espacial, como a C de Geary, (Anselin, 1995), podem ser computadas no Earth Engine usando image.neighborhoodToBands(). Usando a imagem do exemplo anterior:

Editor de código (JavaScript)

// Create a list of weights for a 9x9 kernel.
var row = [1, 1, 1, 1, 1, 1, 1, 1, 1];
// The center of the kernel is zero.
var centerRow = [1, 1, 1, 1, 0, 1, 1, 1, 1];
// Assemble a list of lists: the 9x9 kernel weights as a 2-D matrix.
var rows = [row, row, row, row, centerRow, row, row, row, row];
// Create the kernel from the weights.
// Non-zero weights represent the spatial neighborhood.
var kernel = ee.Kernel.fixed(9, 9, rows, -4, -4, false);

// Convert the neighborhood into multiple bands.
var neighs = nir.neighborhoodToBands(kernel);

// Compute local Geary's C, a measure of spatial association.
var gearys = nir.subtract(neighs).pow(2).reduce(ee.Reducer.sum())
             .divide(Math.pow(9, 2));
Map.addLayer(gearys,
             {min: 20, max: 2500, palette: ['0000CC', 'CC0000']},
             "Geary's C");

Para conferir um exemplo de como usar o desvio padrão de vizinhança para calcular a textura da imagem, consulte a página Estatísticas de vizinhanças de imagens.