Reconstrucción de series de indices de vegetación

//
// -----------------------------------------------------------------
//Paso 1: Defina la zona de estudio
// 
// -----------------------------------------------------------------

// importe la tabla que contiene las suertes de interés
var tabla = ee.FeatureCollection("users/ivanlizarazo/RIO/ste_La_Juana");

// Aplique un buffer negativo a la geometria
var geometryBuff = tabla.geometry().buffer(-10)

// Centre el mapa en la zona de interés
Map.centerObject(tabla,16.5);

// Agregue la zona de interés y el buffer al mapa
// and specify fill color and layer name
Map.addLayer(tabla,{color:'green'},'Limites');
Map.addLayer(geometryBuff,{color:'blue'},'Buffer');

//
// ------------------------------------------------------------------------
//Paso 2: Cargue la colección de imágenes de Sentinel-2
// (seleccione 
// ------------------------------------------------------------------------
// importar la coleccion de imagenes
var s2a = ee.ImageCollection('COPERNICUS/S2_SR')
                  .filterBounds(tabla)
                  .filterDate('2023-01-01', '2023-11-20');

// imprimir la coleccion en la consola y chequear sus propiedades
print(s2a, 'S2 Image Collection Juana');

// funcion para recortar una imagen
function recortar(img) {
  return img.clip(juana);
}

// iteracion de la funcion anterior sobre toda la coleccion
var aoi_S2c = s2a.map(recortar);

// ---------------------------------------------------------------------
// Paso 3. Rescalar las imagenes para obtener reflectancia de superficie
// ---------------------------------------------------------------------
// Al buscar en el catalogo de imagenes la coleccion "COPERNICUS/S2_SR
// se encuentran los parametros de *scale* and *offset*
var escala = 0.0001;

// funcion para rescalar una imagen
function rescalar(img) {
  return img.select('B.|B7').multiply(escala).copyProperties(img, img.propertyNames());
}

// aplicacion de la funcion
var aoi_S2r = aoi_S2c.map(rescalar);

// -----------------------------------------------------------------
// Paso 4. Calcular el indice de vegetacion de interes
// -----------------------------------------------------------------

// Funcion para calcular NDVI
var getNDVI = function(image){
   var NIR = image.select('B8');
   var RED = image.select('B4');
   var NDVI = NIR.subtract(RED).divide(NIR.add(RED)).rename('ndvi');
   return image.addBands(NDVI);
};


// Funcion para enmascarar nubes y sombras
function maskClouds(image) {
  var cloudProb = image.select('MSK_CLDPRB');
  var cloud = cloudProb.lt(5);
  var scl = image.select('SCL'); 
  var shadow = scl.eq(3); // 3 = cloud shadow
  var cirrus = scl.eq(10); // 10 = cirrus
  // Cloud probability less than 5% or cloud shadow classification
  var mask = (cloud.and(cirrus.neq(1)).and(shadow.neq(1)));
  return image.updateMask(mask);
}

//  Make S2 Image Collection 

var originalCol = aoi_S2r
  //.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 30))
  //.map(maskClouds)
  .map(getNDVI);
  
print ('Coleccion recortada', originalCol.first());

Map.addLayer(originalCol.first(), {}, 'coleccion original');

//
// ------------------------------------------------------------------------
//Paso 5: Suavizado de la serie temporal del NDVI
//  
// ------------------------------------------------------------------------
// Moving-Window Smoothing

// Specify the time-window
var days = 15;

// Convert to milliseconds 
var millis = ee.Number(days).multiply(1000*60*60*24);

// We use a 'save-all join' to find all images 
// that are within the time-window

// The join will add all matching images into a
// new property called 'images'
var join = ee.Join.saveAll({
  matchesKey: 'images'
});

// This filter will match all images that are captured
// within the specified day of the source image
var diffFilter = ee.Filter.maxDifference({
  difference: millis,
  leftField: 'system:time_start', 
  rightField: 'system:time_start'
});


var joinedCol = join.apply({
  primary: originalCol, 
  secondary: originalCol, 
  condition: diffFilter
});

print('Joined Collection', joinedCol);

// Each image in the joined collection will contain
// matching images in the 'images' property
// Extract and return the mean of matched images
var extractAndComputeMean = function(image) {
  var matchingImages = ee.ImageCollection.fromImages(image.get('images'));
  var meanImage = matchingImages.reduce(
    ee.Reducer.mean().setOutputs(['moving_average']))
  return ee.Image(image).addBands(meanImage)
}

var smoothedCol = ee.ImageCollection(
  joinedCol.map(extractAndComputeMean));

print('Smoothed Collection', smoothedCol);

// Seleccionar los dos indices
var dos_ndvi = smoothedCol.select(['ndvi', 'ndvi_moving_average'])
                 .copyProperties(smoothedCol);

print('dos_ndvi', dos_ndvi);


// Primero seleccionamos  la suerte de interes 
var suerte16 = tabla.filter(ee.Filter.eq('suerte', '016'));

// Define the chart and print it to the console.

// Display a time-series chart
var chart_NDVI = ui.Chart.image.series({
  imageCollection: dos_ndvi,
  //region: geom,
  region: suerte16,  //geom
  reducer: ee.Reducer.mean(),
  scale: 20
}).setOptions({
      title: 'NDVI Time Series en la suerte 16',
      interpolateNulls: true, //false
      vAxis: {title: 'NDVI', viewWindow: {min: 0, max: 1}},
      hAxis: {title: '', format: 'YYYY-MM'},
      lineWidth: 1,
      pointSize: 4,
      series: {
        0: {color: '#66c2a4', lineDashStyle: [1, 1], pointSize: 2}, // NDVI Original
        1: {color: '#238b45', lineWidth: 2 }, // NDVI Reconstruido
      },

    });
print(chart_NDVI);