Gempy es una librería de código abierto de Python para generar modelos geológicos estructurales 3D completos. La librería es un desarrollo completo para crear modelos geológicos de interfases, fallas y orientaciones de capas, también relaciona la secuencia de las capas geológicas para representar intrusiones de rocas y órdenes de fallas.
El algoritmo para modelamiento geológico basado en la interpolación universal “cokriging” con el soporte de librerías matemáticas avanzadas de Python como Numpy, PyMC3 y Theano. Gempy crea un modelo grillado que puede ser visualizado en secciones 2D con Matplotlib o como geometrías 3d en VTK que permitirán la representación del modelo geológico en Paraview para divisiones, filtrado, transparencias y estilo.
Este tutorial es un ejemplo básico de una configuración geológica estratificada con 5 capas y una falla. Con finalidad de hacer que el tutorial sea accesible a la mayoría de usuarios, hemos creado un tutorial complementario acerca de Gempy en Windows con una distribución de repositorio de Anaconda.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Una de las novedades más excepcionales de MODFLOW 6 son las diferentes opciones de discretización para la generación de la grilla del modelo. Las opciones van desde grillas regulares (igual que MODFLOW 2005), grillas triangulares y grillas no estructuradas. Flopy que es una librería de Python para la construcción y simulación de MODFLOW 6 y otros modelos tiene herramientas para la generación de grillas triangulares. El flujo de trabajo en modelamiento de aguas subterráneas con MODFLOW 6 y Flopy para modelos con grillas triangulares es muy fluido y observamos mucho potencial para el modelamiento de flujo de agua subterránea en escala local y regional.
Este tutorial muestra el procedimiento completo para crear una grilla triangular con las utilidades de Flopy e incorporarlo al modelo de MODFLOW 6. El modelo es simulado y los resultados son representados como una grilla colorida e isolíneas.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Las imágenes satelitales nos han proporcionado la capacidad de ver la superficie de la tierra en los años recientes pero no hemos tenido mucho éxito en entender la dinámica del uso de suelo y su interacción con los factores económicos, sociológicos y políticos. Algunas deficiencias para este este análisis fueron encontradas en el uso de software de GIS comercial pero otras limitaciones están en la forma en que aplicamos procesos lógicos y matemáticos a un set de datos de imágenes satelitales. El manejo de datos geoespaciales en Python nos da un uso eficiente del poder computacional y provee un mayor panorama en análisis de datos.
Este tutorial muestra el procedimiento completo para crear un raster de cambio de uso de suelo proveniente de una comparación entre raster de índice de vegetacion (NDVI) con el uso de Python y las librerías GDAL y Numpy. Se generaron contornos de cambio de uso de suelo con herramientas de GDAL y Osgeo y se realizó un análisis de deforestación basado en los datos de salida y un recuento de imágenes históricas de Google Earth.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
El análiss de isotopos estables es una herramienta muy poderosa para la evaluación del origen y la dinámica del agua subterránea especialmente cuando los puntos de observación y los periodos de muestreo son limitados. La representación de isotopos se puede hacer con cualquier hoja de cálculo de software como Excel, pero el flujo de trabajo es deficiente especialmente cuando se representa los puntos, líneas de tendencia, etiquetas y leyendas.
Este tutorial muestra el procedimiento completo para representar los isotopos estables de muestras de aguas subterráneas de un sitio en remediación en Nuevo México, Estados Unidos. Los códigos son realizados con Python 3 y otros paquetes que vienen instalados por defecto con Anaconda. El código para la representación de la Línea Meteórica Global del Agua esta tambíén incluido asi como las opciones para guardar/descargar las figuras.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Este tutorial se realiza en una plataforma de programación para Python llamado Jupyter Notebook. Los archivos de entrada que son bandas raster y shapefile del área de interés (AOI) tienen que estar en un mismo sistema de referencia de coordenadas (SRC) de lo contrario la librería GDAL no localizará los datos espaciales en la posición correcta. Este tutorial muestra el procedimiento para los sets de bandas de una imagen Landsat 8, un ejemplo para una única banda que se proporciona en los scripts de los datos de entrada. Finalmente, este tutorial muestra el raster completo y cortado en un software de Sistemas Información Geográfica como QGIS.
Para los usuarios principiantes GIS con poca expedicionaria de programación, se aconseja terminar el tutorial con los datos proporcionados en la parte de datos de entrada de este tutorial. Una vez que el usuario tenga más experiencia con el software, el usuario puede modificar el código para el procesamiento personalizado de imagenes ráster.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
El modelamiento regional de aguas subterráneas es una tarea importante en la gestión estratégica del agua que involucra a todos los usuarios, actividades y ecosistemas involucrados y proporciona un uso sostenible para las condiciones actuales y futuras. Existen algunas consideraciones específicas sobre el modelamiento regional con respecto a la línea base y la discretización espacial; un modelo regional no pretende proporcionar la respuesta del acuífero para un área determinada, sino busca la evaluación del flujo regional del agua subterránea y la cuantificación de la recarga, descarga y otros procesos del balance hídrico.
Este tutorial es la versión de Flopy de un ejemplo numérico de la cuenca de Angascancha realizada con MODFLOW y Model Muse. El ejemplo está en régimen uniforme y se resuelve con el solucionador NWT. Las representaciones de salida del modelo se han realizado con las herramientas Flopy / Matplotlib, así como también con algunos códigos Python para crear archivos VTU y representarlas en Paraview.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
La representación de la dirección del flujo de agua subterránea es útil para comprender las condiciones actuales y previstas del régimen de flujo de agua subterránea. La dirección y la magnitud de las flechas (vectores) proporcionan una perspectiva rápida de las direcciones principales del flujo de agua subterránea y la interconexión entre las fuentes y los puntos de descarga. Los vectores de dirección de flujo no eran una característica muy común en el modelo de de aguas subterráneas con software de código abierto hasta el desarrollo en Python de la librería Flopy que tiene una herramienta especial para la representación de gráficos Quiver.
Este tutorial muestra el flujo de trabajo completo para determinar las direcciones de flujo de un modelo en MODFLOW realizado con Model Muse. Las secuencias de comandos insertan una imagen de fondo, georreferencian el modelo de los parámetros exportados como comentarios y exportan la figura resultante como un archivo PNG. El tutorial se realiza en Python 3 en un entorno de Jupyter Notebook.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Rasterio es una librería de Python que permite la lectura, inspección, visualización y la escritura de raster geospaciales. La librería usa rasters en formato GeoTIFF y otros formatos y es capaz de trabajar con imágenes satelitales, modelos de elevación digital, productos de imágenes, e imágenes procesadas de drone. Rasterio permite importar un raster geoespacial de una banda y multibanda y permite trabajar en un entorno interactivo como un Jupyter notebook. La librería conserva la “dualidad” del georaster, eso significa que puede manejar los parámetros de localización y resolución del raster tanto como los valores matriciales de los elementos grillados.
Este tutorial muestra el procedimiento para el cálculo del NDVI de un imagen satelital Landsat 8 utilizando Python y Rasterio. El tutorial se realiza en un entorno interactivo llamado Jupyter Notebook. Para la instalación del software requerido para este ejercicio se recomienda seguir este tutorial.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Para que descargar programas auxiliares si con Python puedes hacerlo todo? Desde lo simple hasta la complicado, hay una serie de paquetes para casi todo de tal manera que trabajes más rapido y eficientemente utilizando software libre. Hemos traído un ejemplo práctico de union de dos archivos Pdfs en distinta orientación para la generación de un Pdf final utilizando Python 3 y el paquete PyPDF2 dentro de un Jupyter Notebook.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Que pasaría si todos los procesos que realizamos en software de SIG los hicieramos en Python? Que pasaría si tratáramos a los datos espaciales como objetos y variables en un script…. enconces nos preguntaríamos si en realidad es necesario inventar de nuevo la rueda. Para qué hacer cosas de manera diferente, si lo que existe ya funciona?
La respuesta a esta interrogante es muy simple: Más control. Es tan simple y tan sencillo sobre eso.
Trabajar en Python nos da más control sobre el geoprocesamiento al dejar el entorno visual de clicks sobre iconos. Con Python en un entorno de Jupyter Notebook podemos referenciar los archivos a importar, definir los geoprocesos y sus opciones, hacer representaciones de los datos espaciales intermedios y finales, y exportar los resultados en formatos compatibles con cualquier entorno de SIG. Existen otras ventajas del análisis espacial en Python como son la reproducibilidad y la velocidad de cálculo.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Ubicar la zona UTM de un raster o shapefile en QGIS puede ser una tarea sencilla, pero no tan fácil. A menos que se utilicen archivos espaciales de referencia, no es posible identificar la zona de un objeto espacial en pocos pasos.
Utilizando una capa del complemento QuickMapServices es posible identificar rápidamente la zona UTM de un archivo. Solo basta cargar la capa de: “UTM and Gauss Krueger 6 degree zones TMS” y el número de la zona aparecerá en toda la extensión del lienzo (canvas).
Este tutorial te muestra el proceso completo en QGIS3 para la captura de la zona UTM para un raster en coordenadas geográficas.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Las fuentes de las inundaciones son determinadas por varios factores del paisaje presente en los alrededores. Las inundaciones son causadas tanto por factores físicos como antrópicos, entre las causas físicas se encuentran las precipitaciones intensas en periodos de tiempo cortos, el tipo de suelo y roca, el uso de suelo relacionado con la vegetación presente y las pendientes pronunciadas.
Entre las causas humanas se encuentra la deforestación que reduce la interceptación, la administración de ríos, el calentamiento global, y el crecimiento urbano.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Los datos reportados en informes muchas veces estan en formato digital como PDF, o peor aun como una imagen. El proceso de recuperación de datos es manual y puede ser muy lento dependiendo de la cantidad de datos que se quieran procesar. Una manera inteligente de acceder a estos datos es mediante un lenguaje de programación como Python, y paquetes especialidos de manejo de datos como Tabula-py y Pandas.
Este tutorial muestra el procedimiento completo de importación de un pdf en Python3 y la configuracion de un Dataframe de Pandas específico para luego exportarlo como archivo de MSExcel.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
El manejo de rasters en entornos de SIG como QGIS y otros softwares es un proceso manual con una serie de herramientas como álgebra de mapas, georeferenciacion, plugins y demás comandos. Sin embargo el raster es en sí un arreglo matricial de columnas y filas con propiedades espaciales que le permiten estar espacialmente georeferenciado.
Cálculos avanzados como dinámica del cambio climático, cambio de cobertura, identificación de objetos, etc, requieren de un tratamiento superior de la información espacial proveida por un raster. Durante mucho tiempo se buscaron herramientas que permitiesen el manejo de rasters en Python, pero no habían librerías capaces de manejar el caracter dual del raster, es decir, la matriz y la georeferenciacion.
Georasters es una librería de Python 3 que permite el manejo y la representación de rasters aparte de implementar variadas opciones de análisis de Scikit-Image. Este tutorial es introductorio al manejo de la librería Georasters sobre un modelo digital de elevación donde se realizan representaciones, operaciones matemáticas, recortes y cambios de resolución sobre un Jupyter Notebook. Este tutorial es la base para futuros tutoriales más avanzados de análisis y manejo de rasters.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
En el presente tutorial se utilizará OpenFOAM para la simulación de un caso hipotético, este caso constará de la incorporación de un modelo de ruido basado en la presión, esto se acoplará en base a librerías y extrayendo información del resultado base.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
En el presente tutorial se utilizará OpenFOAM para la simulación de un caso hipotético, este caso constará de una malla dinámica, la cual rotará sobre su propio eje y modificará los campos de velocidad y presión en la zona de estudio, para ello se realizarán configuraciones adicionales que vienen dentro de los solucionadores de OpenFOAM pero que se deben configurar.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Quieres hacer una evaluación y te das cuenta que los unicos datos disponibles estan en un PDF? Esta historia particular es muy frecuente al momento de hacer estudios y evaluaciones. Entonces cual debería ser la manera de obtener los datos espaciales de los planos del reporte? Tendríamos acaso que digitalizar todo de nuevo? Por suerte la respuesta es no, es posible extraer los datos espaciales de planos reportados en PDF con solo software libre.
El proceso de transformación de PDF requiere varios pasos con software como Inskape, QGIS3 e incluso con código de programación en Python con la librería Geopandas. Este tutorial muestra los pasos completos para este geoproceso.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Eran tiempos modernos de una industria socialmente responsable, eran días de una lucha por los derechos de los indígenas, una búsqueda de la disminución de la violencia de género, pero podemos decir que eran días de una sociedad ambientalmente responsable?, y en especial con su medio físico incluyendo el suelo como medio poroso y el régimen de agua subterránea.
La tecnología y los cambios en la sociedad han resuelto varios problemas, pero han abierto nuevas perspectivas en la gestión de la calidad y cantidad del recursos hídrico subterráneo. Quiza hace 10 años podríamos decir que nuestros acuíferos estaban contaminados por pesticidas, por nutrientes, o incluso por hidrocarburos… pero alguien se preguntó si estaban contaminados por antibióticos, o por esteroides?.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
En el presente tutorial se utilizará OpenFOAM para la simulación de un caso hipotético, este caso constará de una inversión térmica y su efecto en chimeneas, el cual estará configurado con el solucionador interMixingFoam y se representará el fenómeno en base a densidades reflejándose este proceso con el efluente de una chimenea.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
En el presente tutorial se utilizará HEC-HMS para la simulación de una cuenca de estudio en la cual se incorporará información respectiva a una cuenca natural y el posterior efecto debido a la urbanización de una subcuenca, esto se manejará con 2 escenarios de cuenca.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
