El agua es el origen de la vida y el suelo es la capa subyacente donde la humanidad ha evolucionado, por lo tanto se debería tener un perspectiva diferente del agua subterránea debido a lo anterior y a que involucra dos de los cuatros elementos “elementales” de la vida. Sin embargo, la apreciación y cuidado de los recursos hídricos subterráneos de la gran mayoría incluyendo algunos especialistas son casi inexistentes, solos los hidrogeologos son quienes realmente creen en los flujos de agua subterránea, que la gravedad es la principal fuerza que gobierna el flujo subterráneo, que la descarga de aguas subterráneas tiene un flujo ascendente, que existen zonas sin flujo y que los tiempos de viaje del agua subterránea pueden llevar meses, años, décadas o siglos, según las condiciones climáticas y los medios porosos. El hidrogeólogo tuvo que comprender un nuevo sentido de las métricas donde el interés principal no es el valor del parámetro hidráulico sino la relación en orden de la magnitud con otros valores.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Dentro de los últimos desarrollos del modelamiento de aguas subterráneas existen dos softwares: MODFLOW 6 y Model Muse 4, ambas herramientas desarrolladas por la USGS. El primer software es la última versión de MODFLOW que permite modelar con grillas triangulares y no estructuradas. El segundo software es la última versión ( desde el 23 de Junio) de la interfaz gráfica de Model Muse que admite MODFLOW 6.
Las grillas no estructuradas es un tipo de discretización que permite tener pequeñas celdas en ciertas partes del modelo mientras que el resto tiene celdas más grandes. La optimización de las grillas del modelo y el número de celdas disminuyen el tiempo cálculo, el tamaño de los archivos de salida y la velocidad de las herramientas de visualización. Las grillas no estructuradas permiten modelar a grandes extensiones conservando la precisión de los puntos de interés, incluso se puede insertar fallas regionales o configuraciones geológicas complejas.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Las imágenes de drones nos permite tener ortofotos de terrenos y modelos de elevación a un costo razonable con una menor influencia de nubes o polvos a diferencia de las imágenes satélitales. Sin embargo, creemos que diferentes tipos de drones y herramientas que procesan imágenes de drones están diseñados para una escala local, dejando incierta la escala regional.
En los estudios de recursos hídricos y medioambiente, los modelos de elevación y ortofotos generados del procesamiento de imágenes de drones, son de particular interés para determinar las principales características del terreno relacionado con los flujos de aguas superficiales o subterráneas y la interacción con el ecosistema, pero estás imágenes necesitan estar a escala regional (>1 Km2).
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Caesar Listflood es un modelo geomorfológico que acopla el modelo de flujo hidrodinámicos Lisflood-FP 2d con el modelo geomórficoS CAESAR que permite simular la erosión y deposición en las cuencas fluviales a escalas de tiempo desde horas hasta miles de años.
Las características de esta herramienta abarcan el desarrollo de modelos hidrodinámicos que simulan los flujos de ríos de cuencas, tiene amplia gama de escalas espaciales (1 km2 a 1000 Km2) y temporales (hasta 1000 años). Este modelo es 2D y está basado en códigos FP de Listflood diseñado para operar en múltiples procesadores.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Interesante tutorial para el análisis lineal de todos los dias. Usualmente este gráfico se realiza en hojas de cálculo pero es completamente factible de realizarlo en Python en pocas líneas de código.
El trabajo con Python brinda mejores opciones de gráficos y la posibilidad de repetir el análisis con distintos set de datos.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Hay un esfuerzo por proporcionar este simple caso de hundimiento de suelos en un acuífero heterogéneo en una interfaz gráfica como Model Muse; sin embargo, en casos reales se pueden requerir de un conjunto de datos observados con registros de bombeos de las primeras etapas de explotación de aguas subterráneas. Este tutorial es simple y completo de la subsidencia de suelos con MODFLOW – SUB y Model Muse, que abarca el modelo conceptual, definición del acuífero, datos de entrada, construcción de condicione de borde y simulación y representación de resultados.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Los estilos de datos espciales creados y procesados por un software comercial o libre siguen estándares de instituciones como el Open Geospatial Consortium (OGC), estos estándares permiten la interoperatividad de archivos vectoriales y raster entre diferentes software; sin embargo, los estándares son aplicados para la localización y no para los estilos. Los estilos de ArcGis son muy difíciles de convertir a un formato compatible con QGIS, especialmente si el usuario no tiene el software comercial.
Los centros gubernamentales lanzan datos espaciales como uso de suelo, cobertura de suelo, infraestructura y veces los estilos de estos datos están en formatos ArcGis que representan un gran obstáculo para el usuario QGIS. Este tutorial muestra el procedimiento de como convertir los estilos ArcGis a QGIS usando un archivo en formato *.xml de un caso de estudio de cobertura de suelo en Costa Rica. El tutorial esta desarrollado en Windows, si el usuario tiene Linux o Mac es necesario instalar Mdbtools de acuerdo a su propio sistema operativo.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
La naturaleza y todos los procesos físicos relacionados con el agua subterránea y el régimen de transporte están espacialmente distribuidos. Los modelos de agua subterránea se basan en una estructura grillada que se discretizan en celdas con arreglos de filas y columnas; el nivel de desconexión espacial de una parte del medio poroso con las filas y columnas de las celdas son algunos desafíos para la gestión sostenible de los recursos de aguas subterráneas.
Afortunadamente, Flopy y las librerías de Python permiten construir y simular modelos de MODFLOW, y tienen herramientas para georreferenciar las grillas del modelo incluso con opciones de rotación; sin embargo, el proceso es algo explícito que significa que el modelador tenga conocimientos de Flopy y Python. Este tutorial muestra todo el procedimiento para crear un modelo de agua subterránea totalmente geoespacial con MODFLOW y Flopy.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Siguiendo la frase: “la hidrogeologia aplicada para no hidrogeologos”, encontramos que se ha hecho poco por llevar conceptos prácticos y científicos a profesionales de otras áreas. La hidrogeologia en si misma parece ser un campo con una variedad de “sabores” donde el conocimiento de las aguas subterráneas tienen “tendencias” basadas en autores, disciplinas o herramientas; sin embargo, hay una característica en común en los estudios de aguas subterráneas del mundo: las evaluaciones hidrogeologicas son caros, toman mucho tiempo y trabajan con un alto grado de incertidumbre.
El hidrogeologo necesita apoyar a las industrias donde los conceptos y evaluaciones hidrogeologicas tienen que ser comprendidos por todos los actores relacionados para conducir una actividad industrial con una interpretación clara del rendimiento del bombeo / niveles de agua y cambios en la calidad del agua a través del tiempo.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
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.
