Macroeco es un paquete de Python que proporciona un conjunto completo de funciones para analizar patrones empíricos de datos ecológicos, predicción de patrones usando modelos teóricos y comparación de patrones empíricos con la teoría. Muchos de los principales patrones macro-ecológicos pueden ser analizados utilizando este paquete, incluyendo la distribución de la abundancia de especies, las relaciones entre especies y áreas endémicas, medidas de la diversidad beta y muchas otras.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Para realizar una serie de estudios e investigaciones tenemos que saber el nombre y la ubicación de ciertos lugares. Esto quizá sea disponible a través de páginas web de manera visual, sin embargo la utilización de los datos es limitada y no se pueden utilizar las herramientas de geoproceso de software avanzados como QGIS. Para obtener la ubicación espacial de las búsquedas de Google existen diversos servicios o APIs; en este tutorial utilizaremos el Google Maps API para la ubicación de Hospitales en un radio de 5 kilómetros de un punto en Miraflores, Lima. Solo se han utilizado herramientas de software libre para la realización de este tutorial.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
QGIS implementa una librería de herramientas en Python para representar, visualizar y analizar datos vectoriales (shape) y grillados (raster). En QGIS también se pueden hacer planos a través de scripts con PyQGIS.
Este tutorial muestra los principales pasos para la representación de los datos de una ciudad y la generación de un plano de manera automática con PyQGIS.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Los procesos del ciclo hidrológico superficial y subterráneo están relacionados a la precipitacion (forma e intensidad) y la dinámica de la humedad en la zona de suelo. Esta dinámica de humedad de suelo está determinada por el tipo de suelo y la zona radicular en una escala temporal diaria o incluso hasta horaria. Estos fenómenos no han sido considerados o estudiados en los libros de texto de la hidrogeología convencional quizá por uso intensivo de herramientas de modelamiento y complejas conceptualizacion y validaciones.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La erosión de suelos es el desplazamiento de las capas superiores de suelo por procesos relacionados con el agua o el viento. La erosión de suelo puede ocurrir de manera muy lenta en la superficie, sin embargo la alteración del suelo por la actividad humana puede aumentar la tasas de erosión de 10 a 40 veces. La evaluación de la erosión de los suelos es importante para la estimación del impacto de las actividades humanas y la planificación de medidas de remediación y/o contención de la erosión.
Este artículo introduce el entorno de Landlab desarrollado en Python así como un ejemplo práctico de modelamiento de erosión de suelos en un talud en el tiempo.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
QGIS es un software de Sistemas de Información Geográficas muy versátil y amigable con el usuario. QGIS tiene una serie de herramientas para el manejo, procesamiento y análisis de datos vectoriales y rasters.
En QGIS se pueden representar puntos asociados a mediciones de campo y generar simbologías relacionadas a la magnitud de las mediciones. En este tutorial se muestra el procedimiento para la representación de una leyenda en el mapa para un mejor análisis geoespacial de la distribución de valores. El proceso de generación de leyenda solo implica 6 líneas de código en PyQGIS, la herramienta de Python en QGIS.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
El DHT22 es un sensor digital que nos ayuda a evaluar tanto la humedad relativa como la temperatura del ambiente circundante. Es un sensor de bajo costo y es más preciso que su versión anterior el DHT22, responde correctamente a amplios rangos de temperatura (-40 a 80 °C) y puede ser usado como herramienta de monitoreo en industrias, invernaderos, hogares, etc.
El presente tutorial les mostrará la conexión del sensor a la Raspberry Pi 3 Modelo B y puesta en marcha.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La evaluación de procesos de precipitación, escorrentía, enrutamiento, así como la infiltración requieren de datos de precipitación, caudal, temperatura y radiación a escala diaria. Los datos requeridos por los modelos hidrológicos también necesitan estar en el mismo periodo de tiempo para poder realizar sus simulaciones.
Debido a la extensa cantidad de datos que maneja el modelos de cuencas para periodos de retorno de 20 años, 50 años o 100 años con alrededor de tres estaciones de precipitacion y una de aforo se tienen que utilizar herramientas como Python para el procesamiento y redes neurales para la completación de datos faltantes. El tutorial de este artículo muestra el tratamiento de cuatro estaciones de precipitación, para la completación de 35 años de precipitacion faltante de una estación y la selección de un periodo de 55 años completo de series hidrológicas.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La evaluación de los recursos hídricos y medio ambiente necesita del estudio de la distribución de cobertura y la dinámica del cambio de uso de suelo, además de la interacción del medio físico con el ecosistema. Para realizar estos estudios se tiene que disponer de una conjunto de imágenes satelitales por periodos largos de tiempo. Actualmente el registro disponible de imágenes satelitales llega a los 50 años y se convierte en una fuente valiosa de información por su fácil disponibilidad y por ser acceso libre, es decir, no cuestan.
Cuando se quieren descargar periodos muy prolongados o áreas muy grandes, el procedimiento web de descarga se vuelve tedioso, lento y poco versátil. El uso de lenguajes como Python permite configurar las descargas masivas de imágenes satelitales, con procesos recurrentes que pueden ir corriendo por horas hasta que se hayan descargado todas las imágenes.
Este tutorial muestra la descarga del conjunto disponible de imágenes Aster para la región de Alajuela, Costa Rica. De un total de 735 imágenes, al aplicar un filtro de nubosidad menor al 40% e imágenes de día se tuvieron 92 imágenes con un tamaño en conjunto de 16 Gb.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Se define al caudal ecológico como el flujo de agua que se debe mantener en las fuentes naturales de agua para la protección o conservación de los ecosistemas involucrados, la estética del paisaje u otros aspectos de interés científico o cultural según el artículo 153 del reglamento de la Ley 29338, Ley de Recursos Hídricos.
Este tutorial muestra el procedimiento para el cálculo del caudal ecológico referencial para un periodo de registros de 20 años utilizando Python 3.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Los Diagramas de Stiff son un aplicación muy común para representar la química de los recursos hídricos. En un Diagrama de Stiff las concentraciones de los componentes principales representados en miliequivalentes por litro (meq/l) son representados para una muestra. El perfil de los cationes son representados a la izquierda y los aniones a la derecha.
El diagrama permite la comparación rápida de muchos componentes de la calidad del agua entre muchas muestras, mediante la comparación de las formas de los polígonos generados. Sin embargo, hasta ahora no había manera de correlacionar los diagramas con la posición del punto de monitoreo. Este tutorial muestra los códigos y pasos para la realización de un Diagrama de Stiff Georeferenciado utilizando QGIS y Python.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La Raspberry Pi es una microcomputadora de bajo costo muy versátil para la implementación de sensores ambientales. Prácticamente cualquier sensor puede ser conectado a una Raspberry Pi de manera directa, o través de tarjetas Arduino. Este tutorial muestra la implementación de un sensor de temperatura, con la configuración necesaria y los códigos o "scripts" en Python que representan las mediciones del sensor en la pantalla.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Las actividades económicas, migraciones, cambio climático y otros factores generan cambios del uso del suelo a escala local y regional. Es importante comprender y cuantificar las zonas impactadas, así como analizar la tendencia del cambio creciente o decreciente de ciertas coberturas o usos de suelo. Este tutorial se basa en los datos para 4 periodos de la cobertura sobre la extensión del Estado de Tlaxcala - México. El análisis se hizo con QGIS y Python 3.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Los registros de monitoreo pueden llegar a tener años, por lo que es necesario hacer un análisis avanzado para conocer la distribución temporal y espacial de los componentes. En este caso se evaluará los piezómetros y estaciones de aforo del Santuario Nacional de Lagunas de Mejía - Arequipa - Perú que tienen registros mensuales desde del 2002 al 2016 para 34 piezómetros y 7 estaciones de aforo. Con más de 6800 registros, esta serie de datos representa un desafío para su análisis por lo que Python y su librería Pandas se convierten en una herramienta muy versátil para el registro, procesamiento, representación y análisis de datos.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Python es un lenguaje de programación avanzado, pero también es una herramienta práctica para el procesamiento común de datos. Existen una serie de paquetes de Python aplicados en la generación de gráficos, análisis de datos, interfaces web, entre otros. Este tutorial muestra los pasos principales para la generación de una Rosa de Viento usando el paquete Windrose dentro del entorno Jupyter Notebook.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Grabar posición al segundo es posible con soluciones sencillas basadas en hardware y software libre. Este tutorial muestra un proyecto de fin de semana con la aplicación de Raspberry Pi acoplado a un GPS que graba posiciones en coordenadas geográficas cada segundo en una tarjeta de memoria. Los datos guardados pueden ser visualizados y procesados en QGIS.
Este es el primero de una serie de tutoriales que desarrollaremos sobre geolocalizadores donde acoplaremos características de registro online, implementación de bases de datos NoSQL, representación Web en tiempo real. Por último haremos una aplicación en el estudio de hábitat de ganado.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Actualmente la información que requerimos esta en distintas páginas web, o incluso se actualiza en distintos enlaces. Algunas veces nuestros trabajo requiere la visita, búsqueda y recolección manual de datos web. Para automatizar esas tareas se puede utilizar una plataforma como Scrapy.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Tutorial rápido para llenar los datos faltantes de precipitación con redes neuronales utilizando la biblioteca Scikit Neural Network en Python .
Este tutorial contiene :
- Importación de datos de precipitación para Pandas
- Creación de una Dataframe única en Pandas
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Interesante tutorial para el tratamiento y análisis interactivo de imágenes satelitales multiespectrales. El caso de aplicación se realiza sobre una imagen Landsat que tiene 11 bandas.
Contenido
Este tutorial contiene:
- Importación de imágenes de satélite
- Conversión de imágenes a matrices numpy
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Tutorial para la representación interactiva de imágenes satelitales de precipitación IMERG para Colombia utilizando Python 3 en la consola de Jupyter. Las imágenes de precipitación IMERG son cada 30 segundos sobre la extensión de Colombia tomadas del 1 al 4 de Noviembre del 2015.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
