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.
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.
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.
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.
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.
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.
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.
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.
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 :
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:
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.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Las redes neurales pueden ser una herramienta muy potente para la evaluación de la calidad del agua y el impacto en el ecosistema.
Por un lado los parámetros de calidad del agua son varios y tienen una gran cantidad de registros; en el otro lado el monitoreo de ecosistema arroja una gran cantidad de registros de ecosistema acuático y terrestre. En un caso de estudio en bofedales andinos, relacionamos la calidad del agua con el ecosistema con redes neurales en Python.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Tutorial para la implementación de una red neural Multilayer Perceptron con Python y la librería Scikit Neural Network
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Tutorial rápido para determinar el ajuste de los valores de precipitación a las distribuciones probabilísticas y cálculo de la precipitación para distintos periodos de retornos.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Cuando trabajamos con datos de precipitación, algunas veces no se tienen datos, otras veces tenemos pocos datos... y otras veces los datos están en un formato que es imposible trabajarlos. Eso nos ocurrió cuando trabajamos datos de precipitación históricos descargados de un servidor. En este artículo se define una manera de " transformar " los datos de estructuras inútiles a datos tabulados y luego se hace un análisis con Python Pandas y Matplotlib.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
El método del vector regional es muy práctico porque te permite tener una fórmula que relaciona posición y elevación con la precipitación en cualquier parte de la cuenca, tomando como referencia valores observados. El vector regional puede ser univariado o polivariado, pero siempre es lineal.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Todo vector cargado a través de PyQGIS es representado usando un símbolo simple y un color al azar. Ese color puede ser cambiado modificando los atributos del símbolo.
Para cambiar el color de una capa existen algunos métodos que explicaremos en este infohatari, por lo que estamos seguros que al finalizarlo podrás:
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
En este nuevo infohatari presentamos los comandos que te facilitarán cargar archivos vectoriales y rásters en QGIS desde la consola de Python. Al finalizar estamos seguros que comprenderás los procesos que debe desarrollar el software para:
A. Cargar una archivo vectorial (*.shp)
B. Cargar una imagen raster
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Todos aquellos que participamos de proyectos e investigaciones ambientales concordamos en la necesidad de estandarización, para lo cual viene bastante bien el desarrollo de complementos que permitan automatizar los procesos estándar y otros de interés particular en la elaboración de planos temáticos, es a decir, características de línea, polígono o punto, creación de grilla, creación de buffer por porcentajes, determinación de azimut y distancia, entre otros.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Los datos de precipitación sobre una cuenca involucran varias estaciones y no están completas. Para el análisis de la precipitación a nivel de cuencas se requieren herramientas potentes como Python y su librería Pandas.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
