PostgreSQL es un Sistema de Gestión de Bases de Datos que permite la gestión y almacenamiento de nuestros datos en modelos relacionales. El modelo relacional es, actualmente, el modelo más utilizado en la gestión de datos dinámicos (o lo que es lo mismo, aquellos datos sujetos a modificaciones y actualizaciones).
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Entre las múltiples opciones para extender PostgreSQL, está la de la creación de tipos o dominios (según la nomenclatura del estándar SQL). Además de los dominios dados por el tipo de datos predefinidos, el SQL92 nos ofrece la posibilidad de trabajar con dominios definidos por el usuario.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
El diseño de los mapas en QGIS 3.0 ahora no tiene límites con el uso de sistema de referencia de coordenados del proyecto (SRC). La herramienta “New Print Layout” ofrece numerosas ventajas en el manejo de proyecciones.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
PostgreSQL es un Sistema de Gestión de Bases de Datos Open Source. PostGIS es una extensión de PostgreSQL, que añade soporte de objetos geográficos a PostgreSQL, convirtiéndola en una base de datos espacial. pgAdmin 4 es una aplicación gráfica para gestionar el gestor de BD PostgreSQL, siendo la más completa y popular con licencia Open Source.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Una de las novedades de QGIS 3.0 es la creación de reportes o informes. QGIS 3.0 tiene la herramienta de “New Report” que permite crear encabezados o pies de imágenes del informe. También, podemos añadir el contenido del informe de acuerdo a las capas y grupos de campo que sirve como Atlas del reporte.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
QGIS 3.0 permite visualizar datos espaciales en 3D, con esta herramienta podremos observar datos ráster y vectoriales con visualización más realista. En este tutorial, se va representar datos de edificios en 3D con QGIS 3.0, se va añadir estilos y se va configurar la vista 3D utilizando un DEM y configurando la resolución del terreno, para obtener una mejor representación de los edificios.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
El complemento de clasificación semiautomático (SCP) es un complemento gratuito de código abierto para QGIS, este plugin ha sido actualizado en la versión 6 y es compatible con QGIS 3.0. El complemento de clasificación semiautomático (SCP) en la versión 6, permite la clasificación semiautomática (también clasificación supervisada y no supervisada) de imágenes de teledetección.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
GeoPandas es la implementación geoespacial de la librería de Python llamada Pandas, esta librería está enfocado en el cálculo masivo bajo el enfoque de "Big Data". GeoPandas permite el uso de los tipos de datos de Pandas para las operaciones espaciales de tipos geométricos de SIG (puntos, líneas y polígonos). La librería GeoPandas es la combinación de un set de datos geoespaciales en Python como Shapely, Fiona junto con los paquetes más conocidos y robustos como Numpy y Matplotlib.
Para usuarios normales de Sistemas de Información Geográfica (SIG), la librería GeoPandas genera un nuevo panorama en la manera de interacción con datos espaciales debido al uso de una variedad de filtros, listados, indexados y transformación de datos en menos tiempo y con menos requerimientos computacionales. Este tutorial muestra parte del procedimiento de manejo de datos espaciales con GeoPandas junto con opciones de representación para la generación de planos.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La representación de datos especiales en QGIS requiere de manejar lenguajes SQL que permitan crear, manipular y consultar dentro de una base de datos. En este tutorial se realiza la determinación espacial de la excedencia de Estándares de Calidad Ambiental (ECA) con QGIS usando condicionales para el etiquetado y simbología que permitan una correcta representación de componentes químicos que superan el ECA.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La manipulación de nuestro entorno y la falta de planificación puede aumentar el riesgo de nuestras poblaciones a fenómenos naturales en el largo tiempo. La invasión de las zonas de inundación de ríos durante décadas genera la existencia de barrios, autopistas y demás infraestructura urbana en zonas altamente vulnerables a inundaciones. Utilizando mapas históricos se puede conocer el área de inundación histórica de un río y mediante software de Sistemas de Información Geográfica como el QGIS se pueden comparar estas zonas históricas de inundación con las zonas urbanas actuales.
El tutorial muestra el procedimiento completo para la determinación de la zona histórica de inundación de un río y realiza un filtrado por ubicación para determinar las manzanas vulnerables a inundación como un archivo espacial aparte.
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 geoespaciales están presentes en la mayoría de las actividades e investigación de las personas debido a lo cual es importante optimizar el tiempo involucrado por los especialistas y mejorar la calidad de los análisis espaciales. PyQGIS es la extensión de Python en QGIS, este marco de trabajo permite el manejo de las herramientas de QGIS junto con las funciones de Python e incluso paquetes externos de Python mejorando la velocidad y la calidad de nuestro geoproceso y representación espacial.
Este tutorial muestra el procedimiento espacial para determinar las áreas no superpuestas en una región de interés con respecto a 7 capas diferentes. Este tutorial cubre los siguientes puntos como scripts en Python:
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
En este tutorial se muestra cómo utilizar el diseñador de impresión en QGIS. Se explica cómo incluir todos los elementos esenciales de un mapa: título, mapa, simbología, fuentes, barra de escala y sistema de referencia de coordenadas. Al principio del tutorial se explica cómo cambiar las propiedades de las capas de interés para el mapa de rendimiento. El producto final es un mapa de rendimiento donde se aprecia el relieve del área de estudio ya que se utilizó un mapa de sombras como base y se incluyeron carreteras y canales cerca del área de estudio.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Cuando se trabajan con datos espaciales para un proyecto o estudio algunas veces el formato de datos espaciales y su interoperabilidad son cruciales para el éxito de la investigación o la generación de mapas. Por décadas el formato espacial ESRI Shapefile fue el más usado para intercambiar y representar datos espaciales. Del desarrollo de la Internet un nuevo formato de datos espaciales se ha originado, este formato se llama GeoJSON y puede representar las características geográficas, sus propiedades y extensión espacial. Este tutorial es una introducción al formato de datos GeoJSON con un trabajo práctico en QGIS 3, además se comparan datos espaciales de punto, línea, polígono en tanto GeoJSON como ESRI Shapefile.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Las capacidades actuales de modelamiento de acuíferos con MODFLOW y Model Muse nos permiten grandes refinamientos y mayor número de capas para la representación de las cargas hidráulicas y la napa freática así como mayores capacidades para la representación de los procesos físicos relacionados al flujo de aguas subterráneas. En una escala regional podemos estar tratando con modelos de mas de 50000 elementos en régimen uniforme o transitorio, de los cuales muchas veces necesitamos representar sus datos en plataformas de Sistemas de Información Geográfica (SIG) como QGIS para un mayor análisis o la generación de gráficos para usuarios finales y actores de decisión. El uso de programación en Python nos permite acelerar el proceso de la representación de datos de salida de MODFLOW en QGIS.
Los scripts en Python pueden ser un poco largos y declarativos, pero el tiempo de procesamiento es mucho menor comparado con el uso de la interface visual. Se pretende que los modeladores guarden estos scripts y los usen cada vez quieran representar los datos de la napa freática.
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 descarga de datos de Batimetría del portal EMODnet y su representación 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.
La agricultura de precisión pretende entender la variabilidad de los factores ambientales y agrícolas del campo mediante el análisis de información geográfica. El uso de imágenes satelitales es de gran ayuda para entender dichos factores ya que, gracias a las firmas espectrales de las imágenes, nosotros podemos hacer cálculos y operaciones que nos permitan relacionar dichas firmas con factores a estudiar. Dos de los factores mayormente estudiados que tiene relación con las propiedades espectrales de las imágenes satelitales, es Índice de Vegetación de Diferencia Normalizada (NDVI) y el Índice Diferencial de Agua Normalizado (NDWI).
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
El pH es uno de los factores del suelo más importantes para el rendimiento de los cultivos y la salud de los mismos. Los mapas de pH pueden ayudar a identificar áreas más acidas, las cuales pueden requerir de atención para lograr un suelo idóneo para nuestros cultivos. De igual manera, se pueden identificar las áreas más alcalinas y, si el cultivo lo requiere, se puede acidificar esa parte del terreno. Es importante identificar precisamente estas áreas para que a la hora de la aplicación de modificantes del pH del suelo, no se agreguen más de los necesarios y así se pueda prevenir un despilfarro de químicos y se protege un poco al suelo también.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Las imágenes satelitales nos brindan información sobre la superficie en base de distintas bandas, esta información viene dada por un arreglo de pixeles que constituyen la imagen a una resolución determinada. En base de combinaciones de bandas podemos decidir si un pixel representa un tipo de suelo o un tipo de cobertura, pero como hacemos para que la imagen reconozca cosas? Esto se hace mediante el uso de un nivel mayor en el análisis espacial que son los algoritmos de inteligencia artificial que son cada vez más populares y que su uso es más amigable con el usuario.
Para este tutorial hemos utilizado Python como lenguaje para el manejo de imágenes como matrices y algoritmos de Scikit-Learn para la identificación de cultivos. El tutorial también muestra herramientas interactivas de Jupyter para la selección de cultivos y la posibilidad de eliminar puntos de referencia no válidos.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La calidad del aire se puede medir en tiempo real, se puede medir espacialmente, se puede medir de manera económica y se puede medir en distintos puntos si se usan dispositivos y tecnologías del Internet de las Cosas (IoT). Este tutorial muestra el análisis de datos recolectados de calidad del aire (PM2.5, PM10, humedad, temperatura y presión) por una Raspberry Pi 3 con una configuración en Android Thing.
El tutorial de análisis espacial esta hecho en QGIS y analiza la distribución de los parámetros de calidad del aire de manera espacial considerando el tipo de vía, condiciones de tráfico y cercanía al mar.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Los índices de vegetación se calculan a partir de las radiancias de las plantas en ciertos rangos del espectro visible e invisible. Curiosamente la vegetación tiene una mayor radiancia en el rojo y el infrarojo que en el azul. Existen varios índices de vegetación en base de diferentes fórmulas de combinación de bandas, dentro de estos índices el más conocido es el NDVI, ya que fue uno de los primeros en formularse y porque puede ser aplicado a una serie de satélites nuevos y antiguos. Este tutorial muestra el procedimiento completo para representar las bandas Rojo e Infrarojo de imágenes de Sentinel 2 con PyQGIS y posteriormente calcular el NDVI utilizando herramientas del complemento "Processing" dentro de Python.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
