La reproyección de rásters es una tarea común en el trabajo con GIS, sin embargo, hacerlo solo con comandos de Python presenta algunos desafíos. Hemos realizado un ejemplo aplicado de reproyección para rásteres únicos y múltiples desde WGS 84 UTM a WGS 84 geográficas. Los códigos funcionan en rásteres monobanda y multibanda y pueden reproyectar desde y hasta cualquier proyección especificando su código EPSG.

Hemos creado un tutorial que muestra el proceso de instalación de las bibliotecas geoespaciales de Python en Windows mediante el uso de un Conda environment. El proceso es simple en sus pasos, sin embargo, la secuencia y los factores relacionados con la compatibilidad del paquete son importantes en la instalación.

Durante los últimos meses hemos investigado las diferentes herramientas en Python y QGIS disponibles para reconocer cultivos e identificar vegetación como archivos vectoriales geoespaciales. Hemos utilizado una variedad de técnicas que van desde algoritmos de aprendizaje automático con Scikit Learn y Scikit Image hasta combinaciones innovadoras de bandas y reclasificaciones en QGIS. Este artículo muestra el resumen de los tutoriales producidos hasta ahora que estamos seguros serán de gran ayuda para los profesionales de SIG y geocientíficos.

El análisis espacial y el aprendizaje automático a veces requieren una codificación masiva para lograr resultados decentes, como identificar plantas a partir de una ortofoto de drones. Queríamos crear un flujo de trabajo simple para que los usuarios principiantes e intermedios de Python trabajaran con estas bibliotecas sin mucho dolor o frustración. Este tutorial tiene el procedimiento completo para usar una clase de Python que reconoce plantas de una ortofoto basada en puntos de muestra, crea rasters intermedios e identifica plantas como shapefiles de puntos.

Hemos desarrollado una alternativa a un procedimiento común en SIG que consiste en crear contornos a partir de un shapefile de puntos, pero solo con comandos de Python. Mediante el uso de Python y la biblioteca GDAL podemos almacenar este proceso en una función y realizar contornos desde varios conjuntos de puntos o diferentes consultas de puntos.

Las imágenes de drones nos muestran características en la superficie con alta precisión y las herramientas de inteligencia artificial nos permiten comprender y obtener información de esas imágenes. Presentamos un tutorial en Python junto con Scikit Learn y bibliotecas geoespaciales que delimita las filas de cultivos en un campo de maíz y proporciona resultados como un archivo espacial vectorial.

En nuestra búsqueda de nuevas herramientas geoespaciales en Python y mejores formas de manejar datos geoespaciales, encontramos que procesos complejos o multifuncionales ya están incluidos en bibliotecas espaciales como Geopandas. Hemos desarrollado un ejemplo aplicado para cargar ESRI Shapefiles de punto / línea / polígono a una base de datos Postgres / Postgis con Python, Geopandas y SQL Alchemy en unas pocas líneas de código. Además, hemos simplificado el procedimiento para ejecutar una base de datos de Postgres dentro de la imagen de Docker Hakuchik completamente conectada a QGIS.

En nuestra perspectiva, la visualización 3D de datos geoespaciales ha sido una característica deseada desde hace mucho tiempo en SIG y que se ha cubierto en algunas características de SAGA GIS o en algunos complementos de QGIS. Esta vez desarrollamos un script en Python que convierte punto / línea / polígono de shapefiles ESRI (o cualquier archivo vectorial) al formato Vtk de grilla no estructurada (Vtu) mediante el uso de las bibliotecas de Python: Geopandas y Pyvista. El tutorial tiene archivos, scripts y videos que muestran todo el procedimiento con algunos comentarios sobre el software y los archivos espaciales y una discusión sobre la naturaleza de los archivos espaciales que presenta algunos desafíos en la conversión de datos.

Ya sea que desee explorar o visualizar un Shapefile sin salir del entorno de Jupyterlab o simplemente desee una mejor herramienta para la representación espacial, este tutorial puede ser de su interés. Hemos desarrollado una aplicación interactiva en Jupyterlab con Ipyleaflet y Voila que representan un shapefile seleccionado en un lienzo con opciones para mapas base, zoom y otros.

Si tu dron no escribe la posición GPS en los metadatos de la imagen, este es un tutorial que puede ser de tu interés. Cuando tengas las imágenes sin ninguna referencia de ubicación en los metadatos y las ubicaciones de las imágenes estén en un archivo de texto, puede usar el código que se describe a continuación para generar imágenes de drones geolocalizados compatibles con OpenDroneMap. El tutorial muestra todos los pasos involucrados además de tener algunos datos de muestra para practicar.