La hidrogeología minera es una de las áreas más desafiantes de la hidrogeología, ya que sus evaluaciones son componentes clave para la operación minera y donde se necesitan decisiones relacionadas con las aguas subterráneas en un corto plazo. Hemos desarrollado una serie de tutoriales que introducirán a los modeladores generales de aguas subterráneas a las tareas específicas de la hidrogeología minera. Esta selección de tutoriales comienza con modelación regional y avanza hacia el análisis de influjos y transporte de contaminantes con diferentes niveles de complejidad.

La interacción de fallas con el régimen de flujo subterráneo en un tajo abierto representa un desafío en su conceptualización y simulación. Tener celdas más pequeñas alineadas con las fallas y con valores mayores de K puede representar el comportamiento general de las fallas, y esto es posible de simular con modelos Voronoi de MODFLOW 6 utilizando Flopy y el paquete mf6Voronoi.

Además de contar cultivos, también podemos delinear plantas y calcular su área foliar utilizando métodos que ajustan splines abiertos o cerrados a líneas o bordes en una imagen. Estos métodos están implementados en la biblioteca de Python Scikit-Image y se aplican para la delineación de copas de árboles sobre una imagen ráster geoespacial. El ejercicio se desarrolla en un Jupyter Notebook y cubre todos los pasos: desde la importación de la imagen, aplicación de escala de grises, exploración del filtro gaussiano, cálculo de contornos activos y exportación de polígonos como shapefile de ESRI. Finalmente, se genera un histograma para determinar la distribución del área foliar de las plantas.

El análisis espacial y el aprendizaje automático a veces requieren una gran cantidad de programación para lograr resultados decentes, como identificar plantas a partir de una ortofoto tomada con dron. Queríamos crear un flujo de trabajo sencillo para usuarios principiantes e intermedios de Python, que les permitiera trabajar con estas bibliotecas sin demasiadas complicaciones ni frustraciones. Este tutorial contiene el procedimiento completo para usar un nuevo paquete de Python llamado hatariTools, que reconoce plantas a partir de una ortofoto basándose en puntos de muestra, genera gráficos intermedios e identifica las plantas como archivos shapefile de puntos.

Este es un análisis aplicado de la dinámica de la cobertura del suelo en algunas regiones de Turquía para la evaluación de la aridificación del suelo y el abandono de tierras debido al cambio climático en la última década. El caso cubre todos los pasos en Python con las bibliotecas geoespaciales relacionadas para procesar imágenes de Sentinel 2 en un área de estudio, considerando condiciones hidrológicas y la reducción de valores atípicos.