Interesante tutorial para el análisis lineal de todos los dias. Usualmente este gráfico se realiza en hojas de cálculo pero es completamente factible de realizarlo en Python en pocas líneas de código.
El trabajo con Python brinda mejores opciones de gráficos y la posibilidad de repetir el análisis con distintos set de datos.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Gempy es una librería de código abierto de Python para generar modelos geológicos estructurales 3D completos. La librería es un desarrollo completo para crear modelos geológicos de interfases, fallas y orientaciones de capas, también relaciona la secuencia de las capas geológicas para representar intrusiones de rocas y órdenes de fallas.
El algoritmo para modelamiento geológico basado en la interpolación universal “cokriging” con el soporte de librerías matemáticas avanzadas de Python como Numpy, PyMC3 y Theano. Gempy crea un modelo grillado que puede ser visualizado en secciones 2D con Matplotlib o como geometrías 3d en VTK que permitirán la representación del modelo geológico en Paraview para divisiones, filtrado, transparencias y estilo.
Este tutorial es un ejemplo básico de una configuración geológica estratificada con 5 capas y una falla. Con finalidad de hacer que el tutorial sea accesible a la mayoría de usuarios, hemos creado un tutorial complementario acerca de Gempy en Windows con una distribución de repositorio de Anaconda.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Una de las novedades más excepcionales de MODFLOW 6 son las diferentes opciones de discretización para la generación de la grilla del modelo. Las opciones van desde grillas regulares (igual que MODFLOW 2005), grillas triangulares y grillas no estructuradas. Flopy que es una librería de Python para la construcción y simulación de MODFLOW 6 y otros modelos tiene herramientas para la generación de grillas triangulares. El flujo de trabajo en modelamiento de aguas subterráneas con MODFLOW 6 y Flopy para modelos con grillas triangulares es muy fluido y observamos mucho potencial para el modelamiento de flujo de agua subterránea en escala local y regional.
Este tutorial muestra el procedimiento completo para crear una grilla triangular con las utilidades de Flopy e incorporarlo al modelo de MODFLOW 6. El modelo es simulado y los resultados son representados como una grilla colorida e isolíneas.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Las imágenes satelitales nos han proporcionado la capacidad de ver la superficie de la tierra en los años recientes pero no hemos tenido mucho éxito en entender la dinámica del uso de suelo y su interacción con los factores económicos, sociológicos y políticos. Algunas deficiencias para este este análisis fueron encontradas en el uso de software de GIS comercial pero otras limitaciones están en la forma en que aplicamos procesos lógicos y matemáticos a un set de datos de imágenes satelitales. El manejo de datos geoespaciales en Python nos da un uso eficiente del poder computacional y provee un mayor panorama en análisis de datos.
Este tutorial muestra el procedimiento completo para crear un raster de cambio de uso de suelo proveniente de una comparación entre raster de índice de vegetacion (NDVI) con el uso de Python y las librerías GDAL y Numpy. Se generaron contornos de cambio de uso de suelo con herramientas de GDAL y Osgeo y se realizó un análisis de deforestación basado en los datos de salida y un recuento de imágenes históricas de Google Earth.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
El análiss de isotopos estables es una herramienta muy poderosa para la evaluación del origen y la dinámica del agua subterránea especialmente cuando los puntos de observación y los periodos de muestreo son limitados. La representación de isotopos se puede hacer con cualquier hoja de cálculo de software como Excel, pero el flujo de trabajo es deficiente especialmente cuando se representa los puntos, líneas de tendencia, etiquetas y leyendas.
Este tutorial muestra el procedimiento completo para representar los isotopos estables de muestras de aguas subterráneas de un sitio en remediación en Nuevo México, Estados Unidos. Los códigos son realizados con Python 3 y otros paquetes que vienen instalados por defecto con Anaconda. El código para la representación de la Línea Meteórica Global del Agua esta tambíén incluido asi como las opciones para guardar/descargar las figuras.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Este tutorial se realiza en una plataforma de programación para Python llamado Jupyter Notebook. Los archivos de entrada que son bandas raster y shapefile del área de interés (AOI) tienen que estar en un mismo sistema de referencia de coordenadas (SRC) de lo contrario la librería GDAL no localizará los datos espaciales en la posición correcta. Este tutorial muestra el procedimiento para los sets de bandas de una imagen Landsat 8, un ejemplo para una única banda que se proporciona en los scripts de los datos de entrada. Finalmente, este tutorial muestra el raster completo y cortado en un software de Sistemas Información Geográfica como QGIS.
Para los usuarios principiantes GIS con poca expedicionaria de programación, se aconseja terminar el tutorial con los datos proporcionados en la parte de datos de entrada de este tutorial. Una vez que el usuario tenga más experiencia con el software, el usuario puede modificar el código para el procesamiento personalizado de imagenes ráster.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Rasterio es una librería de Python que permite la lectura, inspección, visualización y la escritura de raster geospaciales. La librería usa rasters en formato GeoTIFF y otros formatos y es capaz de trabajar con imágenes satelitales, modelos de elevación digital, productos de imágenes, e imágenes procesadas de drone. Rasterio permite importar un raster geoespacial de una banda y multibanda y permite trabajar en un entorno interactivo como un Jupyter notebook. La librería conserva la “dualidad” del georaster, eso significa que puede manejar los parámetros de localización y resolución del raster tanto como los valores matriciales de los elementos grillados.
Este tutorial muestra el procedimiento para el cálculo del NDVI de un imagen satelital Landsat 8 utilizando Python y Rasterio. El tutorial se realiza en un entorno interactivo llamado Jupyter Notebook. Para la instalación del software requerido para este ejercicio se recomienda seguir este tutorial.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Para que descargar programas auxiliares si con Python puedes hacerlo todo? Desde lo simple hasta la complicado, hay una serie de paquetes para casi todo de tal manera que trabajes más rapido y eficientemente utilizando software libre. Hemos traído un ejemplo práctico de union de dos archivos Pdfs en distinta orientación para la generación de un Pdf final utilizando Python 3 y el paquete PyPDF2 dentro de un Jupyter Notebook.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Que pasaría si todos los procesos que realizamos en software de SIG los hicieramos en Python? Que pasaría si tratáramos a los datos espaciales como objetos y variables en un script…. enconces nos preguntaríamos si en realidad es necesario inventar de nuevo la rueda. Para qué hacer cosas de manera diferente, si lo que existe ya funciona?
La respuesta a esta interrogante es muy simple: Más control. Es tan simple y tan sencillo sobre eso.
Trabajar en Python nos da más control sobre el geoprocesamiento al dejar el entorno visual de clicks sobre iconos. Con Python en un entorno de Jupyter Notebook podemos referenciar los archivos a importar, definir los geoprocesos y sus opciones, hacer representaciones de los datos espaciales intermedios y finales, y exportar los resultados en formatos compatibles con cualquier entorno de SIG. Existen otras ventajas del análisis espacial en Python como son la reproducibilidad y la velocidad de cálculo.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Los datos reportados en informes muchas veces estan en formato digital como PDF, o peor aun como una imagen. El proceso de recuperación de datos es manual y puede ser muy lento dependiendo de la cantidad de datos que se quieran procesar. Una manera inteligente de acceder a estos datos es mediante un lenguaje de programación como Python, y paquetes especialidos de manejo de datos como Tabula-py y Pandas.
Este tutorial muestra el procedimiento completo de importación de un pdf en Python3 y la configuracion de un Dataframe de Pandas específico para luego exportarlo como archivo de MSExcel.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
El manejo de rasters en entornos de SIG como QGIS y otros softwares es un proceso manual con una serie de herramientas como álgebra de mapas, georeferenciacion, plugins y demás comandos. Sin embargo el raster es en sí un arreglo matricial de columnas y filas con propiedades espaciales que le permiten estar espacialmente georeferenciado.
Cálculos avanzados como dinámica del cambio climático, cambio de cobertura, identificación de objetos, etc, requieren de un tratamiento superior de la información espacial proveida por un raster. Durante mucho tiempo se buscaron herramientas que permitiesen el manejo de rasters en Python, pero no habían librerías capaces de manejar el caracter dual del raster, es decir, la matriz y la georeferenciacion.
Georasters es una librería de Python 3 que permite el manejo y la representación de rasters aparte de implementar variadas opciones de análisis de Scikit-Image. Este tutorial es introductorio al manejo de la librería Georasters sobre un modelo digital de elevación donde se realizan representaciones, operaciones matemáticas, recortes y cambios de resolución sobre un Jupyter Notebook. Este tutorial es la base para futuros tutoriales más avanzados de análisis y manejo de rasters.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Quieres hacer una evaluación y te das cuenta que los unicos datos disponibles estan en un PDF? Esta historia particular es muy frecuente al momento de hacer estudios y evaluaciones. Entonces cual debería ser la manera de obtener los datos espaciales de los planos del reporte? Tendríamos acaso que digitalizar todo de nuevo? Por suerte la respuesta es no, es posible extraer los datos espaciales de planos reportados en PDF con solo software libre.
El proceso de transformación de PDF requiere varios pasos con software como Inskape, QGIS3 e incluso con código de programación en Python con la librería Geopandas. Este tutorial muestra los pasos completos para este geoproceso.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
QGIS 3.0 empezó a distribuirse este año y ha salido con variedad de novedades, incluye el cambio completo de su API a Python 3, el cual tiene diferencias ligeras de sintaxis con su predecesor, así mismo el código de la API de QGIS 3.0 ha variado drásticamente, incluyendo nuevos algoritmos y variando otros complemente, sin mencionar que su interfaz es completamente diferente.
En este tutorial se observará la rasterización de un shapefile con el complemento “GDAL” la cual es una librería muy potente que incluye variedad de algoritmos en los cuales se basa la mayoría de código de los SIG.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
La nueva versión de QGIS es QGIS 3 y se ejecuta con Python 3 que introduce algunos cambios en la interacción con los servidores web con paquetes de "requests". Para aquellos que son nuevos en imágenes IMERG, estas son algo así como las nuevas imágenes TRMM con estimación de precipitación de múltiples sensores de microondas pasivas (PMW) en varios satélites de precipitación relevantes cuya data comienza en Marzo del 2014. La imágenes IMERG tienen una resolución de pixel de 0.1 grados y una escala temporal de 30 minutos. En el actual panorama de las estimaciones de precipitación basadas en satélites, el producto de datos IMERG son las imágenes de más alta resolucion temporal y espacial disponibles de los últimos 4 años.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Jupyter lab es el nuevo IDE de Jupyter, cuando este llegue a la versión 1.0 se implementará en vez de Jupyter Notebook, trae consigo muchas novedades como un panel de manejo de archivos, de edición, además que se pueden abrir variedad de formatos de archivos.
En este tutorial se presentará la instalación de Jupyter Lab en Anaconda y además, se realizará un recorrido sobre sus funciones y novedades, cabe resaltar que este IDE esta en versión BETA pero ya cuenta con variedad de funciones.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
En este tutorial se importará un GeoJSON desde nuestro computador a la base de datos MongoDB, esto se hace con el fin de poder manipular datos GeoJSON facilmente y tenerlos a la mano y en un sitio seguro como lo es una base de datos.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
El Banco Mundial tiene un Portal de Conocimiento del Cambio Climático que contiene información, datos y reportes acerca del cambio climático alrededor del mundo. El portal tiene un API de datos de clima en un marco REST que provee datos de Precipitación y Temperatura en un conjunto de datos históricos y modelados de 15 modelos globales de circulación (GCMs) y
2 escenarios de emisiones en escala espacial de país y cuenca. Hay un paquete de Python
llamado “wbpy” que facilita el acceso a este API de datos climáticos con pocas líneas de código.
Existen opciones para descargar los datos en escala de tiempo mensual, anual y por década en la
forma de un diccionario de Python. Este tutorial muestra las partes principales del API y un ejemplo de uso de datos históricos y futuros.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Tutorial básico para aprender el procedimiento de construcción, simulación y representación de un modelo hidrogeológico en MODFLOW 6. El tutorial muestra una introducción al sistema de ficheros de un modelo en condiciones de régimen uniforme. El modelo de este tutorial tiene implementado las siguientes condiciones de borde: Drenes, Recarga, y Carga Constante. La grilla del modelo es regular con un ancho de 50 metros y tiene 30 filas con 24 columnas; el modelo consta de 4 capas y un espesor total de 130 metros.
El modelo es llamado "hatari01" y esta inspirado en el modelo "twri" de la documentación de MODFLOW 2005 adaptado a MODFLOW 6. Dentro de la conceptualización hidrogeológica se especifica la conductividad hidráulica en el plano horizontal y vertical. Luego de la simulación se ejecuta un script de Python dentro de un Jupyter Notebook para crear archivos VTK de grilla no estructurada para las cargas hidráulicas, napa freática y condiciones de borde como objetos 3D en Paraview.
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:
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
La representación de resultados de modelos de aguas subterráneas es importante / crucial para entender el régimen de aguas subterráneas, estudiar su interacción con las aguas superficiales y ecosistemas dependientes y para evaluar el impacto de requerimientos antropogénicos y del cambio climático. Hasta ahora había pocas opciones de código libre capaces de generar representaciones 3D y estos softwares tenía limitadas opciones para escalas de color, secciones de corte y otras herramientas gráficas. En la búsqueda de mayores opciones encontramos Paraview, un software libre de representación de datos diseñado para analizar set de datos extremadamente grandes usando recursos computacionales de memoria distribuida.
La representación de resultados en MODFLOW a Paraview requiere utilizar una variante del formato VTK llamado VTU donde el "U" viene de "unstructured" o grilla no estructurada. Este tutorial muestra el procedimiento completo para procesar los resultados de un modelo en MODFLOW en un archivo VTU y su representación en Paraview.
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
 |
 |
 |
 |
 |
 |
