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.

Hemos realizado un tutorial bajo el concepto de "Python geoespacial aplicado". Este es un ejemplo acerca de filtro selectivo de una determinada carretera a partir de un geopaquete (*.gpkg) de carreteras. La carretera seleccionada se compone de un grupo de líneas que se fusionan en un Shapely LineString. Basado en un arreglo de Numpy con la función de interpolación Shapely se distribuyó un conjunto de puntos a lo largo del trazo de la línea fusionada y luego se interpretó como una LineString. La línea resultante se guardó como un archivo ESRI Shapefile utilizando Fiona.

Hemos realizado un tutorial con un procedimiento alternativo en Python con Pandas y Fiona de un proceso común pero de varios pasos para crear shapefiles de puntos a partir de hojas de cálculo de Excel. El proceso implica algunas líneas de código para leer el archivo de Excel, definir la estructura del shapefile de salida y escribir los datos de puntos.

Bajo el concepto de “Python espacial aplicado” hemos desarrollado un tutorial para el procesamiento espacial de múltiples bandas de una imagen Sentinel 2. El tutorial muestra el procedimiento para leer el conjunto de bandas, importar un shapefile, recortar cada banda a la extensión del shapefile y exportar la versión recortada a otra carpeta. El proceso espacial es independiente de la resolución del raster y se puede modificar fácilmente para imágenes Landsat.

El análisis espacial es una disciplina muy interesante porque permite la evaluación de todos los fenómenos relacionados con su ubicación. Sin embargo, para algunas partes del procesamiento de datos, el flujo de trabajo en una interfaz gráfica de computadora (GUI) para SIG puede ser repetitivo y llevar mucho tiempo. Los investigadores necesitan herramientas mejores y más eficientes para procesar más cantidad de datos en menos tiempo e incluso con menos cantidad de herramientas de software.

Hemos creado un script innovador para generar un archivo ráster de elevación desde un líneas de contorno con varios pasos de procesamiento de datos. El script reconoce geometrías inválidas, simplifica las polilíneas y extrae vértices mientras crea un geodataframe de puntos que se interpola y se geotransforma como un ráster geoespacial en formato .tiff.