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.
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.
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.
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.
MODFLOW es un software que calcula las cargas hidráulicas del flujo de agua subterránea en un medio fracturado / poroso en base de una serie de condiciones de borde como recarga, evapotranspiración, drenaje, pozos, entre otros. Existen una serie de software comerciales y libres para la construcción de modelos en MODFLOW y para la representación de resultados de MODFLOW. A pesar de las capacidades de estos softwares, existe una brecha en el procesamiento de datos y la representación especialmente si hablamos de vistas isómetricas, animaciones y secciones de corte particulares que todavía siguen siendo difíciles de conseguir en modelos multicapa en condiciones transientes de múltiples periodos de requerimiento.
Existe un software libre que es de nuestro particular interés, este software se llama Paraview (paraview.org). Esta aplicación visual fue diseñada para analizar set de datos extremadamente largos usando recursos computacionales de memoria distribuida, es más, el término para del nombre Paraview viene de la paralelización de los núcleos de la computadora.
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.
En este tutorial se muestra cómo realizar un árbol de clasificación en R utilizando 3 rásters. Uno de los rásters incluye dos clases: alto y bajo rendimiento en un área agrícola. Las variables del cultivo a estudiar son el Índice de Vegetación Diferencial Normalizado (NDVI) y el contenido de agua en los cultivos. Los 3 rásters son procesados en R para identificar las reglas que el árbol de clasificación indique. En éste caso, el árbol de clasificación identificó que las áreas con un NDVI mayor a 0.65 corresponden con las áreas de mayor rendimiento y las de menor rendimiento corresponden con las que son menores a este valor.
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.
En este tutorial se explica las operaciones para realizar un modelo cartográfico en QGIS utilizando la herramienta de modelador de procesado., que permite obtener una estructura del modelo mediante flujos de trabajo.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La evaluación de procesos de precipitación, escorrentía, enrutamiento, así como la infiltración requieren de datos de precipitación, caudal, temperatura y radiación a escala diaria. Los datos requeridos por los modelos hidrológicos deben ser confiables y estar completos en el periodo de estudio. Muchas veces los datos de estaciones de precipitación, aforo, entre otros se presentan incompletos en varias partes siendo posible su completación mediante métodos numéricos, regresiones o algoritmos de inteligencia artificial.
Keras es una plataforma de alto nivel para redes neurales escrita en Python. Esta plataforma esta enfocada en permitir una experimientación rápida de los datos de entrada. Keras soporta redes convulsionales y recurrentes y combinaciones de ellas, además está diseñada para correr tanto en PCs como en computadoras avanzadas de multiprocesadores.
La ventaja de utilizar inteligencia artificial en scripts y librerías como Python - Keras es la practicidad en el manejo de los datos, las opciones de configuración de las redes neurales dependiendo de los datos de entrada y la capacidad de procesamiento y representación de grandes series de datos.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Los Modelos Digitales de Elevación son de suma importancia para identificar las propiedades del terreno. El análisis de las propiedades del terreno puede ser benéfico para la agricultura porque diversas propiedades del suelo y del cultivo dependen de ellas; por ejemplo: la cantidad de agua en el suelo, el potencial de erosión, los caminos preferentes del agua y la cantidad de radiación que recibe el terreno. El entendimiento de dichas propiedades conlleva a una mejor toma de decisiones, ya que las modificaciones que se hagan al área agrícola pueden tener como base una correcta percepción del movimiento de fertilizantes, agua y la mejor forma de introducir maquinaria al terreno.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Este tutorial explica brevemente el concepto de agricultura de precisión y presenta algunos ejemplos de análisis que se pueden hacer en QGIS. Entre los ejemplo están un mapa de pH de una región agrícola, un mapa de elevaciones, pendiente y hillshade para el área de cultivo, un mapa de rendimiento y mapas de índices de vegetación y agua.
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.
Para el tratamiento de agua potable y servida, el ingreso de agua en centrales hidroeléctricas o para procesos industriales se requiere retirar las partículas en suspensión mediante sedimentadores. Estas estructuras hidráulicas tienen un ingreso de agua a muy baja velocidad y una geometría que permite la decantación o precipitación de los sedimentos en el trayecto del sedimentador.
OpenFOAM es un software libre para el modelamiento de Dinámica de Fluidos Computacional (CFD en sus siglas en inglés) con una serie de solucionadores para distintas condiciones de flujo; en este caso hemos utilizado el solucionador driftFluxFoam para representar la precipitación de sedimentos en un sedimentador en un lapso de 6400 segundos. El tutorial contiene 5 videos con todos los pasos para la construcción del modelo y su simulación.
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.
Flopy es la librería creada por el Servicio Geológico de los Estados Unidos (USGS) para la creación, configuración y representación de resultados de modelos en MODFLOW. Flopy es una herramienta avanzada que tiene soporte incluso para la creación de grillas no estructuradas en MODFLOW 6. Con el uso conjunto de Python y MODFLOW mediante Flopy se extienden las posibilidades de modelamiento y de gestión de aguas subterráneas al permitir la configuración de nuevos esquemas de optimización y la aplicación de algoritmos de inteligencia artificial.
Este tutorial muestra el proceso completo de construcción de un modelo numérico en condiciones transientes con Flopy. El modelo tiene un pozo con caudal variable y un flujo regional determinado por la gradiente en las cargas hidráulicas. El código en Python ha sido realizado de manera interactiva en Jupyter Notebook.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
MODFLOW 6 es la última versión de MODFLOW lanzado en Septiembre del 2017 por el Servicio Geológico de los Estados Unidos (USGS). Esta nueva versión de MODFLOW introduce una serie de características, herramientas y demás complementos entre los cuales esta la posibilidad de crear Grillas No Estructuradas que permite la representación de complejas configuraciones geológicas. El siguiente video hace una recopilación de las principales características de MODFLOW 6 y lo compara con versiones anteriores de MODFLOW, así como un recuento de las herramientas disponibles para la configuración de modelos.
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.