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.

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.

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.

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.