Mientras investigábamos sobre algoritmos de aprendizaje automático para ortofotos de drones, descubrimos que los cultivos se pueden delinear solo con herramientas comunes de QGIS con una performance. Basados en la suma de la banda azul y roja dividida por la banda verde podemos tener un nuevo índice de vegetación donde los cultivos más sanos tienen valores de índice bajos (0-1.5) y los cultivos secos / suelo estéril tienen valores altos (más de 1.9 ).

Este tutorial muestra el procedimiento completo en QGIS para realizar la delimitación de plantas de frijol en una ortofoto de drone con una resolución de 5cm.

Hemos realizado un tutorial que cubre el proceso de simulación y visualización de salida de un modelo hidrológico a escala de cuenca en SWAT +. El tutorial importa un proyecto QSWAT + existente, revisa las principales partes geoespaciales del modelo, ejecuta SWATPlusEditor e importa los resultados del modelo a la base de datos. Finalmente, se exploran las opciones disponibles para la visualización de datos de salida en QGIS para HRU, canales y toda la cuenca.

El proceso de recuperación de información de imágenes satelitales puede llevar mucho tiempo y enfrenta desafíos como la resolución de la imagen, el reconocimiento de características y los criterios del usuario. Con el uso de herramientas de aprendizaje automático, podemos preprocesar imágenes y combinarlas con herramientas estándar de QGIS para delinear objetos de una manera mucho más eficiente.

Una buena representación espacial de las características geológicas requiere no solo datos de campo de alta calidad, sino también simbología y los recursos gráficos adecuados. Podemos definir QGIS como la herramienta que puede crear mapas geológicos asombrosos, pero aún hay que desarrollar algunos recursos para un uso masivo. Este tutorial muestra el procedimiento para representar fallas normales e inversas con simbología incluida en los archivos de datos de entrada.