Curso de Python para SIG (GIS)

Lección 1 • Configuración del entorno Python GIS

Instale y configure Python, entornos conda y las librerías GIS clave. Establece la base técnica de la que depende cada capítulo posterior.

Lección 2 • Colecciones y flujo de control

Enseña listas, diccionarios, bucles y condicionales para iterar sobre conjuntos de datos espaciales. Habilita directamente el procesamiento por lotes de entidades geográficas.

Lección 3 • Funciones y módulos

Define funciones reutilizables e importa módulos externos para organizar el código GIS. Prepara a los estudiantes para estructurar scripts de análisis espacial de múltiples pasos.

Lección 4 • Entrada/Salida de archivos y manejo de errores

Lee y escribe archivos de texto y CSV y maneja errores en tiempo de ejecución de forma elegante. Permite scripts robustos que procesan datos espaciales reales e imperfectos.

Lección 1 • Multigeometría y colecciones

Maneja los tipos MultiPoint, MultiLineString, MultiPolygon y GeometryCollection. Prepara a los estudiantes para conjuntos de datos reales donde las entidades tienen formas complejas de múltiples partes.

Lección 2 • Mediciones geométricas y predicados

Calcula área, longitud, distancia y relaciones espaciales entre geometrías. Conecta las matemáticas geométricas con preguntas reales de análisis SIG.

Lección 3 • Primitivas geométricas con Shapely

Crea objetos Point, LineString y Polygon y accede a sus propiedades. Introduce el modelo geométrico que subyace a todas las operaciones SIG vectoriales.

Lección 1 • Trabajo con GeoJSON y KML

Analiza y genera formatos GeoJSON y KML para intercambio en SIG web y de escritorio. Amplía la fluidez de formatos más allá de los formatos binarios.

Lección 2 • Datos ráster con rasterio

Lee bandas ráster, perfiles y transformaciones y escribe arreglos procesados al disco. Conecta las operaciones de arreglos de NumPy con datos ráster georreferenciados.

Lección 3 • Bases de datos espaciales y OGR

Se conecta a bases de datos PostGIS y SpatiaLite y lee capas a través de OGR. Habilita flujos de trabajo que obtienen datos de bases de datos espaciales empresariales.

Lección 4 • Datos vectoriales con Fiona

Abre shapefiles y archivos GeoJSON, lee entidades y escribe nuevos conjuntos de datos. Establece el patrón de lectura/escritura utilizado en todos los flujos de trabajo vectoriales.

Lección 1 • Consultas de atributos y limpieza de datos

Filtra filas, maneja valores faltantes y renombra y convierte columnas de atributos. Prepara los datos de atributos para un análisis espacial confiable.

Lección 2 • Análisis de proximidad y distancia

Calcula búferes, distancias al vecino más cercano y matrices de distancia entre conjuntos de entidades. Permite análisis de selección de sitio, área de servicio y accesibilidad.

Lección 3 • Fundamentos de GeoDataFrame

Crea GeoDataFrames desde archivos, diccionarios y bases de datos e inspecciona su estructura. Establece el contenedor de datos principal para todos los flujos de trabajo de GeoPandas.

Lección 4 • Flujos de trabajo de geoprocesamiento con GeoPandas

Encadena múltiples operaciones de GeoPandas en scripts de geoprocesamiento reproducibles de principio a fin. Demuestra diseño de flujo de trabajo profesional y documentación de resultados.

Lección 1 • Análisis del terreno a partir de DEM

Deriva pendiente, orientación y sombreado de relieve a partir de modelos digitales de elevación utilizando gradientes de arreglos. Construye productos de terreno fundamentales utilizados en análisis hidrológico y del terreno.

Lección 2 • Integración ráster-vector

Recorta rásteres a límites vectoriales y extrae valores de píxel en ubicaciones puntuales. Une los flujos de trabajo ráster y vectorial para un análisis combinado.

Lección 3 • Remuestreo y reproyección de ráster

Remuestrea rásteres a nuevas resoluciones y los reproyecta a un CRS objetivo usando rasterio. Garantiza la alineación de rásteres para análisis de múltiples fuentes.

Lección 4 • Arreglos NumPy para datos ráster

Carga bandas ráster en arreglos NumPy y aplica operaciones matemáticas elemento a elemento y enmascaramiento. Conecta la computación con arreglos con el análisis espacial de rásteres.

Lección 1 • Mapas interactivos con Folium

Construye mapas interactivos de Leaflet en Python usando Folium con ventanas emergentes y controles de capas. Permite resultados espaciales basados en web y compartibles.

Lección 2 • Visualización y estilo de ráster

Renderiza rásteres de una sola banda y multibanda con mapas de colores y opciones de estiramiento personalizados. Produce representaciones visuales claras de datos de elevación, imágenes y clasificados.

Lección 3 • Visualización interactiva con Plotly y Kepler.gl

Crea gráficos espaciales animados y en 3D con Plotly y mapas a gran escala con Kepler.gl. Extiende la visualización a contextos exploratorios y de presentación.

Lección 4 • Mapeo temático y de coropletas

Aplica esquemas de clasificación y rampas de color para crear mapas de coropletas y de símbolos proporcionales. Comunica patrones espaciales en datos de atributos de manera efectiva.

Lección 1 • Métodos de interpolación espacial

Interpola superficies continuas a partir de muestras puntuales usando IDW y kriging. Produce superficies ráster estimadas a partir de datos de medición dispersos.

Lección 2 • Análisis exploratorio de datos espaciales

Calcula autocorrelación espacial, I de Moran y estadísticas LISA usando PySAL. Identifica patrones de agrupamiento y dispersión antes de un análisis más profundo.

Lección 3 • Análisis de patrones de puntos

Analiza distribuciones de puntos usando estimación de densidad de kernel y estadísticas del vecino más cercano. Detecta agrupamiento espacial en conjuntos de datos de eventos e incidentes.

Lección 4 • Análisis de redes con OSMnx

Descarga redes de calles, calcula rutas más cortas y métricas de centralidad. Permite análisis de enrutamiento y accesibilidad en redes viales reales.

Lección 1 • Programación y monitoreo de pipelines

Programa trabajos recurrentes de datos espaciales con cron y monitorea la ejecución con registro. Entrega pipelines operativos que se ejecutan sin intervención manual.

Lección 2 • Orquestación de flujos de trabajo con Snakemake

Define pipelines reproducibles de múltiples pasos como reglas de Snakemake con seguimiento de dependencias. Garantiza que solo los pasos desactualizados se vuelvan a ejecutar cuando cambian las entradas.

Lección 3 • Procesamiento por lotes de datos espaciales

Procesa directorios completos de archivos espaciales usando bucles y multiprocesamiento. Escala flujos de trabajo de archivo único a grandes colecciones de conjuntos de datos de manera eficiente.

Lección 4 • Prueba y validación de flujos de trabajo SIG

Escribe pruebas unitarias para funciones espaciales y valida la calidad de los datos de salida automáticamente. Evita que errores silenciosos se propaguen a través de pipelines de producción.