The Open Geospatial Python Series

Introducción a la Programación GIS con Python ofrece una introducción completa y práctica al mundo del análisis geoespacial utilizando Python. Diseñado para aprendices de todos los niveles, este libro descompone la complejidad de los Sistemas de Información Geográfica (GIS) en pasos claros y aplicables, lo que lo hace ideal para estudiantes, investigadores, profesionales y autodidactas interesados en dominar la programación de datos espaciales.

Los datos geoespaciales se han convertido en un componente clave en numerosos campos, incluidos la ciencia ambiental, la planificación urbana, la salud pública y el análisis empresarial. A medida que el volumen y la sofisticación de estos datos aumentan, la necesidad de herramientas accesibles para analizarlos, procesarlos y visualizarlos nunca ha sido mayor. Python, con su rico ecosistema de bibliotecas, es el lenguaje de programación preferido para trabajar con datos geoespaciales; sin embargo, navegar por la gran variedad de bibliotecas y conceptos puede resultar abrumador. Este libro proporciona la estructura y claridad necesarias para pasar de principiante en Python a programador geoespacial con confianza.

Lo que distingue a este libro es su enfoque paso a paso basado en ejemplos. Comenzando con habilidades fundamentales de programación en Python, irás construyendo tu conocimiento de forma gradual, hasta llegar a técnicas avanzadas de análisis geoespacial. El contenido está diseñado para ser interactivo, con conjuntos de datos del mundo real y ejercicios prácticos que te permiten aplicar tus habilidades de inmediato. Trabajarás en una variedad de proyectos, desde la manipulación básica de datos espaciales hasta la creación de paneles interactivos y aplicaciones geoespaciales en la nube.

Ya sea que estés buscando automatizar flujos de trabajo GIS, desarrollar aplicaciones web geoespaciales o profundizar tus habilidades en ciencia de datos espaciales, Introducción a la Programación GIS con Python te guiará a lo largo de todo el proceso con claridad y seguridad.

¿A quién va dirigido este libro?

• Estudiantes e Investigadores: En campos como geografía, ciencia ambiental, planificación urbana y ciencia de datos, que necesitan analizar datos espaciales como parte de sus estudios o investigaciones.
• Profesionales GIS: Que desean ampliar su conjunto de herramientas más allá del software GIS de escritorio tradicional y automatizar flujos de trabajo complejos.
• Científicos y Analistas de Datos: Que trabajan con datos basados en ubicación y desean incorporar el análisis geoespacial a sus habilidades.
• Desarrolladores de Software: Interesados en construir aplicaciones que trabajen con datos geoespaciales.
• Autodidactas y Personas en Transición Profesional: Principiantes motivados que buscan ingresar al campo en crecimiento de la ciencia de datos geoespaciales.
• Profesionales del Gobierno y la Industria: Que necesitan incorporar análisis espacial en su trabajo diario, desde la planificación urbana hasta la salud pública.

Qué aprenderás:

• Configuración del Entorno de Desarrollo: Herramientas como Miniconda, VS Code, Git y Google Colab para programación geoespacial.
• Programación Básica en Python: Incluyendo tipos de datos, flujo de control, funciones, clases, manejo de archivos y bibliotecas como NumPy y Pandas para manipulación de datos.
• Programación Geoespacial: Instrucción práctica con bibliotecas como GeoPandas, Rasterio, Leafmap y Geemap para trabajar con datos vectoriales y ráster, realizar análisis geoespaciales y crear visualizaciones interactivas.
• Temas Avanzados: Computación en la nube con Google Earth Engine, análisis de datos hiperespectrales, análisis geoespacial de alto rendimiento y computación distribuida con Apache Sedona.

Características clave:

• Explicaciones claras y fáciles de seguir con ejemplos de código comentados.
• Conjuntos de datos reales y auténticos para garantizar un aprendizaje práctico.
• Ejercicios prácticos para reforzar los conceptos de cada capítulo.
• Guías sobre errores comunes y cómo solucionarlos.
• Cobertura en profundidad de temas básicos y avanzados en programación geoespacial.
• Tutoriales en video complementarios y un repositorio en GitHub con recursos y materiales adicionales.

Al final de este libro, tendrás las habilidades necesarias para enfrentar desafíos reales de programación geoespacial. Ya sea que busques construir aplicaciones sofisticadas con datos espaciales, automatizar flujos de trabajo geoespaciales o simplemente mejorar tus capacidades analíticas, este libro te brindará la confianza para triunfar en el campo de la programación GIS con Python.

Sobre el Autor:

El Dr. Qiusheng Wu es Profesor Asociado en la Universidad de Tennessee y Amazon Scholar. Su investigación se centra en la ciencia de datos geoespaciales, con énfasis en el uso de herramientas de código abierto en Python y computación en la nube para estudiar el cambio ambiental. Es creador de varios paquetes de Python ampliamente utilizados, incluidos geemap, leafmap y geoai, y está comprometido con el avance del análisis y la visualización geoespacial. El trabajo del Dr. Wu es un pilar en la comunidad geoespacial de código abierto, y en este libro comparte su amplia experiencia para guiarte en el proceso de aprender y dominar la programación geoespacial con Python.

Domina la gestión moderna de datos espaciales con DuckDB, la base de datos analítica rápida y eficiente que está transformando la forma en que los profesionales de SIG trabajan con datos geoespaciales. Esta guía integral te lleva desde los conceptos fundamentales de SQL hasta la analítica geoespacial avanzada, con ejemplos prácticos basados en conjuntos de datos del mundo real, incluidos el Inventario Nacional de Humedales de Estados Unidos, las huellas globales de edificios de Overture y los datos de taxis de la ciudad de Nueva York.

Descubre cómo la extensión espacial de DuckDB y su integración con GDAL te permiten procesar conjuntos de datos geoespaciales masivos con una velocidad y eficiencia sin precedentes. A lo largo de 14 capítulos prácticos, llenos de ejemplos de código funcionales y tutoriales paso a paso, aprenderás a trabajar con Shapefiles, GeoJSON, GeoParquet y formatos nativos de la nube como PMTiles, mientras construyes mapas y paneles interactivos que dan vida a tus datos.

Para quién es este libro

Este libro está dirigido a analistas SIG, científicos de datos y desarrolladores espaciales que desean aprovechar DuckDB en sus flujos de trabajo geoespaciales. Ya sea que estés migrando desde herramientas SIG tradicionales, buscando manejar conjuntos de datos más grandes de forma más eficiente o integrando el análisis espacial en canalizaciones modernas de datos, este libro ofrece la guía práctica que necesitas. Es útil contar con un conocimiento básico de conceptos espaciales, pero no se requiere experiencia previa en DuckDB ni en SQL.

Lo que aprenderás

• Instalar y configurar DuckDB con la extensión espacial
• Escribir y optimizar consultas SQL para operaciones con datos espaciales
• Integrar DuckDB con Python, Pandas y Polars
• Importar y exportar formatos geoespaciales: Shapefile, GeoJSON, GeoParquet y PMTiles
• Realizar operaciones geométricas, proyecciones y mediciones
• Ejecutar uniones espaciales, consultas punto en polígono y de vecino más cercano
• Visualizar datos de forma interactiva usando Leafmap y Jupyter Notebooks
• Visualizar conjuntos de datos nativos de la nube a gran escala usando PMTiles y teselas vectoriales
• Trabajar con estudios de caso sobre humedales, edificios y datos de movilidad
• Construir paneles dinámicos con Solara
• Optimizar el rendimiento para el procesamiento geoespacial a gran escala
• Aprovechar GDAL para compatibilidad avanzada de formatos y conversiones

Características clave

• Enfoque práctico, basado en ejemplos con código completamente funcional
• Ejercicios al final de cada capítulo para reforzar el aprendizaje
• Conjuntos de datos y estudios de caso del mundo real a lo largo del libro
• Integración fluida con el ecosistema de Python (Leafmap, Pandas, GeoPandas)
• Cobertura completa de las funcionalidades espaciales de DuckDB 1.4.x
• Flujos de trabajo claros y paso a paso listos para producción
• Consejos expertos de resolución de problemas y optimización del rendimiento

Al finalizar este libro, podrás usar DuckDB con confianza en tus flujos de trabajo de gestión y análisis de datos espaciales, procesar conjuntos de datos de cualquier tamaño, realizar análisis espaciales complejos con facilidad y crear aplicaciones interactivas de alto rendimiento que revelan información geoespacial profunda.

Aprende a aplicar aprendizaje profundo e inteligencia artificial a imágenes satelitales, fotografías aéreas y datos geoespaciales utilizando Python. Esta guía práctica y aplicada te lleva desde la descarga de datos de teledetección hasta el entrenamiento y evaluación de modelos de aprendizaje profundo, todo utilizando herramientas de código abierto.

Lo que aprenderás

• Configurar un entorno completo de GeoAI con Python, PyTorch y aceleración por GPU.
• Descargar imágenes satelitales desde Microsoft Planetary Computer y portales de datos abiertos.
• Crear mapas interactivos y preparar conjuntos de datos de entrenamiento a partir de grandes imágenes satelitales.
• Entrenar y evaluar modelos para siete tareas principales de IA geoespacial: reconocimiento de imágenes, detección de objetos, segmentación semántica, segmentación de instancias, traducción de imágenes, detección de cambios y regresión a nivel de píxel.
• Aplicar modelos fundacionales, incluyendo el Segment Anything Model (SAM), modelos de visión-lenguaje y embeddings satelitales, a problemas reales de observación de la Tierra.
• Ejecutar flujos de trabajo de IA en QGIS sin escribir código mediante plugins para segmentación de árboles, detección de agua y más.

Estructura y formato

• 23 capítulos con ejemplos de código ejecutable organizados en cinco partes: Fundamentos, Adquisición y Preparación de Datos, Tareas Principales de IA, Modelos Fundacionales y Plugins de QGIS.
• Todos los ejemplos utilizan imágenes satelitales reales con PyTorch, torchgeo, segment-geospatial, leafmap y geoai.
• Todo el código y los conjuntos de datos están disponibles gratuitamente en GitHub y Source Cooperative para garantizar la reproducibilidad completa.

Público objetivo

Profesionales de SIG, científicos de teledetección, científicos de datos y estudiantes que desean aplicar IA a datos geoespaciales utilizando Python y herramientas de código abierto.