Big Data e Ingeniería de Datos · BIG-180

Datos geoespaciales a escala

Proyecciones, teselas y análisis territorial sobre volúmenes grandes con PostGIS y Python.

Próximamente Avanzado 7 módulos · 31 clases

Formato asíncrono Ingeniería / Industria, Administración pública PostGIS, Python, JupyterLab

DATOS JUPYTER

Lo que aprenderás

Elegir el sistema de referencia adecuado y transformar entre EPSG:4326, EPSG:25829 y EPSG:3857 sin deformar medidas.
Consultar geometrías en PostGIS con índices GiST, uniones espaciales y agregación por unidad territorial.
Procesar datos vectoriales y ráster en Python con GeoPandas, Shapely y Rasterio.
Simplificar y generalizar geometrías por nivel de zoom manteniendo la topología.
Servir teselas vectoriales generadas con ST_AsMVT para visualizar millones de elementos en el navegador.
Publicar información territorial conforme a las convenciones de datos abiertos de la administración.

Contenido del curso

7 módulos · 31 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Fundamentos que evitan errores 4 clases

Sistemas de referencia y códigos EPSG
Coordenadas geográficas frente a proyectadas
Formatos: GeoPackage, Shapefile, GeoJSON y Parquet geoespacial
Entorno de prácticas con PostGIS y JupyterLab

Módulo 2 · Carga y modelo 5 clases

Ingesta con ogr2ogr y desde Python
Validar y reparar geometrías
Índices espaciales GiST y su verificación
Modelo de datos para capas territoriales
Metadatos y control de versiones de las capas

Módulo 3 · Consultas espaciales 5 clases

Relaciones: intersección, contención y proximidad
Uniones espaciales y agregación por zona
Distancias, áreas y perímetros con la proyección correcta
Vecino más próximo con operadores de distancia
Consultas mixtas con atributos y geometría

Módulo 4 · Python geoespacial 4 clases

GeoPandas: lectura, reproyección y unión espacial
Shapely para operaciones geométricas
Rasterio: recorte, remuestreo y estadísticas zonales
Interoperar entre Python y PostGIS

Módulo 5 · Escala 5 clases

Particionado y agrupación espacial
Simplificación por nivel de zoom
Rejillas y agregación de puntos densos
Precálculo de capas derivadas
Medir y optimizar consultas lentas

Módulo 6 · Visualización y publicación 4 clases

Teselas vectoriales con ST_AsMVT
Servir teselas y consumirlas en el navegador
Estilos por nivel de zoom
Publicación como datos abiertos y licencias

Módulo 7 · Caso territorial completo 4 clases

Pregunta de análisis y capas necesarias
Preparación y control de calidad de los datos
Análisis y resultados por unidad administrativa
Visor final y documentación del proceso

Requisitos

Python con Pandas y manejo de bases de datos con SQL.
Nociones básicas de cartografía: coordenadas, escalas y capas.
Basta con un navegador para las prácticas en JupyterLab y con acceso a una instancia PostGIS.

Descripción

El análisis territorial se atasca casi siempre en los mismos puntos: capas en sistemas de referencia distintos que se cruzan mal, superficies calculadas sobre coordenadas geográficas que dan valores sin sentido y visores que se bloquean al cargar un millón de geometrías. Son problemas conocidos y con solución establecida.

El curso trabaja sobre un conjunto territorial real. Se ordena la proyección y la carga con PostGIS, se resuelven consultas de proximidad, pertenencia y agregación por unidad administrativa comprobando el uso de índices, se procesan vectorial y ráster en Python con GeoPandas y Rasterio, y se cierra sirviendo teselas vectoriales con ST_AsMVT para una visualización fluida.

El resultado permite montar y explotar un almacén geoespacial que aguanta volumen y responde en tiempos razonables. Para una administración es directamente aplicable a la publicación de información territorial y de datos abiertos; en ingeniería sirve para análisis de red, de infraestructura y de cobertura.

¿Para quién es este curso?

Personal de ingeniería que analiza infraestructuras, redes o cobertura con componente geográfica.
Técnicos de administraciones públicas responsables de información territorial y de su publicación.
Analistas de datos que incorporan la dimensión espacial a estudios que ya realizan.