3.1 Formato de datos espaciales - Ráster

Uso de datos ráster en la ciencia

de los datos de la Tierra

🛰️ Los datos ráster son esenciales en los Sistemas de Información Geográfica (SIG) y el análisis geoespacial.

🔍 Permiten modelar, analizar y visualizar información geográfica en diversas disciplinas:

• 🌦️ Meteorología

• 🌳 Medio ambiente

• 🏙️ Planificación urbana

🧩 ¿Qué son los datos ráster?

🗺️ Son datos espaciales organizados en una cuadrícula de celdas o píxeles, donde cada celda representa un área específica de la superficie terrestre.

📷 Usamos datos ráster en imágenes digitales, como en Google Earth, pero en SIG estos están espacialmente referenciados.

📏 Cada píxel refleja una parte del terreno según la resolución espacial, lo que permite analizar fenómenos geográficos con precisión.

🧩 ¿Qué son los datos ráster?

🖼️ Los datos ráster son como imágenes digitales donde cada píxel representa una región del terreno.

📏 La resolución espacial indica el tamaño real de cada píxel. Por ejemplo:

• 🔲 1 m de resolución = cada píxel representa un área de 1 m².

• 🔳 8 m de resolución = cada píxel cubre un área de 64 m².

⚠️ Alta resolución = menor tamaño de píxel, lo que permite mayor detalle.

📊 La figura muestra cómo cambia la visualización del mismo lugar a diferentes resoluciones.

💾 Formatos de Archivos Ráster

📂 Los datos ráster se almacenan en diferentes formatos, dependiendo del uso y tipo de análisis.

🔧 En Python, la biblioteca más común para trabajar con ráster es rasterio.

📁 Formatos más utilizados:

• 🗺️ GeoTIFF (.tif): estándar SIG, permite metadatos geoespaciales.

• 📊 ASCII Grid (.asc): texto tabular con valores por celda.

• 🌦️ NetCDF (.nc): ideal para datos climáticos y modelos atmosféricos.

• 🛰️ HDF (.hdf): usado en imágenes satelitales multicapas.

💾 Fuentes gratuitas de datos ráster

3.2 Cambio de SRC

🧭 Cambio de SRC en Archivos Ráster

• 📌 El Sistema de Referencia de Coordenadas (SRC) define cómo se proyectan los datos geoespaciales en el espacio.

  ⚠️ Al usar archivos ráster de diferentes fuentes, es común que tengan distintos SRC, lo que puede provocar problemas de alineación.

  🔄 ¿Por qué cambiar el SRC?

• 🗂️ Para combinar capas con diferentes proyecciones.

• 🎯 Para mejorar la precisión espacial en modelos geográficos.

• 🌐 Para cumplir normativas y estándares internacionales.

🧪 Verificación del SRC en Archivos Ráster

🔍 Antes de trabajar con un archivo ráster, es esencial conocer su Sistema de Referencia de Coordenadas (SRC) para asegurar la correcta alineación espacial.

🧑‍💻 Con rasterio en Python, se puede verificar fácilmente el SRC:

✅ Verificar el SRC evita errores al superponer capas con diferentes proyecciones.

🔄 Reproyección de Archivos Ráster con Python

📌 Para cambiar el Sistema de Referencia de Coordenadas (SRC) de un archivo ráster, se utiliza reproject() de la librería rasterio.warp.

🧑‍💻 Pasos principales:

1. ✅ Definir el nuevo SRC (ej.: EPSG:4326)

2. 📂 Abrir el ráster original y calcular el nuevo transform

3. 💾 Reproyectar y guardar la imagen con el nuevo SRC

3.3 Procesamiento de datos vectoriales – Parte 1

📊 Cálculos con Archivos Ráster

📊 Cálculos con Archivos Ráster

🧠 Los cálculos con datos ráster permiten extraer información valiosa para análisis ambientales y espaciales.

📌 ¿Para qué sirven?

• 🏔️ Análisis del terreno: pendientes, altitudes mínimas y máximas desde DEM.

• 🌱 Índices espectrales: NDVI para monitoreo de vegetación.

• 🛰️ Procesamiento de imágenes: operaciones entre bandas satelitales.