• Webinar Procesamientos GIS Distribuidos
  • ES
  • EN
  • Avda. de Grecia 8. 41012 Sevilla, España
  • |
  • www.geographica.gs

Datascience

Geo DataScience con Carto

¿Quieres comparar las rutas aéreas alrededor del mundo?

Escrito el 11/11/2015 por Alberto Asuero

El otro día hablando por la oficina nos hicimos esta pregunta: ¿Cómo se conectan los aeropuertos más importantes del mundo? De esta pregunta salieron otras tantas: ¿Qué aeropuertos sirven de conexión al mundo?, ¿Qué número de pasajeros pasan por estos aeropuertos en un año?, ¿Con qué continentes está conectado un aeropuerto? Utilizamos Geo DataScience para resolver nuestras preguntas.

Buceando un rato encontramos datos públicos para responder a estas dudas, así que nos pusimos manos a la obra. Nos marcamos un deadline de 15 horas y empezamos a trabajar como locos. Descargamos los datos (principalmente de http://openflights.org), los procesamos usando un poco de todo (NumPy, Pandas, Shapely, Fiona y PostGIS) y finalmente los cargamos en Carto.

Esta aplicación te ayuda a comparar las rutas aéreas alrededor del mundo. Hemos elegido los 50 aeropuertos del mundo más transitados.

El resultado lo tenéis en http://flightroutes.geographica.gs

DataScience: rutas entre JFK de New York y PEK de Beijing
Rutas del Aeropuerto JFK de New York y PEK de Beijing. Año 2014.
DataScience: rutas entre GRU de São Paulo y DXB de Dubai
Rutas del Aeropuerto GRU de São Paulo y DXB de Dubai. Año 2014.
DataScience: rutas entre el JFK de New York y el PEK de Beijing
Animación de rutas entre el JFK de New York y el PEK de Beijing.

El código de la aplicación y el procesado lo tenemos en GitHub. Lo mejoraremos en los próximos días con un poco más de tiempo, las mejoras que tenemos en mente son: dar orientación a las animaciones de los vuelos y mejoras en la interfaz. Este es un buen ejemplo de las posibilidades que ofrecen las soluciones de Geo DataScience

Sin categorizar
GEO_blog_alberto
Escrito el 11/11/2015 por
 Alberto Asuero
Chief Technology Officer
COMPARTIR
Fecha: Sin categorizar | Tagged: Datascience, DataViz, FlightRoutes, Geo DataScience

Tiempo, el mejor maestro

En Geographica, estrenamos nueva web

Escrito el 29/04/2015 por Héctor García

Seguimos evolucionando, esperamos que os guste.

geographica-dia2-0275-Editar

1. Primera época 2007-2008.

¿Qué hacíamos? Visores en SVG y Flash. El escritorio estaba dominado por ArcGIS y SmallWorld. Aún nos encargaban mapas en papel.

Clientes: administraciones y empresas locales-regionales.

Logo Geographica
Nuestro primer logo

 

2. 2008- 2012. El Software Libre y el Diseño explotan dentro de Geographica. Elegimos PostGIS, QGIS, MapServer, R, GDAL. Hacemos visores en Java, en HTML5, usamos GM, OSM, OGC. Desarrollamos y subimos nuestras primeras App para iOS y Android. Terminamos nuestros primeros Cuadros de Mando Geográficos.

Clientes: administraciones, proyectos europeos, empresas privadas nacionales, organismos científicos y universitarios.

Geographica: Pórtico

3. 2012-201?. Fase de expansión. Los datos ¡por fin! empiezan a ganar la batalla. Hacemos GIS y Data Science. Usamos Hadoop, Spark, Node.js, Python, SciPy, Maply, CartoDB, Mapbox, Docker, gscope. Una nueva, apasionante y divertida era.

Geographica: Real Instituto Elcano

Clientes: empresas privadas nacionales e internacionales, instituciones internacionales y nacionales, organismos científicos y universitarios.

¿Hacia dónde vamos? A hacer más cosas, con más gente, en más países. Queremos seguir trabajando y dando trabajo desde aquí y para el mundo. Podremos si seguimos cuidando lo más importante: el Equipo, que ha sido, es y será la clave de Geographica.

Equipo Geographica

DatascienceGIS
GEO_blog_hector
Escrito el 29/04/2015 por
 Héctor García
Chief Executive Officer
COMPARTIR
Fecha: Datascience, GIS | Tagged: Datascience, geographica, gis, web

Análisis de datos con Matplotlib

Mapeando el mundo con Matplotlib

Escrito el 02/03/2015 por Cayetano Benavent

Estas últimas semanas he estado “exprimiendo” un poco más una de mis herramientas favoritas para análisis de datos: Matplotlib. Esta potente librería open source del ecosistema pythoniano, junto a otras como Numpy, Scipy, IPython, Pandas, Sympy, etc., es actualmente core package de las Scientific Computing Tools for Python, más conocidas como The Scipy Stack (http://www.scipy.org/).

A pesar de que llevo años trabajando con Matplotlib, indagar poco a poco en sus entrañas me va permitiendo conocer cada vez más su verdadero potencial.

Como geógrafo, no podía ser de otra manera que el toolkit de Matplotlib que más he usado es Basemap, con el que he pasado muchas horas ploteando resultados antes de integrarlos en un Sistema de Información Geográfica. Cabe destacar que la elevada robustez de Basemap se debe a que se sustenta sobre dos pesos pesados: PROJ4 y GEOS.

Basemap, aunque se encaja directamente encima de Matplotlib como un toolkit, es realmente una librería independiente desarrollada por Jeffrey S. Whitaker, un meteorólogo del Earth System Research Laboratory de la National Oceanic and Atmospheric Administration (NOAA).

Me gustaría recordar la importancia crucial que tiene Jeffrey S. Whitaker en el mundo del software geocientífico, ya que ha regalado a la comunidad otras valiosas “perlas” como el binding Python a la Librería C de NetCDF4 de UNIDATA o los bindings Python a las librerías más importantes de decodificación de ficheros GRIB (NOAA y ECMWF).

Un ejemplo de mis últimos escarceos con Basemap han quedado materializados en una pequeña librería que he construido sobre ella, y que he llamado daynight2geojson. El objetivo de esta pequeña aplicación es obtener la distribución espacial mundial de la noche para una fecha exacta que especifiquemos (que se asume que es UTC). Si no se especifica ninguna fecha, el programa calcula la cobertura nocturna para la fecha actual (UTC, claro está).

Una vez extraídos los datos, se procesan y almacenan en un fichero GeoJSON, que puede por supuesto ser cargado en cualquier cliente capaz de leer este formato (su simpleza hace que hoy día casi cualquier cliente geo lo consuma sin ningún problema).

Todo el procesado de las geometrías se realiza con ayuda de la librería Python para tratar con el formato GeoJSON y la librería para manipulación y análisis de objetos geométricos Shapely (que funciona sobre GEOS). El sistema de referencia de coordenadas (CRS) de la cobertura de salida es EPSG:4326.

Para el que quiera profundizar, todo el fundamento matemático sobre el que descansa el cálculo de la geometría mundial de la noche se encuentra en el módulo solar de Basemap: el cálculo de la GHA (Greenwich hour angle), la declinación solar, etc.

A continuación se muestran algunos ejemplos de cálculos realizados con la librería daynight2geojson para diferentes fechas:

  • Cálculos para el día 15 de enero de 2015 a las 12:00 horas UTC.

Acceso al GeoJSON calculado.

 

  • Cálculos para el día 15 de enero de 2015 a las 18:00 horas UTC (el mismo día a distinta hora).

Acceso al GeoJSON calculado.

Todo el código fuente está accesible en Github: https://github.com/GeographicaGS/daynight2geojson

El que tenga algo que aportar, corregir o discutir, lo puede hacer a través de la apertura de un nuevo issue o forkeándolo y lanzando un pull request.

¡Hasta la próxima!

DatascienceGISOpen sourcePython @es
GEO_blog_cayetano
Escrito el 02/03/2015 por
 Cayetano Benavent
GIS Analyst
COMPARTIR
Fecha: Datascience, GIS, Open source, Python | Tagged: Datascience, geographica

© 2023 Geographica. Todos los derechos reservados.

  • English
  • Español