2024年12月7日 –, Main Stream
語言: Español
Los datos satelitales son un instrumento fundamental para el análisis de fenómenos climáticos como incendios forestales, sequías e inundaciones. Hoy en día, agencias espaciales como la NASA ponen a disposición sus datos de manera abierta. Esto permite que cualquier persona pueda trabajar con esos datos y analizar su región de interés.
En esta charla presentaremos, de manera breve, un flujo de trabajo reproducible donde, partiendo de una región de interés y utilizando datos abiertos de la plataforma Earth Data Cloud de la NASA, junto con el potencial de Jupyter Notebook y Python, obtendremos un mapa de la extensión del área afectada. Esta presentación forma parte de un taller (hands-on) gratuito de 3 horas que las organizaciones 2i2c y MetaDocencia se encuentran desarrollando en el contexto de materiales educacionales abiertos.
La gestión de fenómenos climáticos, como incendios forestales, sequías e inundaciones, representan un desafío a nivel mundial. Estos fenómenos naturales están intrínsecamente vinculados a las distribuciones dinámicas de aguas superficiales, las precipitaciones, la vegetación y el uso de la tierra. Estas distribuciones se pueden modelar para pronósticos y análisis utilizando cientos de petabytes de datos satelitales disponibles a través de la plataforma Earth Data Cloud de la NASA.
En esta charla expondremos el flujo de trabajo realizado para analizar la extensión de un incendio producido en el año 2023. Para ello veremos como extraer la información del Earth Data Cloud (específicamente, se trabajará con productos OPERA Disturbance) y, a partir de esa información, como crear un mapa que indique el área afectada.
Los fenómenos climáticos son comunes en todo el mundo, pero al mismo tiempo son difíciles de analizar y evaluar de manera regionalmente apropiada y adecuada para personas que no son expertas en el campo de teledetección. El objetivo de esta charla es presentar un flujo de trabajo basado en Jupyer/Python, en la nube y utilizando los datos de teledetección que sirva como motivación para ser aplicados a otras regiones o contextos por personas no expertas. El ejemplo que mostraremos muestra cómo desarrollar un análisis basado en datos satelitales utilizando herramientas y datos relevantes y cómo se puede hacer desde la perspectiva de ciencia abierta. Para ello, utilizaremos bibliotecas científicas de Python (por ejemplo, Rasterio, Xarray, etc.) centrándonos en el procesamiento y la visualización de datos de forma reproducible y transparente.
Esta presentación está basada en un tutorial, desarrollado conjuntamente por MetaDocencia y 2i2c, que es parte de las iniciativas de Ciencia Abierta y Transformación a Ciencia Abierta (TOPS) de la NASA. Un objetivo importante es reforzar los principios de reproducibilidad y flujos de trabajo abiertos basados en la ciencia.
Mariela Rajngewerc es investigadora postdoctoral del Consejo Nacional de Investigaciones Científicas y Técnicas de Argentina (CONICET) y de FAMAF (Universidad Nacional de Córdoba). Sus intereses de investigación se centran en el análisis del sesgo en modelos de aprendizaje automático, con un enfoque específico en métricas de equidad para evaluar el sesgo en modelos de anonimización de registros médicos electrónicos.
Durante su doctorado en la Universidad Nacional de San Martín, Mariela trabajó en el desarrollo de mapas de cobertura terrestre de humedales utilizando datos de imágenes de radar de apertura sintética y modelos de aprendizaje automático.
Además, tiene experiencia como asistente docente y forma parte de MetaDocencia, una organización que trabaja para que la producción, la comunicación y la aplicación de saberes científicos y técnicos sean globalmente equitativas, desde 2020.