Bibliotecas de python para trabajar con datos ráster
Marco Hernandez
BIBLIOTECAS DE PYTHON PARA TRABAJAR CON DATOS RÁSTER
Estas bibliotecas esenciales te ayudarán a optimizar tus flujos de trabajo, procesar imágenes y realizar análisis avanzados:
OpenSource
GDAL
El estándar de la industria para leer y escribir una amplia gama de formatos de datosgeoespaciales, incluidos los ráster.
- Documentacion: https://gdal.org/en/stable/
- Github: https://github.com/OSGeo/GDAL
geemap
Se integra con Google Earth Engine, facilitando la visualización y análisis de datos satelitales en cuadernos Jupyter.
- Documentacion: https://geemap.org/
- Github: https://github.com/gee-community/geemap
- Libro: https://locatepress.com/book/gee
rioxarray
Facilita el trabajo con matrices etiquetadas de datosráster al extender xarray con soporte geoespacial.
Rasterio
Diseñado para leer y escribir datos ráster geoespaciales, con fácil integración en flujos de trabajo de Python.
- Documentacion: https://rasterio.readthedocs.io/en/stable/
- Github: https://github.com/rasterio/rasterio
satpy
Enfocada en el procesamiento de datos satelitales meteorológicos, especialmente de plataformas como GOES, METEOSAT y JPSS.
- Documentacion: https://satpy.readthedocs.io/en/stable/
- Github: https://github.com/pytroll/satpy
sarpy
Biblioteca específicamente diseñada para el procesamiento de datos de radar de apertura sintética (hashtag#SAR), ampliamente utilizada enteledetección.
- Documentacion: https://sarpy.readthedocs.io/en/latest/
- Github: https://github.com/ngageoint/sarpy
RasterFrames
Lleva el poder de Apache Spark al procesamiento de datos ráster, permitiendo análisis geoespaciales escalables.
- Documentacion: https://rasterframes.io/
EarthPy
EarthPy es un paquete de Python que facilita la creación de gráficos y el trabajo con datos espaciales utilizando herramientas de código abierto
SentinelHub-Py
El paquete Python de Sentinelhub es la interfaz oficial de Python para los servicios de Sentinel Hub . Admite la mayoría de los servicios descritos en la documentación de Sentinel Hub y cualquier tipo de recopilación de datos satelitales , incluyendo Sentinel, Landsat, MODIS, DEM y recopilaciones personalizadas creadas por los usuarios.
HyperCoast
HyperCoast es un paquete de Python diseñado para proporcionar un conjunto accesible y completo de herramientas para visualizar y analizar datos hiperespectrales en entornos costeros.
elevation
Script de Python para descargar modelos digitales de elevación del terreno global, SRTM 30m DEM y SRTM 90m DEM.
xarray
¡Xarray hace que trabajar con matrices multidimensionales etiquetadas en Python sea simple, eficiente y divertido! Biblioteca para trabajar con matrices multidimensionales, ideal para manejar conjuntos de datos satelitales y ráster con dimensiones etiquetadas.
Herramientas
Apache Sedona
Un sistema distribuido que ofrece análisis geoespaciales escalables, manejando grandes volúmenes de datos ráster y vectoriales sin complicaciones.
CoastSat
CoastSat es un conjunto de herramientas de software de código abierto escrito en Python que permite a los usuarios obtener series temporales de la posición de la costa en cualquier línea costera del mundo a partir de 40 años (y en aumento) de imágenes satelitales disponibles públicamente (Landsat y Sentinel-2). Herramienta muy valiosa para estudios de erosión costera.
EOmaps
Facilita el acceso a datos de observación de la Tierra y permite el trazado interactivo de imágenes satelitales y datos geoespaciales.
Forest-at-Risk
Herramienta para analizar la deforestación y degradación de bosques usando imágenes satelitales y datos de teledetección.
Propietario
ArcPy
Es la biblioteca de Python paraArcGIS, que permite automatizar tareas geoespaciales, como análisis ráster, manejo de bases de datos espaciales, y creación de mapas. Es ideal para quienes trabajan con entornos deGIS empresariales y necesitan realizar procesos repetitivos de manera eficiente
Planet Labs Python SDK
El SDK de Planet para Python facilita el acceso al enorme repositorio de imágenes satelitales de Planet y la incorporación de datos de Planet a su flujo de trabajo de operaciones de datos.