# Geometrias espaciales, CRS y formatos vectoriales

```{note}
**Duracion:** 2 horas. **Librerias:** GeoPandas, Shapely, Pyogrio.
**Conceptos clave:** Puntos, Lineas, Poligonos, Sistemas de Referencia
de Coordenadas (CRS), EPSG.
```

## El modelo vectorial con Shapely y GeoPandas

El modelo vectorial representa el mundo discretizando el espacio en
geometrías geométricas euclidianas mediante la biblioteca **Shapely**:

- **\`Point\` / \`MultiPoint\`:** Boyas oceanográficas, sitios de
  anclaje, estaciones oceanográficas o avistamientos biológicos.
- **\`LineString\` / \`MultiLineString\`:** Transectos de navegación
  oceanográfica, rutas marítimas, cables submarinos o líneas de costa.
- **\`Polygon\` / \`MultiPolygon\`:** Polígonos de Áreas Marinas
  Protegidas (AMP), Zonas Económicas Exclusivas (ZEE) o cuencas
  sedimentarias.

``` python
from shapely.geometry import Point, LineString, Polygon

# Construccion de geometrias basicas
station_pt = Point(-110.312, 24.142)
transect_line = LineString([(-110.31, 24.14), (-110.50, 24.30), (-110.75, 24.55)])
marine_reserve = Polygon([
    (-110.40, 24.20), (-110.20, 24.20), 
    (-110.20, 24.40), (-110.40, 24.40), 
    (-110.40, 24.20)
])
```

## Construcción de GeoDataFrames desde coordenadas

Un `GeoDataFrame` es una tabla de Pandas con una columna espacial
especial llamada `geometry`:

``` python
import pandas as pd
import geopandas as gpd

# Datos de muestreo de estaciones costeras
stations_df = pd.DataFrame({
    "station_id": ["E01", "E02", "E03", "E04"],
    "lon": [-110.32, -110.45, -110.60, -110.15],
    "lat": [24.15, 24.35, 24.50, 24.05],
    "chlorophyll_a": [1.45, 0.82, 0.35, 2.10]
})

# Conversion a GeoDataFrame vectorizado
gdf = gpd.GeoDataFrame(
    stations_df,
    geometry=gpd.points_from_xy(stations_df["lon"], stations_df["lat"]),
    crs="EPSG:4326"  # WGS84 Coordenadas Geograficas
)
```

## Sistemas de referencia de coordenadas (CRS)

<div class="warning" markdown="1">

<div class="title" markdown="1">

Warning

</div>

Nunca realice cálculos métricos (como distancias en metros o áreas en
km²) en grados geográficos (EPSG:4326). Los grados son unidades
angulares cuya longitud física varía drásticamente con la latitud.

</div>

Para mediciones métricas exactas, reproyecte al sistema proyectado local
(por ejemplo, Universal Transverse Mercator - UTM):

``` python
# Reproyeccion de WGS84 a UTM Zona 12N (Baja California Sur)
gdf_utm = gdf.to_crs(epsg=32612)
print(f"CRS proyectado: {gdf_utm.crs.name}")
```

## Formatos de almacenamiento vectorial

1.  **Shapefile (\`.shp\`):** Formato heredado con limitaciones severas
    (nombres truncados a 10 caracteres, límite de 2 GB, múltiples
    archivos).
2.  **GeoPackage (\`.gpkg\`):** Estándar abierto SQLite moderno,
    autocontenido, rápido y sin límites arbitrarios de atributos.
3.  **GeoParquet (\`.parquet\`):** Formato columnar optimizado para
    análisis masivo de datos en la nube y computación distribuida.

``` python
# Guardar y leer en GeoPackage con el motor pyogrio
gdf.to_file("estaciones_muestreo.gpkg", layer="ctd_2026", driver="GPKG", engine="pyogrio")
gdf_leido = gpd.read_file("estaciones_muestreo.gpkg", engine="pyogrio")
```

## Ejercicios de la sesión

1.  Importe una tabla CSV de lances de pesca con coordenadas geográficas
    y conviértala a GeoDataFrame.
2.  Identifique el código EPSG de la zona UTM correspondiente a su área
    de estudio y reproyecte sus capas.
