# Arreglos multidimensionales (NetCDF) e integración vector-ráaster

```{note}
**Duracion:** 2 horas. **Librerias:** Xarray, NetCDF4, Exactextract /
Rasterstats. **Conjunto de datos:** Series de tiempo de Temperatura
Superficial del Mar (NOAA OISST / Copernicus Marine). **Tarea 2:**
Analisis espacial integrado vector + raster.
```

## El modelo de datos multidimensional de Xarray

Muchos productos oceanográficos y climáticos no son simples imágenes de
2 dimensiones, sino arreglos multidimensionales almacenados en formato
**NetCDF** (Network Common Data Form) o **Zarr**:

- **Dimensiones:** Ejes físicos del arreglo (tiempo, profundidad/nivel,
  latitud, longitud).
- **Coordenadas:** Arreglos numéricos que dan nombre físico y ubicación
  a los índices de las dimensiones.
- **Variables de datos (\`DataArray\`):** Campos oceanográficos medidos
  (ej. <span class="title-ref">analysed_sst</span>,
  <span class="title-ref">salinity</span>,
  <span class="title-ref">sea_level_anomaly</span>).
- **Atributos:** Metadatos globales y por variable (unidades,
  convenciones CF, proveedor).

``` python
import xarray as xr

# Cargar un conjunto de datos NetCDF de temperatura marina
ds = xr.open_dataset("oisst_monthly_2020_2025.nc")
print(ds)
```

## Selección basada en etiquetas y climatologías

Xarray permite indexar utilizando valores geográficos y temporales
naturales mediante \`.sel()\`:

``` python
# Seleccionar una estacion especifica y un intervalo de fechas
punto_serie = ds["sst"].sel(
    lon=-110.5, 
    lat=24.5, 
    method="nearest"
).sel(time=slice("2021-01-01", "2024-12-31"))

# Calculo de la climatologia mensual (ciclo estacional medio)
climatologia_mensual = ds["sst"].groupby("time.month").mean(dim="time")

# Calculo de anomalias termicas marinas
anomalia_sst = ds["sst"].groupby("time.month") - climatologia_mensual
```

## Integración vector-ráaster: Extracción en puntos y polígonos

Uno de los mayores desafios en la ecologia marina es combinar registros
discretos de muestreo con capas ambientales continuas:

1.  **Extraccion puntual:** Asignar la temperatura de fondo o
    superficial del mar a cada estacion de lance oceanografico.
2.  **Estadisticas zonales:** Calcular el promedio, maximo y desviacion
    estandar de la clorofila dentro de los limites de un Area Marina
    Protegida.

``` python
import geopandas as gpd
from rasterstats import zonal_stats

# Poligonos de Areas Marinas Protegidas
amp_gdf = gpd.read_file("areas_protegidas.gpkg")

# Calculo de estadisticas zonales sobre una capa raster de batimetria o temperatura
stats = zonal_stats(
    amp_gdf, 
    "batimetria_recortada.tif", 
    stats=["mean", "min", "max", "std"]
)

# Anadir las estadisticas calculadas al GeoDataFrame
amp_gdf["profundidad_media"] = [s["mean"] for s in stats]
print(amp_gdf[["nombre_amp", "profundidad_media"]])
```

## Tarea práctica 2

1.  Extraiga la serie temporal de temperatura para tres estaciones
    oceanográficas de su estudio.
2.  Calcule la media batimétrica y la temperatura máxima superficial
    para cada polígono de conservación de su región.
3.  Exporte la tabla resultante con atributos ambientales integrados en
    formato GeoPackage.
