4. 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.

4.1. 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.

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)
])

4.2. Construcción de GeoDataFrames desde coordenadas#

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

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
)

4.3. Sistemas de referencia de coordenadas (CRS)#

Warning

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.

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

# 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}")

4.4. 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.

# 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")

4.5. 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.