7. 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.

7.1. 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. analysed_sst, salinity, sea_level_anomaly).

  • Atributos: Metadatos globales y por variable (unidades, convenciones CF, proveedor).

import xarray as xr

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

7.2. Selección basada en etiquetas y climatologías#

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

# 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

7.3. 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.

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"]])

7.4. 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.