GTT Ciencia de Datos Geoespaciales. Cubos de Datos.

Video elaborado por el Grupo Técnico de Trabajo "Ciencia de Datos Geoespaciales". 🎬 ¡Seguimos explorando las Series Temporales aplicadas a la Información Geoespacial! 🌍📊 En este nuevo episodio, damos un paso más: introducimos los cubos de datos 🧊🛰️ como estructura clave para organizar, analizar y visualizar imágenes satelitales a lo largo del tiempo. 🚀 A partir de la misión Sentinel-3 de la Agencia Espacial Europea, repasamos conceptos esenciales como bandas espectrales, índices y, sobre todo, definimos qué es un cubo de datos geoespaciales, cuáles son sus dimensiones (espacio, tiempo, espectro, categorías) y por qué resultan fundamentales para el análisis ambiental y territorial. 💡 Para ilustrar su utilidad, presentamos tres casos prácticos donde aplicamos cubos de datos a variables reales: 🔷 Ejemplo 1: Cubo de temperatura superficial MODIS 🌡️ Creamos un cubo de datos mensual para Bahía Blanca con imágenes MODIS (2024-2025). Calculamos promedios mensuales, generamos una serie temporal y exportamos los resultados en CSV para analizarlos en Colab. Detectamos tendencias, estacionalidad y anomalías térmicas —como la registrada en marzo de 2025. 📓 Notebook: Lab_007_ST_BahiaBlanca.ipynb 🔷 Ejemplo 2: Cubo de precipitación con CHIRPS 🌧️📉 Construimos un cubo de datos de precipitación mensual para la misma región, utilizando la colección CHIRPS. Visualizamos capas en el mapa, graficamos valores mensuales y detectamos eventos extremos, como lluvias anómalas en marzo de 2025. Gráficos y tablas complementan el análisis en consola. 🔷 Ejemplo 3: Cubo de clasificación de suelo con Sentinel-2 y Random Forest 🌾🏙️ Generamos un cubo categórico bimestral de tipos de suelo (agua, urbano, cultivos, etc.) para 2024. A partir de imágenes Sentinel-2 y un modelo Random Forest, construimos una serie temporal clasificada y mostramos su evolución en gráficos apilados. En este ejemplo el clasificador RF se aplica a cada imagen compuesta de cada bimestre de 2024. Incluimos métricas de validación, porcentajes y recuentos por clase para interpretar cambios en el paisaje, como expansión urbana o variación en áreas verdes. ✨ ¡No te lo pierdas! Este video es ideal para quienes quieren aprender a estructurar y analizar datos satelitales de forma moderna, eficiente y visual, combinando lo mejor de la teledetección, la estadística y la geoIA. 🔁 Dale play y descubrí el poder de los cubos de datos de imágenes satelitales en acción! Los scripts que utilizamos en este video, están a tu disposición en el repositorio compartido del Grupo Técnico de Trabajo de Ciencia de Datos Geoespaciales de IDERA (GTT CDG). Si tenes una cuenta de GEE, simplemente usa este enlace para explorar el repositorio público: https://code.earthengine.google.com/?... Music: Bensound.com/free-music-for-videos Artist: Benjamin Tissot License code: LA7DNFUZKDRYH5JZ