1
Programar y automatizar procesos en QGIS con Python nivel básico (PyQGIS).
QGIS Avanzado: Python y Google Earth Engine para el análisis urbano
Sobre el curso
Este curso lleva el análisis urbano-regional al siguiente nivel: integra QGIS con Google Earth Engine (GEE) y programación en Python para procesar grandes volúmenes de datos satelitales, analizar cambios en el tiempo y automatizar flujos de trabajo completos. Los participantes pasan de usar herramientas a construirlas, con código propio, reproducible y aplicable a casos reales de Lima y ciudades peruanas.
Es la continuación natural del curso QGIS Intermedio: se parte de las uniones, el análisis ráster, los patrones espaciales y el Processing Modeler ya trabajados, y se escala hacia el análisis en la nube y la programación geoespacial.
Está dirigido a estudiantes y profesionales de arquitectura, urbanismo, geografía y disciplinas afines que cuentan con conocimientos básicos de QGIS y buscan consolidar y ampliar sus capacidades técnicas para enfrentar análisis espaciales de mayor complejidad.
Objetivos del curso
2
Acceder y procesar imágenes satelitales a escala urbana y regional en la nube con GEE.
3
Analizar cambios urbanos en el tiempo: expansión urbana, cobertura vegetal y temperatura superficial.
4
Integrar resultados de GEE en QGIS y construir flujos de trabajo reproducibles de principio a fin.
¿A quién está dirigido?
Estudiantes y profesionales de arquitectura, urbanismo, planificación urbana y territorial, geografía, ingenierías, ciencias sociales y disciplinas afines con manejo intermedio de QGIS (recomendable haber llevado el curso QGIS Intermedio o tener experiencia equivalente).
No se requiere experiencia previa en programación: los fundamentos de Python y JavaScript se enseñan desde cero y siempre aplicados a datos espaciales.
Requisitos técnicos: laptop con QGIS 3.x (versión LTR)
Módulos
Estructura del curso
Personalización de QGIS usando Python (PyQGIS) - I
Introducir a los estudiantes en la manipulación de capas vectoriales, el acceso a sus propiedades geométricas, y realizar cálculos y consultas espaciales mediante código Python en el entorno de QGIS.
Contenidos:
- Introducción a la consola de Python en QGIS. Uso funciones claves como QgsVectorLayer, QgsProject, e iteración sobre getFeatures().
- Operaciones básicas con Geometría (Cálculo de área y perímetro). Medir distancias y áreas con función QgsDistanceArea(), filtrar registros usando un predicado en getFeatures(), identificar el tipo de geometría utilizando QgsWkbTypes.
- Topología y predicados espaciales. Evaluar relaciones espaciales entre dos capas. Se utilizan métodos como intersects().
- Consulta y validación de datos tabulares. Accesos al proveedor de datos dataprovider() y obtención de valores únicos.
Principales productos:
- Script reutilizable que procesa y resume indicadores urbanos por distrito.
- Herramienta de procesamiento propia integrada a la caja de herramientas de QGIS.
Fundamentos de Google Earth Engine
Conocer la plataforma de análisis geoespacial en la nube de Google para acceder a décadas de imágenes satelitales sin necesidad de descargarlas ni de equipos potentes.
Contenidos:
- ¿Qué es GEE?: arquitectura, catálogo de datos y diferencias con el procesamiento local.
- Code Editor y fundamentos de JavaScript aplicados a GEE.
- Objetos clave: Image, ImageCollection, Feature y FeatureCollection.
- Filtros espaciales y temporales, máscara de nubes y composición de imágenes (Sentinel-2 y Landsat).
- Visualización, estadísticas zonales con reduceRegions() y exportación de resultados.
- Conexión GEE–QGIS mediante el complemento Google Earth Engine Plugin.
Principales productos:
- Composición satelital libre de nubes para Lima Metropolitana.
- Tabla de estadísticas zonales por distrito exportada e integrada en QGIS.
Análisis urbano multitemporal con GEE
Aprovechar las series históricas de imágenes satelitales para medir cómo cambian las ciudades: expansión urbana, pérdida de vegetación, entre otros..
Contenidos:
- Índices espectrales para análisis urbano: NDVI, NDBI y NDWI.
- Productos globales de cobertura y huella urbana: Dynamic World, ESA WorldCover y GHSL.
- Clasificación supervisada de coberturas con Random Forest y evaluación de precisión.
- Detección de cambios y series de tiempo: crecimiento urbano entre dos o más periodos.
- Temperatura superficial terrestre (LST) con Landsat: identificación de islas de calor urbano.
Principales productos:
- Mapa de expansión urbana multitemporal de una ciudad peruana.
- Mapa de islas de calor urbano y su relación con la cobertura vegetal.
Personalización de QGIS usando Python (PyQGIS) - II
Modificar la estructura tabular y espacial de los datos, integrar herramientas de la caja de algoritmos (Processing) en sus scripts, y estructurar un complemento (plugin) básico con interfaz gráfica.
Contenidos:
- Edición de tablas de atributos. Modificar el esquema de una capa añadiendo y eliminando columnas (addAttributes, deletteAttributes), y cómo actualizar y borrar registros específicos.
- Geoprocesamiento automatizado. Uso del módulo processing.run() para llamar algoritmos nativos de QGIS.
- Uso de Librerías externas (osgeo.gr) para análisis complejos. Integración de la librería ogr para abrir shapefiles de forma nativa y realizar comprobaciones avanzadas.
- Introducción a la creación de Plugins. Explicar la anatomía básica de un plugin creado con Plugin Builder y Qt Designer.
Principales productos:
- Scripts de pyqgis de procesos avanzados utilizando librerías y funciones más específicas.
- Plugin creado con funciones básicas de QGIS.
Proyecto final integrador
Aplicar lo aprendido durante el curso en un caso real de planificación urbana o territorial o afines, desde el problema de estudio hasta el producto cartográfico final.
Contenidos:
- Definición del problema y área de estudios.
- Diseño de la metodología de trabajo: datos, análisis, productos y difusión..
- Asesoría personalizada durante el desarrollo de clase.
- Presentación de resultados y retroalimentación.
Principales productos:
- Proyecto final con código, datos y atlas cartográfico del caso de estudio.
Descripción de los profesores
Lady Rosa Torrejón Zelaya
- Arquitecta-urbanista por la Universidad Nacional de Ingeniería (UNI) y Magíster en Desarrollo Urbano por la University of Seoul, Corea del Sur.
- Planificadora urbana en el sector público, privado e internacional, con especialización en análisis territorial, herramientas GIS, programación en R.
- Analista Territorial en el Viceministerio de Gobernanza Territorial - PCM, a cargo de modelos geoespaciales con variables socioeconómicas y metodologías de identificación de centros y unidades funcionales a escala nacional.
- Experiencia en planificación urbana en el IMP, MVCS y municipalidades distritales en Lima y provincias, principalmente en territorios amazónicos.
- Publicaciones en la American Planning Association y UN-Habitat, sobre mercado de suelo, segregación y territorios amazónicos.
- Investigadora en proyectos que combinan análisis cuantitativo y cualitativo urbano-territorial a escala nacional e internacional (UNI, PUCP y FLACO Ecuador).
- Predocente en la Facultad de Arquitectura de la PUCP y ponente en espacios internacionales como AESOP, FLACSO Ecuador, University of Texas at Austin, entre otros.
Alfredo Narciso González
- Geógrafo por la Universidad Nacional Mayor de San Marcos (UNMSM). Estudios de Maestría en Políticas Ambientales y Territoriales por la Universidad de Buenos Aires (UBA) de Argentina.
- Cuenta con estudios especializados en planificación territorial y administración pública (UCSP), Big Data e Inteligencia Territorial (FLACSO Argentina) y Ciencia de Datos para las Ciencias Sociales y Gestión Pública por la Pontificia Universidad Católica del Perú (PUCP).
- Experiencia profesional de más de 5 años como especialista en Sistemas de Información Geográfica (SIG) y Planificación Territorial en el sector público, privado, cooperación internacional y ONG.
- Investigador independiente trabaja en temas relacionados con el análisis espacial, ordenamiento territorial y estudios de periferias en ciudades latinoamericanas.
- Experiencia en proyectos de investigación (IRD de Francia y UNMSM).
Preguntas Frecuentes
Resuelve tus dudas sobre el curso