Gee-weather

1. Introducción

Disponer de series históricas de clima ayuda a explicar el desempeño productivo de los cultivos, ya que el adecuado desarrollo de las plantas depende de unas condiciones adecuadas en temperatura, precipitación, radiación solar entre otras variables climatológicas. Es así que es de interés por parte de los tomadores de decisión e investigadores contar con datos de clima, para comprender bajo qué circunstancias se está sembrando, en una región en específico. Pese a dicha importancia, por lo general no existe una cobertura general de dicha información, debido a los costos que acarrea instalar y mantener las estaciones meteorológicas. Esta carencia ha limitado el entendimiento de la relación clima-cultivo. Para cubrir esta necesidad, existen diversas misiones satelitales que capturan y proveen datos de variables climáticas.

2. Propósito

El propósito de este repositorio es la de facilitar una herramienta de facil uso para realizar consulta y descarga de datos meteorológicos medidos via sensoramiento remoto, mediante consultas a las misiones disponibles en Google Earth Engine (GEE).

Las ventajas de utilizar este repositorio es que permite aumentar el número de datos a descargar, el cual esta limitado en 5000 en GEE. La extracción de la información, se lleva a cabo mediante coordenadas latitud/longitud en sistema geográfico WGS84.

3. Pasos iniciales

• Registrarse: La consulta y descarga de los datos se realiza a través de Google Earth Engine (GEE), para ello es necesario crear una cuenta con dicha aplicación.
• Configuración GEE: el código fue implementado en python, por lo cual se sugiere instalar conda o miniconda, para crear un ambiente dedicado a GEE. Adicional GEE requiere autenticar las credenciales del usuario.
• Descarga del repositorio

4. Misiones Disponibles

• CFS
• GLDAS
• CHIRPS
• DAYMET
• ERA5
• TRMM

5. Requisitos

1. python 3.6, 3.7
2. Un archivo CSV el cual disponga de las coordenadas para cada punto de interés (ver el ejemplo).
3. En cuanto a librerias, se recomiendan las siguientes:

earthengine_api==0.1.211
numpy==1.18.5
wget==3.2
folium==0.11.0
geehydro==0.2.0
pandas==1.0.5
ee==0.4
geopandas==0.8.0
Shapely==1.7.0

6. Uso

El siguiente ejemplo muestra como visualizar y descargar datos diarios de precipitación de la misión CHIRPS. Para más ejemplos por favor dirigirse a el notebook Descargar clima de GEE.

Para poder realizar la consulta inicial de la información, es necesario especificar el tiempo, la región de interés y la misión. Para el tiempo se señala la fecha inicial y final; en cuanto a la región, se indica la ruta del archivo csv; por último, se indica cual de los siguientes nombres corresponde a la misión de interés: "cfs", "gldas", "chirsp", "daymet" y "era5"

### importando el script

import get_geedata

## realizando la consulta
datachirps = get_geedata.gee_weatherdata("2017-01-01", # Fecha Inicial
                                         "2020-04-20", # Fecha Final
                                         "data/truestationlocation.csv", # directorio
                                         "chirps") # misión
                                         

Con la intención de evitar la restricción de la descarga de máximo 5000 atributos, los puntos de intereés se subdividen y se realiza la descarga de cada subconjunto, al final se une la base de datos en un dataframe.

dfchirps = datachirps.CHIRPSdata_asdf()

### gráficar resultados
import matplotlib.pyplot as plt

ref_long = datachirps.features.longitude.loc[0]
plotdata = dfchirps[np.round(dfchirps.longitude, 3) == np.round(ref_long, 3)]

plt.figure(figsize=[12,5])
plt.plot(plotdata.date, plotdata['precipitation'].values)

plt.show()

Finalmente el dataframe se guarda como csv, señalando el directorio de destino y el nombre del archivo.

### exportar datos
import os
outputdir = "../results/"
dfchirps.to_csv(os.path.join(outputdir,"chirpsdata.csv"))