Des-conferència per compartir les experiències d'usuaris i desenvolupadors de QGIS amb la resta de la comunitat i conèixer de primera mà el treball de l'Associació QGIS Espanya i com s'hi pot participar. Es farà una presentació de l'Associació per a persones no associades, projectes i desenvolupaments relacionats amb QGIS i idees i propostes a futur tant per a QGIS com per a l'Associació.

És un esdeveniment obert i no cal fer prescripció.

Hi haurà un coffee-break a les 18h d'uns 20 minuts.

Pàgina web: https://www.qgis.es
Twitter: https://twitter.com/qgises
Etiqueta: #QGISesCamp
Instagram: https://www.instagram.com/qgises/

Accés a l'Aula Magna des de les escales de la Plaça Sant Domènec.

Benvinguda

Comunicació a càrrec de Carmen Torrecillas (visualització de dades a Civio), sobre com utilitzem el periodisme de dades en torn a dades públiques, la incidència política i especialment l'anàlisis i visualització de dades en la lluita per a la transparència de les institucions i per l'accés a la informació pública.

Debat introduït per Angelos Tzotzos i amb la participació de Josep Lluís Sala, Jorge Sanz i Oscar Fonts. Moderada per Gemma Boix, directora del SIGTE - UdG

Aquest projecte s’ha dut a terme per millorar la definició de la capa de nuclis de l’Institut Cartogràfic i Geològic de Catalunya a partir de la creació d’un model fent servir xarxes neuronals convolucionals. L’objectiu ha estat entrenar el model amb un conjunt d’imatges que contenen nuclis urbans, de manera que en pugui aprendre les característiques necessàries. Un cop entrenat, el model és capaç de reconèixer i identificar automàticament nuclis urbanitzats en noves imatges.

En aquesta comunicació es presentaran els mètodes Nearest Neighbour Distance Matching (NNDM) per a la validació creuada espacial desenvolupats al paquet de R CAST. (https://hannameyer.github.io/CAST/). Els mètodes NNDM (https://doi.org/10.5194/egusphere-2023-1308) aspiren a resoldre les limitacions dels mètodes de validació creuada existents per a processos espacials proposant una configuració que s’adapta als objectius del model en termes de distàncies geogràfiques. Durant la presentació, es posaran de manifest la problemàtica de la validació creuada amb dades espacials, les limitacions dels mètodes existents i la proposta de NNDM, i es mostrarà com aplicar-la amb el paquet de R CAST.

Seresco, companyia pionera en l’àmbit estatal en la prestació de serveis i solucions TIC, desenvolupa una eina per a la detecció automàtica de canvis rellevants en parells d’ortoimatges de la mateixa localització espacial, però de diferents instants temporals. L’objectiu d’aquest desenvolupament és optimitzar els treballs d’actualització de les bases de dades cartogràfiques. L’eina desenvolupada es construeix a través de l’entrenament de xarxes neuronals convolucionals (CNN), utilitzant parells d’imatges aèries i satel·litàries i exemples de canvis esdevinguts en aquests parells d’imatges. Un cop entrenada la CNN, aquesta xarxa estarà preparada per analitzar parells d’imatges i retornar una màscara de canvis, acotant així geogràficament els canvis que hagin aparegut entre els diferents instants. Per a l’entrenament d’aquesta CNN s’han fet servir imatges Sentinel i PNOA d’una gran varietat de comunitats autònomes d’Espanya. Els exemples de canvi (etiquetatge) s’han construït per a una gran varietat d’objectes geogràfics, com ara edificacions, piscines, canvis en la xarxa viària... El resultat final és el desenvolupament d’una eina capaç de generar una capa vectorial de canvis ocorreguts en parells d’ortoimatges. L’eina detecta canvis en ortoimatges de diferents resolucions espacials, preses amb diferents sensors i en una àmplia varietat d’escenaris diferents, com per exemple canvis en la il·luminació de les imatges deguts a les diferents estacions de l’any o a les diferents hores del dia en què van ser preses. L’eina detecta canvis d’aparició, desaparició o modificació d’una àmplia varietat d’objectes geogràfics, com ara edificacions de tota mena, carreteres, piscines i zones asfaltades, per a tot el territori estatal. Amb aquesta eina es pretén millorar notablement l’eficiència en els treballs d’actualització de les bases de dades cartogràfiques, ja que en contraposició a recórrer manualment tota l’extensió de les ortoimatges buscant els canvis ocorreguts, en aquest cas els esforços d’actualització només se centraran en les zones on s’hagin detectat canvis automàticament, cosa que estalvia temps i abarateix costos.

Extracció a partir d’ortofotos aèries, de forma automàtica utilitzant algorismes d’intel·ligència artificial (YOLOv8), de paràmetres de vialitat per a l’actualització i enriquiment d’atributs de la guia de carrers de l’Àrea Metropolitana de Barcelona.
S’ha utilitzat, per a l’automatització de processos ETL, el programa FME, en la fase de generació de les imatges anotades. Per a la programació en aprenentatge profund i l’aplicació dels algorismes s’han fet servir scripts de Python per cridar les biblioteques de YOLOv8. Dades: ortofotos aèries d’alta resolució de l’Àrea Metropolitana de Barcelona.

Des del Departament CGAT de la Universitat Politècnica de València, en col·laboració amb la Unitat Tècnica de Prevenció i Anàlisi d’Incendis Forestals de la Generalitat Valenciana, s’ha desenvolupat un model matemàtic per calcular la humitat del combustible viu per a tot el territori forestal autonòmic amb una periodicitat aproximada de 5 dies. Tant el procés de càlcul com la integració dins del SIGIF s’han implementat usant tecnologies lliures centrant-se en l’accessibilitat a aquesta informació, calculada per millorar la presa de decisions tant en la prevenció com en l’extinció d’incendis.

L’envelliment de la població agrària a la província de Barcelona amenaça la seguretat alimentària. Aquest estudi utilitza el programa GeoDa per analitzar dades socioeconòmiques i agràries de la província, amb l’objectiu d’identificar els reptes del relleu generacional en el sector agrari.

En situacions d’emergència, la falta d’informació geogràfica en obert i actualitzada dificulta la realització d’anàlisis que aportin valor per fomentar la cultura del risc entre la població. El repte principal ha estat cercar diferents metodologies per aproximar-nos a uns resultats amb un marge de confiança alt i una escala detallada. A l’exemple que mostrem, la Creu Roja espanyola, juntament amb la Mitja Lluna Roja palestina, basa la seva intervenció en la recopilació de fonts de dades espacials per elaborar mapes de perill i poder avaluar capacitats i vulnerabilitats de les comunitats i els equips sobre el terreny.

El Govern de Navarra vol dotar els seus serveis d’emergència d’una eina d’encaminament fiable, tant en línia com fora de línia, per ajudar-los a accedir de la millor manera possible als llocs on hagin d’atendre una emergència. Solució: si els sentits de circulació són a la xarxa d’OpenStreetMap i la majoria dels canvis es reflecteixen abans a OSM que a la nostra cartografia... no és més assenyat col·laborar a completar la xarxa OSM i utilitzar-la en profit nostre? Doncs això és el que fem ara. Avantatges: no cal desenvolupar eines, ja hi són, i no cal adaptar formats: openrouteservice (en línia) OsmAnd (fora de línia). Com a Administració pública, tota la nostra informació ho és, de pública, i OSM és una altra manera de publicar-la (i amb molta audiència). Inconvenients: en un suposat (i improbable) cas de vandalisme, encara que actualitzem la informació directament a OSM, en guardem una còpia per als nostres usuaris.

L’escassetat de datasets d’entrenament adequats i accessibles, utilitzats per entrenar models d’IA aplicats a dades d’observació de la Terra, és només un dels múltiples problemes a què s’enfronten els usuaris que volen aplicar la intel·ligència artificial a les dades de satèl·lit. D’aquí sorgeix SCANEO, una aplicació web d’etiquetatge intel·ligent per a conjunts d’entrenament amb dades satel·litàries, impulsada a través d’intel·ligència artificial i aprenentatge actiu. SCANEO suggereix i genera etiquetes per ell mateix, i a més el seu model es pot tornar a entrenar amb etiquetes validades per l’usuari, amb què es crea un circuit de retroalimentació que augmenta la precisió i accelera l’etiquetatge, i en millora la qualitat entre un 70 % i un 90 %, i redueix el temps d’etiquetatge fins a un 90 %. D’aquesta manera, SCANEO beneficia tant els models com els conjunts de dades simultàniament, i promou la proliferació de models d’intel·ligència artificial aplicats a dades d’observació de la Terra.

BSEQ és una eina de SIG lliure que, en combinació amb les tecnologies de PostGIS i Apache Superset, aspira a proporcionar a l’Administració pública un portal de suport per a la presa de decisions en escenaris de sequera, mostrant una sèrie de dades i indicadors rellevants a través de formats gràfics que permetin una ràpida interpretació per part del personal tècnic i dels equips de govern.

Es presenta el nou visor de corrents oceanogràfics d’ICATMAR, basat en dades en temps real d’antenes d’alta freqüència (https://icatmar.github.io/HFRadar/). El visor s’ha desenvolupat amb biblioteques de codi lliure.

S’abordarà el desenvolupament d’un visor urbanístic avançat dissenyat específicament per a un col·legi d’arquitectes professional. Aquest visor integra dades del parcel·lari urbanístic del cadastre amb informació addicional sobre planejament urbanístic i proporciona una eina completa d’anàlisi i visualització. Es destacarà l’ús de tecnologies lliures com ara React per a la interfície d’usuari i OpenLayers per a la gestió de mapes geoespacials. A més, es discutirà el desplegament eficient i escalable de la infraestructura de serveis web mitjançant Docker. Aquest cas pràctic no només il·lustra la integració amb èxit de tecnologies lliures en aplicacions urbanístiques, sinó que també demostra com la innovació tecnològica pot millorar l’eficiència i l’accessibilitat en la planificació i la gestió urbanística.

PostgREST és una eina de programari lliure que simplifica la creació d’una API RESTful per a bases de dades PostgreSQL, incloent-hi extensions espacials com ara PostGIS. El seu objectiu principal és proporcionar un accés fàcil i ràpid a taules, vistes i funcions de la base de dades a través de serveis web.

La Unitat de Tecnologia Marina del CSIC gestiona dades de vaixells oceanogràfics en temps real, disponibles mitjançant serveis web per a usuaris externs i interns. Ofereix accés a dades històriques i en temps real mitjançant serveis OGC com araWMS i WFS, i serveis com getLast, getPoint i getSerie, entre d'altres. L’aplicació Fleet utilitza aquests serveis i permet el seguiment de la posició i les condicions dels vaixells, la visualització de variables meteorològiques, la cerca de navegacions, la descàrrega de dades i el seguiment d’un vaixell específic. Les tecnologies utilitzades són Leaflet.js per a la representació de mapes i Grafana per a la visualització de dades, cosa que facilita l’anàlisi i la interpretació d’informació oceanogràfica.

Breu explicació de la celebració de GEOCAMP 2023 en el seu 10è aniversari i presentació de l’edició d’aquest any 2024. Exposició sobre la situació actual de les comunitats GEO i la seva renovació.

Explora els fonaments de GDAL/OGR per processar imatges satel·litàries a través de la línia d’ordres. Aquest taller et submergirà en l’ús d’aquestes eines per manipular, convertir i analitzar dades ràster i vectorials. Des de principiants fins a usuaris amb experiència, descobreix com potenciar projectes geoespacials amb GDAL/OGR.

Software necessari: GDAL/OGR

Nivell: Intermedi

Coneixements previs: Terminal Linux

Sopar a l'hotel Palau de Bellavista

Gràcies a la nova especificació del W3C File System Access API és possible editar fitxers geogràfics en un visualitzador web amb una experiència d’usuari molt semblant a la d’una aplicació desktop com ara QGIS. S’ha afegit suport a aquesta especificació a la biblioteca de desenvolupament JavaScript API SITNA. Per tant, es pot desenvolupar una aplicació web que obri fitxers en els formats GeoJSON, KML, KMZ, GML, WKT, WKB, GPX, Shapefile o GeoPackage, editar-los i desar els canvis, accedint directament al sistema de fitxers del dispositiu.

La biblioteca MapICGC GL JS s’ha desenvolupat amb l’objectiu de millorar les capacitats de cartografia web i proporcionar als programadors web una solució integrada i de fàcil accés a les dades pròpies de l’Institut Cartogràfic i Geològic de Catalunya (ICGC). La biblioteca incorpora una sèrie de pràctiques funcionalitats i integra fàcilment elements de l’ICGC com ara imatges satel·litàries històriques, elements vectorials (FlatGeobuf) i models 3D hiperrealistes. A més, inclou un nou geocodificador amb cerques complexes. MAPICGC GL JS és un exemple de biblioteca de codi obert aplicable tant dins com fora de l’ICGC.

MapTiler SDK és una capa de TypeScript que afegeix noves capacitats, a més de MapLibre GL, tant en termes d’interfície d’usuari com de funcions principals. També ve amb una interfície per a l’API REST de MapTiler Cloud, i a més comentarem algunes novetats sobre MapLibre. Les característiques que hem afegit a MapLibre són de dos tipus: moltes ajudes convenients per fer la vida més fàcil als desenvolupadors, com ara els layer helpers (funcions per crear capes vectorials de manera molt més fàcil) i moltes opcions predeterminades integrades que estan dissenyades especialment per utilitzar dades de MapTiler, però mantenint-lo 100 % compatible amb MapLibre.

Els nous estàndards API d’OGC que s’han desenvolupat aquests darrers anys ens permeten accedir a dades geoespacials lliures i gratuïtes a través de serveis web de forma més eficient i senzilla. L’OA CNIG, amb el propòsit d’estar a l’avantguarda de les noves tecnologies i els estàndards respecte a les dades obertes, ha publicat recentment aquests serveis API per a les dades disponibles, tant del Sistema Cartogràfic Nacional com de l’Institut Geogràfic Nacional.

Desenvolupar i implementar aplicacions basades en dades d’observació de la Terra impulsades per IA és un desafiament tant pel que fa a coneixements com a consum de recursos. La fragmentació de l’accés a les dades i els diferents formats, el processament d’aquestes dades –amb altes demandes computacionals–, la integració de models d’IA o el desplegament d’aquestes aplicacions és una tasca complexa que involucra múltiples eines independents. En resposta a aquesta necessitat sorgeix SPAI, un entorn de treball de desenvolupament d’aplicacions d’observació de la Terra que cobreix el procés sencer de desenvolupament d’aquestes aplicacions, des de l’obtenció de les dades, el seu emmagatzematge i processament a través de models d’intel·ligència artificial fàcilment accessibles, fins al desplegament d’aquestes aplicacions al núvol. Així, SPAI permet i fomenta l’obtenció d’analítiques satel·litàries a qualsevol tipus d’usuari, sense importar els seus coneixements en desenvolupament, en dades satel·litàries o en intel·ligència artificial. Al llarg del taller es farà una demostració pràctica de totes les eines que conformen SPAI, des de la biblioteca de Python fins a la interfície gràfica, passant per SPAI Chat, un assistent específicament dissenyat i entrenat per a solucions basades en dades satel·litàries i intel·ligència artificial. Així, es demostrarà com és de fàcil desenvolupar i implementar una aplicació basada en dades satel·litàries i fent ús d’intel·ligència artificial, anant des de l’obtenció de les dades i el seu emmagatzematge i processament fins al desplegament al núvol per a la seva explotació.

Software necessari: Python, Svelte, Leaflet, PytorchEO

Nivell: Intermedi

Coneixements previs: Coneixements de Python, imatges satèl·lit i intel·ligència artificial, malgrat no ser necessaris, facilitaran el seguiment del taller.

Aperitiu i Happening