Hay una idea en marcha que me parece técnicamente muy sólida: constelaciones de satélites con cadencia suficientemente alta como para hacer seguimiento continuo del estado de la vegetación a escala de parcela. No hablo de Sentinel o Landsat, con revisitas de varios días o semanas, sino de arquitecturas que permiten observar el mismo punto con una cadencia mucho mayor. Cuando eso se cruza con gestión ganadera y agricultura el caso de uso se vuelve muy concreto.
Tag Archives: geovisualizacion
Olvida OSM y sus estimaciones de AGL procedural! 3D con AGL real: footprints de Overture Maps y elevación LiDAR del CNIG
Trabajo desde hace años en aplicaciones que combinan datos abiertos de distinta procedencia para resolver un problema que parece sencillo y no lo es tanto: representar el modelo 3D de cualquier municipio español, con una altura que no sea un promedio inventado o procedural ni un valor por defecto según el número de plantas catastrales, sino una medición real extraída de la nube de puntos LiDAR del Plan Nacional de Ortofotografía Aérea.
Topografía desde el espacio: flujo completo de InSAR para generar un DTM con Sentinel-1
Hay una pregunta que me ronda desde hace tiempo: ¿hasta qué punto puede un analista GIS, sin presupuesto de misión espacial ni acceso a LiDAR propio, generar un Modelo Digital del Terreno con una precisión que supere a los DEM globales de libre acceso? La respuesta corta: sí se puede, pero el camino no es trivial. Este post documenta ese camino completo, con todos sus tropiezos incluidos, porque creo que el valor real de un tutorial está tanto en lo que sale bien como en lo que se rompe por el camino.
SAM en ArcGIS Pro: probando la segmentación semi-automática sobre ortofotos PNOA en formato COG
Desde hace unas semanas he estado probando el modelo Segment Anything Model (SAM) de Meta AI integrado como modelo preentrenado dentro de ArcGIS Pro, aplicándolo sobre ortofotos del Plan Nacional de Ortofotografía Aérea (PNOA) descargadas del Centro de Descargas del CNIG en formato COG. Este artículo recoge el proceso completo: qué es SAM, qué licencias y extensiones necesitas, cómo se instalan las librerías, de dónde salen los datos de origen, qué formatos intervienen y los problemas reales que me he ido encontrando por el camino, con sus soluciones.
Geografía financiera de Castilla y León · análisis espacial de POIs Open Data 2026
El análisis de la distribución espacial de servicios financieros en centros urbanos —bancos, cajeros, aseguradoras, gestorías y corredurías de seguros— ofrece una lectura directa de la vitalidad económica y la accesibilidad financiera de un territorio. Mapear estos puntos con assetIQ sobre datos Overture Maps permite identificar en minutos dónde se concentra la actividad financiera, qué zonas quedan en la periferia del servicio y cómo se estructuran los ejes comerciales de cada ciudad. El mismo análisis es replicable para cualquier otra capa temática —alojamiento, salud, restauración, deporte— convirtiendo cada capital de provincia en un dashboard geoespacial comparable y reproducible.
VENEZUELA EARTHQUAKE RESPONSE using DuckDB, Overture Maps and R
Just wanted to update on the usage of the tool I developed (OVERTURE MAPS EXTRACTOR) for extraction of Open data from Overture Maps for a quick hands on.
Time Series Analyzer: Análisis multitemporal de índices espectrales en Google Earth Engine
He desarrollado una aplicación interactiva en Google Earth Engine para la extracción y análisis estadístico automático de series temporales de cinco índices espectrales (NDVI, EVI, SAVI, NDWI y NBR) sobre cualquier geometría definida por el usuario en cualquier sitio del mundo. El objetivo es pasar de una imagen satélite puntual a una comprensión temporal del territorio: qué ha pasado, qué patrón subyace, y qué cabe esperar.
POI Intelligence for Urban Asset Analysis in RStudio: assetIQ
When analysing urban assets, there is genuine value in moving beyond generic neighborhood scores. The density of a coffee shop cluster, the proximity to a financial hub, or the concentration of accommodation around a transport node are signals that traditional datasets flatten into averages — or ignore entirely. assetIQ was built to change that. assetIQ is an R application powered by DuckDB and Overture Maps that extracts, classifies, and scores Points of Interest (POIs) for any location on Earth. You define a city and a search radius — from 100 meters to 25 kilometers — and the tool queries the Overture Maps Places dataset in real time, classifying each POI into thematic groups: Food & Drink, Retail, Health, Education, Transport, Accommodation, Financial Services, Leisure & Culture, Sport, and more.
The core output is an attribute value called POIQ: a normalized 0–1 score assigned to every building footprint within the area of interest, derived from a Kernel Density Estimation of the selected thematic group. A building in a dense retail corridor scores close to 1. An isolated residential block far from any commerce scores close to 0. This transforms thousands of individual points — which in raw form tell you very little — into a single, interpretable attribute per building, ready for downstream modelling, valuation, or site selection.
Mapterhorn + R: LOS analysis in seconds! 🚀
The analysis of LOS (Line of Sight) in telecommunications is the study that determines whether a clear, unobstructed path exists between a transmitting antenna and a receiver. While this calculation was traditionally reserved for large microwave links over long distances or in rural environments, the arrival of 5G networks and the horizon of 6G have turned it into an absolute priority for urban deployment, completely transforming how networks are planned in major cities.
Detecting Potential Mobile Coverage Gaps Using OpenCellID, GHSL and Overture Maps: Case study over TUNIS
Mobile connectivity has become a fundamental component of modern infrastructure, yet significant spatial inequalities in network access still persist across both urban peripheries and rural environments. Using openly available geospatial datasets, this analysis explores potential mobile coverage gaps by combining OpenCellID cellular infrastructure observations, GHSL population layers and vector data extracted from Overture Maps. The objective is not to reproduce real telecom propagation models, but to generate a simplified spatial estimation of coverage capable of identifying populated areas potentially located outside the influence of nearby cellular infrastructure.
Geovisualization.net 