Tu carrito esta vacio
Agrega packs de prompts para continuar
Esta colección definitiva de prompts para Sistemas de Información Geográfica (SIG) representa el recurso más avanzado para profesionales de la geomática, cartografía y análisis espacial. Diseñada con un enfoque técnico riguroso, permite optimizar flujos de trabajo complejos, desde el geoprocesamiento avanzado hasta la teledetección satelital, garantizando precisión milimétrica en cada consulta y proceso automatizado. Al integrar estos prompts en su entorno de trabajo, los especialistas podrán acelerar la toma de decisiones basada en datos geoespaciales, resolver desafíos topológicos intrincados y dominar herramientas líderes en la industria. Es la inversión estratégica ideal para convertir la información geográfica en conocimiento accionable de alto valor corporativo y científico.
100 recursos incluidos
Actúa como un Ingeniero de Software Senior especializado en Geo-procesamiento y Sistemas de Información Geográfica (SIG). Tu misión es diseñar y desarrollar un script altamente optimizado y profesional utilizando la librería [LIBRERÍA_PYTHON: ArcPy o PyQGIS] para la automatización de procesos avanzados de manipulación de geometrías. El objetivo principal es procesar una capa vectorial de entrada denominada [NOMBRE_CAPA_ENTRADA], la cual contiene entidades de tipo [TIPO_GEOMETRÍA: Puntos, Líneas o Polígonos], y aplicar una serie de transformaciones espaciales encadenadas que permitan limpiar, transformar y validar los datos geográficos para un análisis de infraestructura de gran escala. El script debe comenzar implementando una lógica de validación topológica rigurosa para identificar y corregir errores comunes como auto-intersecciones, geometrías nulas o duplicados espaciales. Una vez validados los datos, se requiere la ejecución de una secuencia de geoprocesamiento que incluya: 1) La generación de un área de influencia (buffer) dinámica cuya distancia esté determinada por el valor numérico del campo [CAMPO_CRITERIO_DISTANCIA]; 2) El recorte (clip) de las geometrías resultantes utilizando una capa de máscara definida como [CAPA_MASCARA_LIMITANTE]; y 3) La simplificación de los vértices resultantes mediante el algoritmo de [ALGORITMO_SIMPLIFICACIÓN: Douglas-Peucker o Wang-Müller] aplicando una tolerancia de [VALOR_TOLERANCIA] para reducir el peso del archivo sin perder la integridad morfológica. Es fundamental que el código siga las mejores prácticas de desarrollo, siendo modular y empleando una gestión de excepciones robusta mediante bloques try-except para capturar errores específicos de motores de bases de datos espaciales o de lectura de archivos. El script debe generar un archivo de registro (log) que documente detalladamente el tiempo de ejecución, el número de entidades procesadas y cualquier anomalía detectada. El resultado final debe ser exportado automáticamente a un contenedor de datos tipo [FORMATO_SALIDA: File Geodatabase, GeoPackage o PostGIS], asegurando que se preserven los metadatos y que el sistema de referencia de coordenadas (SRC) se mantenga o se transforme obligatoriamente al sistema [SRC_DESTINO: EPSG:XXXX]. Finalmente, optimiza el rendimiento para el procesamiento de grandes volúmenes de datos (Big Spatial Data) mediante el uso de cursores de acceso rápido ([TIPO_CURSOR: InsertCursor o UpdateCursor]) y, si es posible, mediante el aprovechamiento de técnicas de procesamiento en paralelo o multiprocesamiento. El código debe estar íntegramente comentado en español, explicando la lógica detrás de cada transformación geométrica y facilitando su futura integración en una caja de herramientas (Toolbox) o un plugin de escritorio.
Actúa como un Especialista Senior en Teledetección y Análisis de Datos Geoespaciales con amplia experiencia en el procesamiento de imágenes multiespectrales provenientes de los programas Landsat 8/9 y Sentinel-2. Tu objetivo es proporcionar un análisis técnico exhaustivo sobre la discriminación de coberturas terrestres mediante el estudio detallado de sus **Firmas Espectrales** en la región de [Definir Ubicación Geográfica] durante el periodo de [Especificar Rango de Fechas/Temporada]. El núcleo de tu tarea consiste en descomponer el comportamiento reflectivo de los siguientes elementos: [Listar elementos, ej: Bosque Nativo, Cultivos de Maíz, Suelo Desnudo, Cuerpos de Agua]. Para cada elemento, describe la curva de reflectancia teórica en las regiones del espectro Visible (VIS), Infrarrojo Cercano (NIR) e Infrarrojo de Onda Corta (SWIR). Debes explicar cómo los factores biofísicos, como el contenido de clorofila, la estructura celular foliar y el contenido de humedad, influyen en los picos y valles de absorción detectados por el sensor [Especificar Sensor: Sentinel-2A o Landsat 8 OLI]. Posteriormente, desarrolla un protocolo de cálculo para índices espectrales específicos que permitan maximizar la separación entre clases. Incluye fórmulas detalladas y justificación técnica para el uso de índices como el NDVI (Vegetación), NDWI (Agua), NBR (Severidad de quemado) o el SAVI (Suelo) según sea pertinente para el escenario propuesto. Analiza cómo la resolución radiométrica y espacial del sensor seleccionado afecta la pureza de los píxeles y la posible presencia de firmas espectrales mixtas en las zonas de transición o ecotonos. Finalmente, propón un flujo de trabajo avanzado para la clasificación supervisada basado en técnicas de aprendizaje automático como Random Forest o Support Vector Machines (SVM). Detalla cómo utilizarías las firmas espectrales extraídas de las áreas de entrenamiento para calibrar el modelo y cómo realizarías la validación cruzada mediante una matriz de confusión, calculando métricas de precisión global, error de omisión, error de comisión y el coeficiente Kappa para asegurar la fiabilidad cartográfica del producto final.
Actúa como un Ingeniero Senior en Sistemas de Información Geográfica (SIG) y Especialista en Fotogrametría con más de 15 años de experiencia en rectificación cartográfica. Tu misión es desarrollar un protocolo técnico exhaustivo para la asignación y validación de Puntos de Control Terrestre (GCP) aplicados a una imagen de tipo [TIPO_DE_IMAGEN]. El objetivo principal es transformar un archivo raster o analógico sin coordenadas en un insumo geoespacial preciso bajo el sistema de referencia [SISTEMA_DE_COORDENADAS_DESTINO], asegurando la integridad topológica y la precisión métrica requerida para proyectos de ingeniería de alta precisión. Inicia el proceso describiendo los criterios de selección para los puntos de control. Estos deben ser elementos del paisaje que presenten una firma espacial inequívoca, como intersecciones de infraestructura vial, esquinas de estructuras permanentes o hitos geodésicos preexistentes. Explica por qué la distribución espacial de estos puntos debe seguir un patrón de dispersión homogéneo, cubriendo tanto el perímetro como el centro de la imagen [TIPO_DE_IMAGEN], y cómo evitar el agrupamiento de puntos para prevenir distorsiones geométricas locales durante la interpolación. Define matemáticamente el proceso de evaluación del error. Detalla cómo calcular el Error Medio Cuadrático (RMSE) para cada punto individual y el RMSE total del modelo de transformación. Basado en el software [SOFTWARE_SIG_UTILIZADO], recomienda el modelo de transformación más apto (Polinomial de orden 1, 2 o 3, Thin Plate Spline o Proyectiva) dependiendo del [NUMERO_MINIMO_GCP] disponible y del grado de deformación de la fuente original. Debes establecer un umbral para el [ERROR_MAXIMO_ADMISIBLE] que determine si un punto debe ser reubicado, eliminado o si se requiere la captura de nuevos datos en campo. Concluye generando una estructura de informe técnico que incluya una tabla de residuos donde se comparen las coordenadas teóricas frente a las medidas, y proporciona una guía paso a paso para realizar el proceso de 'warping' o rectificación final en [SOFTWARE_SIG_UTILIZADO]. El resultado debe garantizar que el producto cartográfico final sea compatible con otras capas vectoriales y modelos digitales de elevación, permitiendo análisis espaciales multitemporales sin desplazamientos ni errores de escala.
Compatible con: