!pip install leafmap pygbif --quiet

# Carga
from pygbif import occurrences
import pandas as pd
import plotly.express as px
import folium
import matplotlib.pyplot as plt  #Instalación de matplotlib

#Para la presente investigación se selecciona la especie Pinguinos.
especie = "Spheniscus demersus"

limite = 300
offset = 0
registros_acumulados = []

while True:
    resproy = occurrences.search(
        scientificName=especie,
        hasCoordinate=True,
        hasGeospatialIssue=False,
        limit=limite,
        offset=offset
    )
    # Se extraen los resultados
    registros = resproy.get("results", [])

    # Si ya no hay resultados, se detiene el ciclo
    if not registros:
        break

    # Agregar registros nuevos al acumulado
    registros_acumulados.extend(registros)

    #Actualizar el offset para la siguiente "página"
    offset += limite
#Convertir todo a un DataFrame de pandas
presencia = pd.DataFrame(registros_acumulados)

# Cantidad de registros de presencia recuperados
print(f"Total de registros recuperados {len(presencia)} de presencia")

Total de registros recuperados 11733 de presencia

# Para verificar los datos
# presencia[['species', 'basisOfRecord', 'countryCode', 'locality', 'decimalLongitude', 'decimalLatitude', 'eventDate', 'year', 'recordedBy']].sample(5)

# Contar registros por país
registros_x_pais = presencia['country'].value_counts()
#registros_x_year = presencia['year'].value_counts()

# Generar un gráfico de barras
plt.figure(figsize=(10, 6)) # tamaño del gráfico
registros_x_pais.plot(kind='bar')

# Especificar el título y las etiquetas del gráfico
plt.title('Cantidad de registros por país')
plt.xlabel('País')
plt.ylabel('Cantidad de registros')

# Mostrar el gráfico
plt.show()

registros_x_especie = presencia['country'].value_counts()

# Generar un gráfico de pastel
plt.figure(figsize=(10, 8)) # tamaño del gráfico
registros_x_especie.plot(kind='pie')

# Especificar el título y las etiquetas del gráfico
plt.title('Número de registros por pais')
plt.xlabel('Pais')
plt.ylabel('Número de registros')

# Mostrar el gráfico
plt.show()

# Borrar filas que no tengan año
df_anio_no_nulo = presencia.dropna(subset=['year'])

# Agrupar por año y contar registros
registros_por_anio = df_anio_no_nulo.groupby('year')['key'].count()

# Generar un gráfico de líneas
plt.figure(figsize=(10, 6))
registros_por_anio.plot(marker='o')

# Indicar el título y las etiquetas del gráfico
plt.title('Número de registros a los largo de los años')
plt.xlabel('Año')
plt.ylabel('Número de registros')
plt.grid(True)

#  Mostrar el gráfico
plt.show()

import requests # biblioteca para consultar API
import json # biblioteca para manejar datos JSON

# Nombre científico de la especie que se desea buscar
nombre_cientifico = 'Spheniscus demersus'

# URL
url = 'https://api.gbif.org/v1/species/match'

# Parámetros de la solicitud
parametros = {
    'name': nombre_cientifico,
    'strict': True  # Asegura una coincidencia exacta en la búsqueda
}

# Solicitud (el resultao se almacena en el objeto respuesta)
respuesta = requests.get(url, params=parametros)

# Verificación de la respuesta
if respuesta.status_code == 200:
    # La solicitud fue exitosa

    # Se cargan en formato JSON los datos retornados
    datos_proy = respuesta.json()

    # Obtención del taxonKey de la especie
    taxon_key = datos_proy.get('usageKey', 'No encontrado')

    # Despliegue del taxonKey
    print(f'taxonKey de {nombre_cientifico}: {taxon_key}')

    # Almacenamiento de datos en un archivo llamado "datos-proy.json"
    with open('datos-proy.json', 'w', encoding='utf-8') as archivo:
        json.dump(datos_proy, archivo, indent=4, ensure_ascii=False)
else:
    # Se produjo un error
    print(f"Error {respuesta.status_code}")

taxonKey de Spheniscus demersus: 5229384

import folium

# Mapa centrado en la latitud 0 y longitud -80,
# con un zoom inicial de nivel 2
mapa = folium.Map(location=[20, 40], zoom_start=2)

# URL base de los tiles de GBIF para la especie Spheniscidae (taxonKey=5284)
# En este caso, se usa 'bin=square' para mostrar las celdas cuadradas de densidad
tiles_url = (
    "https://api.gbif.org/v2/map/occurrence/density/"
    "{z}/{x}/{y}@1x.png"
    "?taxonKey=5229384&bin=square&style=green.poly"
)

# Se añade la capa de tiles al mapa Folium
folium.TileLayer(
    tiles=tiles_url,
    attr="© GBIF",            # Atribución recomendada
    name="Spheniscidae (cuadrículas)",
    overlay=True,
    control=True,
    # max_zoom=14 si se desea limitar el zoom máximo
).add_to(mapa)

# Opcional: se puede añadir otra capa con bin=hex o diferente estilo
tiles_url_hex = (
    "https://api.gbif.org/v2/map/occurrence/density/"
    "{z}/{x}/{y}@1x.png"
    "?taxonKey=5229384&bin=hex&style=green.poly"
)
folium.TileLayer(
    tiles=tiles_url_hex,
    attr="© GBIF",
    name="Spheniscidae (hexágonos)",
    overlay=True,
    control=True
).add_to(mapa)

# Control de capas
folium.LayerControl().add_to(mapa)
# Despliegue del mapa
mapa

# Iniciamos con la instalación y carga de bibliotecas

# Instalación de rasterio
!pip install rasterio --quiet

   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 22.2/22.2 MB 36.9 MB/s eta 0:00:00

# Carga de rasterio
import rasterio

# Carga de rasterio.plot (para graficar datos raster)
import rasterio.plot

# Carga de datos de precipitacion anual
precipitacion_anual = rasterio.open(
    'https://github.com/datos-geoespaciales-biodiversidad/python/raw/refs/heads/main/datos/clima/worldclim/2.1-10m-bio/wc2.1_10m_bio_12.tif'
)

rasterio.plot.show(precipitacion_anual)

<Axes: >

fig, ax = plt.subplots(figsize=(8, 8))

# Mapa de precipitación anual
rasterio.plot.show(
    precipitacion_anual,
    cmap="coolwarm", # colores
    ax=ax,
    title="Precipitacion Anual"
)

# Agregar una leyenda
cbar = fig.colorbar(ax.images[0], ax=ax, shrink=0.8)
cbar.set_label('Mm')

# Limitar el rango de los ejes
ax.set_xlim(-100, 100.0)
ax.set_ylim(-90.0, 90.0)

plt.show()

Proyecto Procesamiento de datos geoespaciales de biodiversidad mediante el lenguaje de programación Python#¶

Estudio del avistamiento de pinguinos.#¶

1. Introducción¶

2. Desarrollo¶

Conclusiones#¶