30 jun 2017

Las tres reglas de oro de Gonzalo López

https://www.iderioja.larioja.org/

Nuestro compañero y amigo Gonzalo López, el responsable técnico de la IDE de La Rioja, sabe tuitear con salero y acierto. Valga un ejemplo:

Te contamos nuestras tres reglas de oro:
  1. Nunca cambies la URL de un Servicio Web de Mapas. La URL no debe reflejar los posibles cambios en el nombre o esquema de una organización.
  2. No modifiques el nombre de las capas salvo que existan razones muy poderosas para hacerlo. Seguro que existen proyectos que las invocan.
  3. Ofrece un servicio etable y operativo. Reduce al minimo las paradas por mantenimiento y asegúrate que es todo los rápido que puede ser.
Porque no hay una segunda oportunidad para un WMS que no funciona, por eso cuidamos con atención la operatividad de nuestros WMS.

Creemos que vale la pena seguirle:  @iderioja.

Publicado por Antonio F. Rodríguez.

29 jun 2017

El mapa de incendios en tiempo real de la Gistería

http://lagisteria.com/incendios-en-tiempo-real-24h-48h-mapa-web/

La Gistería, una empresa cántabra fundada en 2016 especializada en hacer mapas en la web a la medida, acaba de publicar un mapa en la web que muestra en tiempo real (24 o 48 horas) datos sobre el estado de los incendios forestales en España. Se basa en el servicio WMS de la NASA que publica datos del VIIRS (Radiométro de Imagen Infraroja Visible).

El resultado es interesante y muy atractivo porque sabe mezclar actualidad y un buen diseño. 

El visualizador permite elegr entre tres fondos cartográficos: un servicio ArcGIS On Line con imágenes de satélite, un fondo en negro de Carto y el WMS del IGN-Base.

Esta es la dirección del WMS de la NASA (más información aquí):


Publicado por Antonio F. Rodríguez.

28 jun 2017

Primer encuentro nacional de geobloggers


La revista MAPPING Interactivo convoca el próximo 5 de julio  a las 11:00 de la mañana, en el marco del I Congreso en Ingeniería Geomática y en la Universidad Politécnica de Valencia (Campus de Vera, edificio 7I), el Primer Encuentro Nacional de Geobloggers, coordinado por Juan Toro y moderado por Gersón Beltrán, dos insignes y afamados blogueros, excelentes comunicadores, que conducirán la sesión.

Se trata de reunir a los editores de blogs más destacados de temas relacionados con lo geográfico para que se conozcan, intercambien ideas, planteamientos y experiencias, traten de vislumbrar hacia dónde va este sector nuestro de la Geomática en el que conviven especialistas de muy variada procedencia y formación.

Nos han invitado, así que tendremos la suerte de poder participar en un evento tan interesante como este, conocer y ponerles cara a muchos compañeros que mantienen un blog, ver qué ideas flotan en el ambiente y hablar de nuestras cosas.

El evento está abierto tanto a quienes mantienen un geoblog como a todas las personas interesadas en participar. Solo hay que rellenar un boletín de inscripción que podéis encontrar aquí.

Así que si tienes un blog relacionado con el mundo geo o simplemente te interesa asistir a la cita, no te lo pierdas, te espero en Valencia. Nos vemos allí.

Para más información véase esta página y en Twitter, el hashtag #geobloggers. 

Publicado por el editor.

27 jun 2017

La India acusa a Google Maps de ser poco fiable


El organismo responsable de la cartografía oficial de la India, Survey of India, ha hecho púbica la opinión del gobierno de ese país sobre los datos de Google Maps, diciendo que aunque puede ser una solución adecuada para muchos caso de uso, por ejemplo cuando alguien quiere enconrar puntos de interés,  son datos que no están autorizados ni autentificados oficialmente. 

El ejecutivo ha añadido que los funcionarios indios no deben utilizarlo en su trabajo diario y ha cuestionado su exactitud. Ha explicado que cuando se trata de realizar obras civiles o gestionar infraestructuras es preferible utilizar los mapas de Survey of India.

No es la primera vez que Google Maps tiene problemas en el país asiático, ya hubo una polémica sobre cómo se veía la frontera de la India en dos regiones en disputa, una con Pakistán (Jammy y Cachemira) y otra con China (Arunachal Pradesh), lo que obligó a Google Maps a mostrar una versión diferente solo en la India adaptada a las exigencias del gobierno.

Y es que cosa criosa, la compañía de Mountain View varía el trazado de las fronteras que publica según las protestas y reclamaciones de los gobiernos, y a menudo ofrece visiones diferentes dependiendo desde donde se consulta la cartografía.

(Visto en TICbeat).

Publicado por el editor.

26 jun 2017

El portal de la IDE Local

http://www.idelocal.es/

No sé si conocéis el portal del SubGrupo de Trabajo de IDE Local, pero vale la pena visitarlo. Su objetivo es promover la implementación de servicios web interoperables en la Administración local española y la apertura de nodos IDE, atendiendo al marco legal y técnico que se está construyendo (normas ISO, estándares OGC, legislación europea y española, y recomendaciones del Consejo Superior Geográfico) evolucionando de manera homogénea, armónica, interoperable, eficiente y sostenible.

El SGT IDE Local se creó en el 2008, está abierto a la participación y para alcanzar sus objetivos se dedica a promover e intercambio de experiencias y la propuesta de iniciativas que perita que el desarrollo de las IDE en el ámbito local se realice de manera que los recursos y las inversiones necesarias sean asumibles y sostenibes.

El portal es muy interesante, contiene sendas listas de nodos IDE municipales y supramunicipales, visualizadores, noticias, información variada y una recopilación muy interesante de la legislación relacionada con las IDE que afecta al ámbito local, desglosada tema por tema de la Directiva INSPIRE (2007/2/CE), por la que se establece una infraestructura de información espacial en la Comunidad Europea. También hay que decir que todo el portal presta especial atención a la Ley 14/2010 de las Infraestructuras y Servicios de Información Geográfica en España (LISIGE) que traspone la Directiva.

Un sitio que cumple un papel estupendo para difundir las IDE en la Administración local, un ámbito difícil de gestiionar y coordinar por el enorme volumen de entidades existentes, su dispersión y su variedad de tamaño, que hace que sus problemas y necesidades sean enormemente diferentes. Os invito a visitarlo y a las entidades de la Administración local que todavía no pertenezcan al grupo a sumarse a él, por supuesto.

Publicado por el editor.

23 jun 2017

Mapa de la homofobia en Sao Paulo

http://especiais.g1.globo.com/sao-paulo/2017/o-mapa-da-homofobia-em-sp/

En  Sao Paulo (Brasil), durante los últimos diez años, 465 víctimas de homofobia (una a la semana) pusieron una denuncia en la Comisaría de Crímenes Raciales y Delitos de Intolerancia (Decradi) de la ciudad. Ahora, los datos anonimizados se han hecho públicos en virtud de la Ley de Acceso a la Información Pública de Brasil y ha sido posible hacer un mapa digital interactivo, con Carto, que muestra los puntos donde se han producido esos delitos y sus características.

Un bonito mapa para denunciar hechos muy feos, porque también con mapas se puede combatir la homofobia. 

Aunque Carto, una potente plataforma de computación en la nube en la modalidad de Software as a Service, no utilice un protocolo estándar OGC para que se comuniquen el servidor de mapas  y el cliente (el visualizador), al menos sí que permite publicar lo que se está viendo como un WMS.

Quizás fuera buena idea tener una plataforma como ésta (SaaS), que mostrase servicios WMTS en su visualizador para que cualquier otro visualizador estándar los pudiera también mostrary combinar.

Salud e interoperabilidad. 

Publicado por el editor.

22 jun 2017

Mapa de obras en carreteras en ejecución

http://www.fomento.gob.es/AZ.MFOM.ObrasCarreteras.Web/obranueva/
Desde hace algunos meses, el Ministerio de Fomento muestra en un visualizador hecho con Leaflet, junto a una lista alfanumérica, las principales obras actualmente en ejecución en la Red de Carreteras del Estado, así como sus características (carretera, tramo, longitud de la obra y presupuesto). La mayoría de las obras se corresponden con nuevos tramos de autovía que supondrán un aumento de la red estatal de gran capacidad, si bien se incluyen algunas obras de mejora y ampliación de capacidad de carreteras ya en servicio, por su especial relevancia. 

Siempre nos ha aparecido que el uso de los WMS y otros servicios OGC constituía una oportunidad para que los gobernos tuviesen un canal privilegiado de comunicación con los ciudadanos para informarle de sus logros, planes y actuaciones. Algunos Ayuntamientos lo habían entendido así, pero no era tan fácil encontrar ejemplos de ámbito nacional. 

También se pueden usar para recabar la opinión de los ciudadanos sobre las infraestructuras públicas o cualquier otra actuación sobre el territorio.

Salud e interoperabilidad.

Publicado por el editor.

21 jun 2017

Inteligencia Artificial aplicada al análisis territorial


Las Infraestructuras de Datos Espaciales habilitan el acceso público y normalizado a gran cantidad y variedad de información mediante servicios interoperables y aplicaciones construidas en torno a ellos. Entre estos conjuntos de datos espaciales, uno de los más populares y recurrentes son las ortofotografías aéreas u ortofotos. Las ortofotos combinan disponibilidad, facilidad de interpretación y costes de producción contenidos. Por el contrario, han ofrecido tradicionalmente una capacidad de análisis automático inferior a conjuntos de datos espaciales de naturaleza vectorial como son las cartografías básicas o temáticas. En este sentido, su uso práctico mayoritario ha sido el de capa de referencia sobre la que, por ejemplo, digitalizar o realizar inspecciones visuales.

Los avances producidos durante los últimos años en el campo del aprendizaje automático (machine learning) junto con la disponibilidad gratuita de diversas plataformas para su desarrollo, hicieron que en el año 2016 iniciáramos en Grafcan una línea de investigación interna con el objetivo de evaluar la viabilidad y resultados de aplicar estas técnicas de inteligencia artificial a la extracción de conocimiento del territorio. En concreto, se planteó un proyecto de detección de cambios a partir de ortofotos de un mismo lugar y fechas diferentes. La detección de cambios, en sentido amplio, es aplicable a muchas actividades (actualización cartográfica, evolución de masas forestales, conocimiento de procesos de erosión, disciplina urbanística, seguimiento de infraestructuras…) y, por lo general, conlleva un proceso costoso. Este proyecto se centró en construcciones y vías de transporte.

La tecnología desarrollada en el proyecto integra la librería de código abierto TensorFlow, desarrollada por Google, para aprendizaje automático. El aprendizaje automático cubre un gran espectro de técnicas y herramientas que deben ser evaluadas en función del problema a resolver. En nuestro caso, empleamos redes neuronales convolucionales profundas que pertenecen a la rama conocida como aprendizaje profundo (deep learning).

Los trabajos para el desarrollo de aplicaciones con redes neuronales se agrupan y ordenan en cuatro fases: definición de la arquitectura de la red, preparación de patrones de entrenamiento, entrenamiento y validación, y puesta en producción.

La definición de la arquitectura de la red implica estudiar diferentes alternativas tecnológicas y seleccionar las configuraciones más adecuadas. Esta fase conlleva un importante componente de prueba y error para adecuar y ajustar la arquitectura al problema a resolver. En nuestro caso, se optó por una configuración de red que comprende un primer bloque basado en un subconjunto de la red VGG-16 que extrae características de las imágenes de entrada y un segundo bloque de capas encargado del control de cambios y su clasificación final. El número total de capas de la red es 22, de las cuales 20 son capas convolucionales y 2 son capas completamente conectadas (fully connected). El número de parámetros de la red es superior a los 36 millones.
            

Los patrones de entrenamiento son un aspecto crítico en la configuración del comportamiento de la red neuronal ya que constituyen la base de su aprendizaje. Para generar estos patrones partimos de la información histórica disponible sobre cambios ocurridos en el territorio canario. Como la información recopilada resultó insuficiente para entrenar adecuadamente una red de este tipo, se desarrollaron herramientas de generación manual (basadas en los servicios de IDECanarias), herramientas de aumento de datos (data augmentation) para generar patrones adicionales partiendo de los existentes mediante la aplicación de técnicas de procesamiento de imágenes (incorporación de ruido, recortes, rotaciones, transformaciones…) y herramientas de generación de patrones artificiales (mediante la superposición de elementos de interés sobre fondos que carecían de ellos).

Para la fase de entrenamiento y validación se generó un conjunto de datos de 90.000 patrones distribuidos en tres categorías: cambio de construcción, cambio de vía y ausencia de cambio. En una estación de trabajo dedicada y equipada con hardware específico (GPU) el entrenamiento ha tenido una duración aproximada de 18 horas. Este proceso de entrenamiento requiere un ajuste de los metaparámetros de la red para obtener resultados óptimos.

Los resultados de la red se evalúan mediante un conjunto de datos de prueba (test set) y otro de validación (validation set). Estos dos conjuntos están formados por patrones desconocidos por la red (no están incluidos en el entrenamiento) y sirven para evaluar el nivel de generalización que exhibe la red con datos «reales» del problema a resolver. La versión actual de la red (v27) presenta un porcentaje de acierto del 96,4 % sobre el conjunto de validación.

Para la puesta en producción de la red se ha desarrollado una aplicación que toma como entrada la url asociada a dos servicios WMS de ortofotos (de 25 cm/píxel en nuestro caso) y un distribuidor de hojas a partir del cual se comienzan a realizar peticiones a los servicios y ejecutar la detección de cambios. Los resultados georreferenciados se almacenan en formato GeoJSON y son fácilmente explotables. En términos de rendimiento, y como ejemplo, la detección de cambios sobre la isla de Lanzarote (845 km2) se llevó a cabo en 42 horas. 
              

Al resultado final se le aplica una supervisión de operador que, en caso necesario, incluye la generación de nuevos patrones de entrenamiento. Estos patrones se incorporan a posteriores reentrenamientos de la red que afinan su comportamiento. Este proceso de mejora continua ha permitido en las primeras semanas de trabajo que la red mejore su capacidad de discriminación y no señale como cambios en el territorio las diferencias producidas por niveles de marea y oleaje, sombras y cambios en superficies de cultivo.

Aunque el objeto de este proyecto han sido los cambios en construcciones y vías de transporte, las técnicas empleadas pueden ser extrapoladas a otros contextos y problemáticas en los que la combinación de inteligencia artificial e información espacial puede realizar contribuciones significativas a la Geomática.

Publicado por José Julio Rodrigo y Jorge Rosales.

20 jun 2017

Nueva versión de la licencia EUPL


La Unión Europea ha publicado ayer la Decisión de Ejecución 2017/863, de 18 de mayo de 2017, por la que actualiza la licencia EUPL (Licencia Pública de la Unión Europea) para facilitar el intercambio y reutilización de las aplicaciones desarrolladas por las Administraciones públicas. 

La nueva licencia EUPL v1.2 tiene:
  • Cobertura más amplia: además de software, cubre información, documentos, especificaciones técnicas, estándares y código fuente.
  • Mayor compatibilidad: es compatible con más licencias de código abierto, hasta un total de diez (como GPL 2 y 3, GNU 2.1 y 3, MPL v2 y CC BYSA 3.0), incluidas en un apéndice que se podrá ampliar en el futuro.
  • Mayor flexibilidad: proporciona a los usuarios mayor espacio para añadir disposiciones particulares, siempre y cuando no contradigan a la propia licencia.
  • Versiones en las 23 lenguas de la UE, entre ellas el castellano.
La licencia EUPL 1.0 fué publicada en 2007, la EUPL 1.1 en 2008 y en ese mismo año, la OSI (Open Source Initiative) certificó que era una licencia de código abierto. Es la licencia recomendada en España por el Esquema Nacional de Interoperabilidad (RD 4/2010) para compartir aplicaciones.

Para el que quiera profundizar en los términos de la licencia, aquí teneís el texto en español:


 en este enlace  tenéis un análisis completo y aquí una comparación con la GPL 3.

Es una licencia vírica que incluye la idea de compartir igual (share alike)  y a pesar de que la primera sensación es pensar ¡Oh, no! Otra licencia más, la verdad es que parece que tene ventajas, como el hecho de estar traducida a un buen número de idiomas y ser compatibles con la legislación europea, cosa que no es la GPL 3.

Es aplicable tambien a datos, pero mi opinión personal es que las licencias víricas de datos no son tan abiertas como las que solo exigen reconocimiento. Por ejemplo, CC BY me parece una licencia más libre, que impone menos barreras que la CC BY-SA

En primer lugar, el software y los datos geográficos son dos recursos muy distintos, el primero se puede distribuir como ejecutable y no es posible saber qué hay allí dentro, con lo que es casi imposible que el mercado coloque en el lugar que le corresponde a una aplicación que tome un software libre y, sin variar nada esencial, lo compile, lo distribuya como  ejecutable y haga negocio con él. Nadie se va a dar cuenta del parecido con el original, por lo que las cláusulas SA tienen sentido.

Sin embargo, tratándose de datos geográficos, la información representada está a la vista y es más fácil identificar si dos conjunto de datos son demasiado parecidos.

Por otro lado, permite usos comerciales y obliga a publicar las obras derivadas con la misma licencia (CC BY-SA) que también los permite, es decir, no permite cerrar los datos en las obras derivadas, aunque incorporen parte de los datos originales y parte de datos nuevos. Esto, en la práctica, hace muy difícil el uso comercial de los datos, porque intentar comercializar datos que hay que publicar bajo CC BY-SA, es decir, datos abiertos, es casi imposible. 

      Además, nos impide el uso libre de esos datos a las organizaciones que hemos adoptado una licencia CC BY, como geonames por ejemplo. Ese problema no se da tanto con el software porque casi no se usan las CC BY.
-           
     Así que por eso me parece que de hecho la licencia CC BY-SA es más restrictiva que la CC BY. Las obras bajo CC BY pueden integrarse en situaciones CC BY-SA, pero no al revés. ¿Qué os parece?

      Publicado por Antonio F. Rodríguez.