Ingeniería agronómica + imágenes satelitales
Una app para valorar ambientes y traducir raster en decisiones rurales.
Pensada para comparar potencial productivo, respaldar tasaciones y estructurar activos con una narrativa técnica clara para clientes, herederos, inversores y estudios jurídicos.
DEM ALOS / Sentinel
Sentinel-2A últimos 10 años
NDVI + BSI promedio por escena
5 ambientes mínimo por campo
1. Geometría de entrada
Carga de polígonos
Admite `KMZ` o `KML`, extrae polígonos y los dibuja sobre un mapa de referencia.
Módulo activo
Listo para comenzar
Subí un `KMZ/KML` para poblar la app.
Resumen técnico
Indicadores del proyecto
Escenas Sentinel generadas
0
Promedio NDVI
0.000
Promedio BSI
0.000
Campos estratificados
0
Señal histórica
NDVI promedio
BSI promedio
2. Catálogo remoto
Escenas y DEM simulados
Este módulo debe alimentarse desde un backend que consulte escenas reales y mosaicos útiles para valuación.
3. Ambientes
Estratificación vectorial
Convierte la señal productiva en superficies por ambiente, con al menos cinco clases por campo.
Vista técnica
Lote normalizado y rotado
Presenta el campo en coordenadas locales, alineado al eje principal para acercarse mucho más a una salida técnica de ambientes.
4. Salida para valuación
Tabla de superficies por ambiente
Lista compacta para usar como insumo técnico en informes agronómicos, tasaciones y subdivisiones.
| Campo | Superficie total | Ambiente | Superficie | Participación | Score productivo |
|---|
Los scores se calculan a partir de la serie simulada NDVI/BSI y sirven para mostrar el criterio de estratificación del MVP.
Notas de implementación
Qué ya resuelve esta versión y qué sigue
Estado actual:
carga de `KMZ/KML`, visualización espacial, resumen por campo, panel técnico del lote y estructura de salida para ambientes.
Siguiente etapa productiva:
conectar un backend real con `GDAL`, `rasterio`, `geopandas`, mosaicos Sentinel, DEM y clasificación raster por ambiente dentro del lote.
Objetivo:
reemplazar salidas sintéticas por resultados generados automáticamente desde imágenes reales, para acercarse al nivel de una clasificación manual de varios días.