Análisis territorial · Cartografía digital · Modelamiento geoespacial · Teledetección
Geógrafo titulado de la Universidad Austral de Chile con especialización en análisis territorial, sistemas de información geográfica (SIG) y procesamiento de datos espaciales. Mi trabajo se enfoca en el estudio de dinámicas socioambientales y transformaciones territoriales mediante metodologías geoespaciales avanzadas, teledetección satelital y diseño de bases de datos geográficas. Cuento con experiencia en flujos analíticos raster/vectorial, automatización de geoprocesos mediante programación y desarrollo de salidas cartográficas de alta precisión para la toma de decisiones.
|
|
|
| SIG & Análisis Espacial | Programación & Datos | Entornos & Visualización |
|---|---|---|
 QGIS |
 Python |
 VS Code |
 PostGIS / SQL |
 R Project |
 Power BI |
Detalle de uso por software
- QGIS: Análisis espacial multicriterio, procesamiento vectorial/raster y composición cartográfica avanzada.
- Google Earth Engine: Procesamiento y análisis de imágenes satelitales en la nube, cálculo de índices espectrales (NDVI, NBR, NDWI) y análisis multitemporal con colecciones Sentinel y Landsat.
- ESA SNAP: Procesamiento y tratamiento de imágenes satelitales Sentinel.
- Python: Automatización geoespacial (
geopandas,rasterio,leafmap,whitebox) y análisis de datos. - R / RStudio: Análisis estadístico territorial, modelamiento de redes viales (
dodgr), mallas hexagonales (h3) y cartografía contmap. - PostGIS / SQL: Consultas espaciales, gestión de geometrías y estructuración de geodatabases relacionales.
- Visual Studio Code & JupyterLab: Desarrollo y documentación de análisis reproducibles mediante notebooks y scripts.
- Google Colab: Ejecución de notebooks y procesamiento remoto en la nube.
- Power BI: Visualización, análisis de datos y construcción de dashboards de seguimiento territorial.
|
Contexto & Diagnóstico: Análisis territorial multidimensional sobre el gran incendio de Interfaz Urbano-Forestal (IUF) de 2014 en Valparaíso. El estudio aborda la compleja topografía de quebradas, la precariedad habitacional y la vegetación pirófila como factores determinantes de la vulnerabilidad y propagación del fuego. Metodología Aplicada: Modelamiento geoespacial mediante Modelos Digitales de Elevación (DEM) para pendientes y exposición, cruce de capas de zonificación urbana y delimitación del perímetro de afectación. Las propuestas de adaptación se articularon bajo el marco teórico de las 4R de la Resiliencia (Robustez, Redundancia, Recursos y Rapidez). Resultado: Lámina infográfica técnica de síntesis orientada a la toma de decisiones y a la divulgación de directrices de mitigación para la Reducción del Riesgo de Desastres (RRD). Áreas de Enfoque: Reducción del Riesgo de Desastres (RRD) · Interfaz Urbano-Forestal (IUF) · Planificación y Resiliencia Territorial
Stack Técnico:
|
Clic en la imagen para abrir la lámina técnica en alta resolución |
Modelado de tiempos de desplazamiento hacia equipamientos de salud (grilla hexagonal H3) |
Contexto & Diagnóstico: Evaluación de la equidad territorial y el acceso a equipamientos críticos de salud (centros asistenciales y unidades de diálisis). Supera la limitación de los radios euclidianos ("a vuelo de pájaro") cuantificando la fricción real impuesta por la infraestructura vial sobre los desplazamientos cotidianos. Metodología Aplicada: Pipeline analítico en R estructurado en dos etapas clave: discretización regular del espacio mediante celdas hexagonales jerárquicas con H3 (Uber) y ruteo sobre redes con dodgr. Se descargó y ponderó la red vial de OpenStreetMap para calcular la impedancia real por modos de transporte (peatonal y vehicular).
Resultado: Cálculo de matrices de costo temporal continuo hacia los equipamientos de destino, visualización temática con Áreas de Enfoque: Accesibilidad Territorial · Teoría de Grafos y Redes · Geoestadística · Planificación Sanitaria
Stack Técnico: |
Contexto & Diagnóstico: Monitoreo de dinámicas de ocupación y cambio en las coberturas del suelo en la comuna de Osorno (periodo 2018–2024). El desafío radicó en discriminar clases complejas (construcciones dispersas, parcelaciones, suelos agrícolas y tipos de vegetación) en un entorno templado-húmedo con alta nubosidad y relieve accidentado.
Metodología Aplicada:
Pipeline de fusión sensorial multiespectral y de radar. Se integraron bandas ópticas de Sentinel-2, retrodispersión de radar de apertura sintética (SAR) de Sentinel-1 y variables topográficas derivadas de un DEM, preprocesados y co-registrados en ESA SNAP. La clasificación se ejecutó en Python mediante un modelo de Random Forest optimizado por bloques (GeoRandomForestClassifier), entrenado con polígonos de muestra en formato GPKG y evaluado mediante métricas de validación cruzada (Accuracy global, Kappa, F1-Score por clase e importancia de bandas espectrales).
Resultado: Mapeo multitemporal de 8 clases de cobertura del suelo (Agrícola, Agua, Arbóreo, Construcciones, Pastizal, Plantas Bajas, Sin Vegetación y Roca/Pavimento), evidenciando la expansión de áreas construidas e infraestructura vial hacia 2024.
Áreas de Enfoque: Teledetección · Fusión Óptica/SAR · Machine Learning Aplicado · Detección de Cambios
Stack Técnico:
-003399?style=flat-square){kind=icon}
-003399?style=flat-square){kind=icon}
Figura: Comparativa de clasificación supervisada de cobertura del suelo (2018 vs 2024) Sector Este, en la comuna de Osorno.
