Tarea 3 - Floración y Producción Agrícola
Predicción de ENT — Floración, vegetación y exposición a pólenes

Un pipeline (de procesamiento) en este proyecto es una secuencia automatizada de etapas que transforman datos brutos (agrícolas, satelitales y climáticos) en un conjunto coherente y reproducible de indicadores por comuna. Cada etapa toma los resultados de la anterior, los transforma, los valida y los guarda en formatos standard. Un pipeline se ve así:

• Normalicen nombres/códigos de comuna y cultivo.
• Construyan métricas por comuna-año: superficie_ha, producción_ton, diversidad_cultivos (p.ej., índice de Shannon), principales cultivos.

import pandas as pd
ine=pd.read_csv("data/ine_agricola.csv")
mapa=pd.read_parquet("data/comunas_codigos.parquet")
ine=ine.merge(mapa,how="left",on=["region","provincia","comuna"])
agg=(ine.groupby(["comuna_id","anio"])
         .agg(superficie_ha=("superficie_ha","sum"),
              produccion_ton=("produccion_ton","sum"),
              cultivos=("cultivo","nunique"))
         .reset_index())
agg.to_parquet("out/agricola_comuna_anio.parquet")
print(agg.head(3))

• Seleccionen meses relevantes para floración por macro-estación (p.ej., SON y DJF).
• Enmascaren nubes y sombras con la banda SCL/QA.
• Generen composites mensuales por comuna utilizando zonal statistics.
• Calculen NDVI, SAVI y NDWI; documenten fórmulas y bandas usadas.

import rasterio, geopandas as gpd, numpy as np
from rasterstats import zonal_stats
g=gpd.read_file("geo/comunas.gpkg").to_crs(32719)
def comp_zonal(path_red,path_nir,path_green,geom):
    with rasterio.open(path_red) as r, rasterio.open(path_nir) as n, rasterio.open(path_green) as gch:
        red, nir, gr=r.read(1).astype("float32"), n.read(1).astype("float32"), gch.read(1).astype("float32")
    ndvi=(nir-red)/((nir+red)+1e-6)
    savi=((1.5*(nir-red))/((nir+red+0.5)+1e-6))
    ndwi=(gr-nir)/((gr+nir)+1e-6)
    arr={"ndvi":ndvi,"savi":savi,"ndwi":ndwi}
    out={}
    for k,a in arr.items():
        zs=zonal_stats(geom,a,stats=["mean","median","std"],affine=r.transform,nodata=np.nan)
        out|={f"{k}_{s}":[zs[i][s] for i in range(len(zs))] for s in ["mean","median","std"]}
    return out

• Unifiquen índices por comuna-mes.
• Detecten ventanas de floración con una o más reglas:
  • umbral relativo: NDVI/SAVI por encima del percentil 75 de la comuna y pendiente positiva;
  • picos mediante peak finding tras suavizado (p.ej., media móvil 3).
• Reporten por comuna: inicio, fin, duración y magnitud del pico principal por año.

idx=pd.read_parquet("out/índices_vegetación.parquet")
idx=idx.sort_values(["comuna_id","fecha"])
idx["ndvi_smooth"]=idx.groupby("comuna_id").ndvi_mean.transform(lambda s: s.rolling(3,1).mean())
thr=idx.groupby("comuna_id").ndvi_smooth.transform(lambda s: s.quantile(0.75))
idx["flag_flor"]= (idx.ndvi_smooth>=thr) & (idx.ndvi_smooth.diff().gt(0))
win=(idx[idx.flag_flor].groupby(["comuna_id","anio"])
       .agg(inicio=("fecha","min"), fin=("fecha","max"),
            ndvi_max=("ndvi_smooth","max"), dur_dias=("fecha","nunique"))
       .reset_index())
win.to_parquet("out/fenología_resumen.parquet")
print(win.head(3))

• Integren clima_contam_t2.parquet por comuna-mes.
• Analicen asociaciones exploratorias:
  • correlaciones entre magnitud/duración de floración y temperatura, humedad, precipitación;
  • cruces con NO2, O3, SO2.
• Entreguen 3–5 figuras estándar: mapas de pico de floración, calendarios de calor por comuna, y scatter con bandas de confianza.

fen=pd.read_parquet("out/fenología_resumen.parquet")
cc=pd.read_parquet("data/clima_contam_t2.parquet")
df=fen.merge(cc,on=["comuna_id","anio","mes"],how="left")
corr=(df[["ndvi_max","dur_dias","t2m_mean","rh_mean","pr_sum","no2_mean","o3_mean","so2_mean"]]
      .corr().round(2))
print(corr)

• Generen features por comuna-mes: ndvi_mean, savi_mean, ndwi_mean, ndvi_max, dur_flor, indicadores de estación y de cultivos dominantes.
• Guarden un único features_vegetacion.parquet documentado y listo para su unión con epidemiología y socioeconómicos.