Nueva York mapea todos sus árboles y calcula el beneficio económico de cada uno

Les paso este proyecto de mapeo de árboles en la ciudad de Nueva York escrito por Constanza Martínez de “Plataforma Urbana”, Este proyecto puede servir de inspiración para realizar en MADIC.

Por Constanza Martínez Gaete

© NYC Parks

© NYC Parks

Los espacios públicos, las plazas y los parques de Nueva York son administrados por el Departamento de Parques y Recreación de la Ciudad (NYC Parks).

En los últimos años, esta institución se ha encargado de crear nuevos programas para que niños, jóvenes y adultos tengan conciencia sobre la importancia de cuidar su paisaje urbano.

Uno de estos programas es TreesCount! que en 2015 convocó a 2.300 voluntarios para que aprendieran cuáles son los árboles que están en su entorno, en qué estado se encuentran, qué cuidados necesitan, cuáles son sus medidas, cómo benefician a su población cercana, etc.

Durante meses salieron a recorrer las calles de los cinco condados junto a un grupo de monitores que los capacitaron previamente para que supieran cuáles eran los árboles que estaban estudiando y sus características.

Ahora la información de estas caminatas, que dieron origen a un catastro del bosque urbano, está disponible en un Mapa de árboles de la ciudad de Nueva York.En él cualquier persona puede revisar estadísticas sobre cada uno de los 685.781 árboles catastrados, un calendario de actividades relacionadas al cuidado de los árboles, el número total de especies y conocer cuál es la más común en su barrio.

© NYC Parks

© NYC Parks

Respecto a los datos de cada árbol, no se dejó de lado ningún detalle, partiendo porque a cada uno se le asignó un número de identificación único o ID, junto con darle un color dependiendo de su especie. Además, cuenta con su ubicación exacta acompañada de su imagen correspondiente en Google Street View, la posibilidad de avisar sobre un problema que presente y un resumen de los beneficios ecológicos traducidos en un valor económico para cada uno.

Esto último significa que al elegir un árbol en el mapa se puede ver la cantidad de aguas lluvias que retiene cada año (expresado en galones) y el dinero que este ejemplar evita que se gaste cada año. Lo mismo se estima con la energía eléctrica que se logra conservar, calculada en kilovatios por hora (kWh), y la reducción de gases contaminantes.

Todos estos son formulados según las cifras del Servicio Forestal de Estados Unidos que permite estimar un total de los beneficios ecológicos que da un árbol en dólares. En el caso del árbol de la imagen inferior, este tiene un beneficio para su población que equivale a poco más de US$500 dólares anuales.

© NYC Parks

Haz click para agrandar. © NYC Parks

Si quieres navegar por el mapa haz click aquí.

Advertisements

Curso abierto de Análisis exploratorio de datos con Pandas

La definición más común del Análisis Exploratorio de Datos la propone John W. Tukey y se refiere al tratamiento estadístico al que se someten las muestras recogidas durante un proceso de investigación en cualquier campo científico.

Sin embargo en el área de los sistemas de información geográfica (SIG)’s cuando tratamos con datos relacionados con el espacio y tiempo, este análisis de datos se refiere a: “El proceso iterativo de búsqueda de patrones geográficos en los datos, así como las relaciones entre otros elementos. (Mitchell 1999). Andrienko y Andrienko, 2006 plantean que este proceso comienza con la formulación de una pregunta de investigación, seguida de un método de análisis partir del tipo de dato disponible y el nivel requerido de información. (que a su vez puede generar datos adicionales). Después el dato es procesado y el resultado se despliega, lo que permite analizar la información y validar su utilidad o replantear los datos con distintos parámetros y otras técnica para interpretar y evaluar los datos obtenidos.

La diferencia de un análisis estadístico puro y uno que se hace en un sistema de análisis geográfico parece radicar en el tipo de dato al que se enfrenta la person y la variedad de métodos disponibles.

Es por eso que me llamo la atención este curso. Quizás valga la pena echarle un ojo.

Open Machine Learning Course. Topic 1. Exploratory data analysis with Pandas

View at Medium.com

Referencias

Andrienko, N., & Andrienko, G. (2006). Exploratory analysis of spatial and temporal data: a systematic approach. Berlin ; New York: Springer.