lac-analytics / gdlaire Goto Github PK

Base de datos de Sinaica con claves de estaciones de monitoreo y coordenadas en WGS.

Descarga de plano base y subida a base de datos.

Reestructurar tablas de concentraciones de contaminantes para que se tengan dos tablas, una con información horaria y otra diaria con formato:
Fecha | Hora | Estación | Contaminante | Concentración | x | y |

Create:

• function to upload any GeoDataframe to the postGIS DB.
• function to retrive any table from the postGIS DF

Modigy the function that uploads data to the DB to create the schema if it doesn't exist.

Corregir código de interpolación/extrapolación para que no elimine las estaciones que no tienen datos y siempre se hagan extrapolaciones.

Automatizar el proceso de la recolección de datos de todos los sensores aplicando el método del issue #44 e incporporando los datos a la base desarrollada en el issue #45. La recolección de datos se debe de hacer cada 24h.

Interpolación de los datos de calidad del aire para el área de las estaciones.

Creación de base de datos postGIS para almacenar datos limpios.
Incluir:

• Medición
• Estación
• timestamp
• Ubicación (geometry)

Leer las estaciones de macrobus y generar los radios de acción.

Schemas en bases de datos

• Acceder a los datos de la api de Plume Labs desde Python
• Descargar la información en JSON
• Modificar el formato a DataFrame
• Agrupar los datos de sensores en periodos de cinco minutos.
• Interpolar las posiciones conocidas a las mediciones de contaminación atmosférica.
• Definir una posición estimada para todas las mediciones que quedan fuera del tiempo de los trayectos.
• Interpolar las concentraciones a los puntos registrados por el GPS.

Los puntos de las interpolaciones que se cargan a PostGIS no contienen CRS a pesar de que se define.

https://github.com/nateraluis/gdlaire/blob/7f2dcd77ab486bd146913ad6054fdb3847986f20/output/text/data.md#L46-L46

Agregar campos con información para visualizaciones a interpolaciones.

• Campo de tamaños

• Campo de colores de acuerdo con IMECA

Fix import src
Encontrar un nombre nuevo.

Agrupaciones de datos por temporada.

Se debe de crear una base de datos histórica para todos los sensores que vaya de un tiempo 0 definido con el equipo hasta una fecha actual e implementar el método elaborado en el issue #44.

• Definir la fecha inicial para la recolección de datos.
• Iterar para todos los sensores e integrarlos a una única base de datos con: id_sensor, fecha, mediciones, posiciones, tipo de registro.

Limpieza de datos de SEMADET para generar base de datos estructurada:

• Base de datos por estación/día
• Base de datos por estación/hora

Habilitar función para leer y escribir tablas no geográficas usando pandas

Actualizar código de interpolación para que utilice la información de la base de datos del proyecto.

Descarga de los datos dentro de la red de PIPCiudadFuturo de SmartCitizen.

• Acceso a los datos de la api de SmartCitizen
• Obtener los id de los sensores con el tag PIPCiudadFuturo
• Descarga de los datos de los sensores
• Creación de una base de datos a partir de los datos descargados