Desforestación y Perdida de Hábitat

¿Podés detectar deforestación desde tu computadora, sin instalar nada y sin pagar licencias? Sí. Y en este curso te mostramos exactamente cómo.

Deforestación y Pérdida de Hábitat con APIs Abiertas es un curso práctico de nivel intermedio donde vas a construir, desde cero, un pipeline completo de análisis ambiental usando Python, Google Earth Engine, GBIF, IUCN, ERA5 y Mistral AI — todo desde Google Colab, con datos abiertos y gratuitos.

El caso de estudio es real: el departamento Campo Gallo en Santiago del Estero, una de las zonas con mayor tasa de desmonte del Gran Chaco argentino. Nuestros propios análisis con Landsat sobre el período 2015–2024 revelan pérdidas masivas de cobertura vegetal. Vos vas a reproducir ese análisis y llevarlo mucho más lejos.

━━━━━━━━━━━━━━━━━━━━

🛰️ LO QUE VAS A APRENDER

━━━━━━━━━━━━━━━━━━━━

MÓDULO 1 — Fundamentos y entorno de trabajo

Configurá Google Earth Engine desde Colab, definí tu área de análisis y descargá tus primeras imágenes Landsat 8/9 y Sentinel-2.

MÓDULO 2 — Detección de cambio forestal

Calculá NDVI, EVI y NDWI, construí una serie temporal 2015–2024 y mapeá la pérdida forestal por severidad. Validá tus resultados con Hansen Global Forest Change.

MÓDULO 3 — Biodiversidad en áreas deforestadas

Consultá la API de GBIF para obtener registros de especies en la zona deforestada, evaluá su estado de amenaza con la IUCN Red List y construí un semáforo de riesgo biodiversidad.

MÓDULO 4 — Variables climáticas y contexto ambiental

Descargá datos ERA5 con Open-Meteo, analizá precipitación y temperatura 2015–2024 y correlacioná el cambio de NDVI con las anomalías climáticas para separar desmonte de sequía.

MÓDULO 5 — Informe profesional con IA

Integrá todos los resultados en un informe PDF multipágina, con narrativa redactada automáticamente por Mistral AI y figuras en 300 DPI. Un documento listo para presentar ante organismos públicos, ONGs o consultoras ambientales.

━━━━━━━━━━━━━━━━━━━━

🔧 TECNOLOGÍAS QUE USÁS

━━━━━━━━━━━━━━━━━━━━

Google Earth Engine · Landsat 8/9 · Sentinel-2 · Hansen GFC · GBIF API · IUCN Red List API · Open-Meteo ERA5 · Mistral AI · GeoPandas · Rasterio · Folium · Matplotlib · Seaborn · SciPy · ReportLab

━━━━━━━━━━━━━━━━━━━━

📋 REQUISITOS

━━━━━━━━━━━━━━━━━━━━

✔ Python básico: variables, listas, bucles y funciones

✔ Nociones de GIS: capas, coordenadas y proyecciones

✔ Cuenta de Google (para Colab y GEE)

✖ No se requiere experiencia previa con GEE ni APIs REST

━━━━━━━━━━━━━━━━━━━━

📦 QUÉ INCLUYE

━━━━━━━━━━━━━━━━━━━━

✔ 5 módulos · 20 clases

✔ 5 notebooks de Google Colab descargables con código completo

✔ Videos explicativos por clase (15–25 minutos)

✔ Ejercicios propuestos al final de cada clase

✔ Datasets de muestra por módulo

✔ Acceso de por vida y actualizaciones incluidas

━━━━━━━━━━━━━━━━━━━━

🌎 EL RESULTADO FINAL

━━━━━━━━━━━━━━━━━━━━

Al terminar el curso vas a tener un informe de Deforestación y Riesgo Biodiversidad generado 100% desde Python, con mapas satelitales, tablas de impacto por especie, análisis climático y resumen ejecutivo redactado por IA. Y lo mejor: cambiando una sola variable podés replicar el análisis en cualquier región del mundo.