OVS-Biodiversidad (Partido de La Plata)

Proyecto final de la materia Web Semántica y Grafos de Conocimiento

Este proyecto integra datos del Observatorio de Valores del Suelo (OVS) con datos de biodiversidad para:

• Enriquecer el grafo RDF con agregados de observaciones por inmueble (buffer 500 m).
• Incorporar observaciones individuales de especies (con coordenadas).
• Ejecutar consultas SPARQL y generar mapas de calor de inmuebles y de observaciones de especies.

El flujo principal está en el notebook: entrega_final.ipynb.

Requisitos

• Python 3.10+
• Java 8+ (o 11+) para ejecutar Apache Jena Fuseki
• Git
• Visual Studio Code con extensiones:
  • Python
  • Jupyter

Clonar el repositorio

En PowerShell o CMD:

git clone https://github.com/TeoBarrena/OVS-Biodiversidad.git
cd <OVS-Biodiversidad>

Crear entorno virtual e instalar dependencias

py -m venv .venv
.\.venv\Scripts\activate
pip install -r requirements.txt

%pip install -r requirements.txt

O directamente ejecutar la primer celda de código del archivo entrega_final.ipynb que se encarga de instalar las dependencias necesarias.

Cargar los datos en Apache Jena Fuseki

Para consultas SPARQL se usa el endpoint: http://localhost:3030/OVS-Biodiversidad/query. Para que funcione:

1. Descarga Apache Jena Fuseki desde: https://jena.apache.org/download/index.cgi
2. Descomprime el archivo y abre una terminal en la carpeta donde está fuseki-server.jar.
3. Ejecuta el servidor:

   java -jar fuseki-server.jar

4. Abre http://localhost:3030 en el navegador.
5. Crea un dataset llamado exactamente: OVS-Biodiversidad.
6. Carga el archivo TTL incluido en el repo:
   • Ruta: grafos/biodiv_inmuebles_la_plata_COMPLETO.ttl
   • Cárgalo en el dataset OVS-Biodiversidad.

Si se desea usar otro motor de consultas sparql, la sintáxis de las consultas deberían funcionar igualmente.

Abrir y ejecutar el notebook

Opción VS Code:

• Abrir la carpeta del proyecto en VS Code.
• Abrir entrega_final.ipynb.
• Selecciona el intérprete de Python del entorno .venv.
• Ejecuta celda por celda.

Opción Jupyter:

jupyter notebook

Luego abrir entrega_final.ipynb.

Estructura del notebook (entrega_final.ipynb)

1. Instalación de dependencias

   • Se ejecuta la celda con %pip install -r requirements.txt.

2. Generación de CSV de observaciones (opcional)

   • Combinación y depuración de CSVs de iNaturalist para producir csv/datos_especies_final.csv.

3. Generador del grafo RDF (.ttl) — opcional, porque ya está incluido en la carpeta "grafos"

   • Creación de grafos/biodiv_inmuebles_la_plata_COMPLETO.ttl con:
     • Agregados de observaciones por inmueble (buffer 500 m, conteos).
     • Observaciones individuales de especies con coordenadas.
   • Aviso: tarda ~28 minutos.

4. Consultas SPARQL para inmuebles

   • Generación de mapa_calor_sparql/datos_basicos.csv con:
     • URI del inmueble, punto WKT, conteo total de especies únicas.

5. Mapa de impacto por inmueble (colores por cantidad de especies)

   • Generación de mapa_calor_sparql/mapa_impacto_inmuebles.html.

6. Consulta SPARQL solo de inmuebles (para heatmap)

   • Generación de mapa_calor_sparql/datos_inmuebles.csv.

7. Mapa de calor de inmuebles

   • Generación de mapa_calor_sparql/mapa_calor_inmuebles.html.

8. Consulta SPARQL de observaciones individuales de especies

   • Generación de mapa_calor_sparql/datos_especies_individuales.csv con:
     • URI de observación, WKT, URI de especie, nombre común (si existe), reino (si existe).

9. Mapa de calor de observaciones de especies

   • Generación de mapa_calor_sparql/mapa_calor_especies.html.

Salidas generadas

• CSV:
  • mapa_calor_sparql/datos_basicos.csv
  • mapa_calor_sparql/datos_inmuebles.csv
  • mapa_calor_sparql/datos_especies_individuales.csv
• Mapas:
  • mapa_calor_sparql/mapa_impacto_inmuebles.html
  • mapa_calor_sparql/mapa_calor_inmuebles.html
  • mapa_calor_sparql/mapa_calor_especies.html

Abrir los archivos HTML con un navegador, para la visualización del mapa creado.