PyWaPOR OpenCourseWare

Overview of pyWaPOR data inputs

The instructions provided here will assist you in setting up pyWaPOR for a test case using Colab and to run the test case and investigate the output file.

For running pywapor locally on your laptop, you need to install Python program and install pywapor package in your python environment. This can be done in several ways, however, we recommend you use Mamba package manager, because it is fast, robust, and cross-platform. 

In this tutorial, you will create a Jupyter Notebook to run pyWaPOR for your own case study on your local computer. Similar to the test case, this notebook should contain all the code cells to set up a project, configure the input dataset, set up accounts, download data, run the rootzone soil moisture (SERoot) model and run the ETLook model. However, the difference is you will create and run this notebook on your local computer.

In this tutorial you'll learn to use QGIS to read and visualise NetCDF data as raster or mesh layers. The data for this tutorial can be accessed here

After successfully running pyWaPOR, you will get the result in netCDF file format. You can extract the information you may like to include in a report or a presentation by processing the netCDF outputs. In this tutorial, we will use two python scripts to postprocess the results of the pyWaPOR and to export the data into TIFF files.

Access the data here

Les instructions fournies ici vous aideront à configurer pyWaPOR pour un cas de test en utilisant Colab et à exécuter ce cas de test ainsi qu'à examiner le fichier de sortie.

Pour exécuter pyWaPOR localement sur votre ordinateur portable, vous devez installer le programme Python et installer le package pyWaPOR dans votre environnement Python. Cela peut se faire de plusieurs façons, cependant, nous vous recommandons d'utiliser le gestionnaire de packages Mamba, car il est rapide, robuste et multiplateforme.

Dans ce tutoriel, vous allez créer un Jupyter Notebook pour exécuter pyWaPOR sur votre propre étude de cas, sur votre ordinateur local. Similaire à l'exemple de test, ce notebook devra contenir toutes les cellules de code nécessaires pour configurer le projet, configurer l'ensemble de données d'entrée, paramétrer les comptes, télécharger les données, exécuter le modèle d'humidité du sol de la zone racinaire (SERoot) et exécuter le modèle ETLook. Cependant, la différence ici est que vous allez créer et exécuter ce notebook sur votre ordinateur local.

Dans ce tutoriel, vous apprendrez à utiliser QGIS pour lire et visualiser les données NetCDF sous forme de couches raster ou de maillage. Les données de ce tutoriel sont accessibles ici

Après avoir exécuté avec succès pyWaPOR, vous obtiendrez le résultat au format de fichier netCDF. Vous pouvez extraire les informations que vous souhaitez inclure dans un rapport ou une présentation en traitant les sorties netCDF. Dans ce tutoriel, nous utiliserons deux scripts Python pour post-traiter les résultats du pyWaPOR et pour exporter les données dans des fichiers TIFF.

Accédez aux données ici

Las instrucciones proporcionadas aquí le ayudarán a configurar pyWaPOR para un caso de prueba usando Colab, a ejecutar el caso de prueba y a explorar el archivo de salida.

Para ejecutar pywapor localmente en su computadora portátil, debe instalar el programa Python e instalar el paquete pywapor en su entorno python. Esto se puede hacer de varias maneras, sin embargo, le recomendamos que use el administrador de paquetes Mamba, porque es rápido, robusto y multiplataforma.

En este tutorial, creará un cuaderno (Jupyter Notebook) para ejecutar pyWaPOR para su propio caso de estudio en su computadora local. De manera similar al ejemplo de prueba, este cuaderno debe contener todas las celdas de código para configurar el proyecto, configurar el conjunto de datos de entrada, configurar cuentas, descargar datos, ejecutar el modelo de humedad del suelo de la zona de raíces (SERoot) y ejecutar el modelo ETLook. Sin embargo, la diferencia es que usted creará y ejecutará este cuaderno en su computadora local.

En este tutorial aprenderá a utilizar QGIS para leer y visualizar datos NetCDF como capas ráster o de malla. Puede acceder a los datos de este tutorial aquí

Después de ejecutar con éxito pyWaPOR, obtendrá el resultado en formato de archivo netCDF. Puede extraer la información que desee incluir en un informe o una presentación procesando las salidas de netCDF. En este tutorial, utilizaremos dos scripts de Python para posprocesar los resultados de pyWaPOR y exportar los datos a archivos TIFF.

Acceda a los datos aquí

For running pywapor locally on your laptop, you need to install Python program and install pywapor package in your python environment. This can be done in several ways, however, we recommend you use Mamba package manager, because it is fast, robust, and cross-platform. 

Once you have python and pywapor installed, you can run pywapor model through Python console (command line interface). However, we recommend you to use Jupyter Lab interface. JupyterLab is a web-based interactive development environment for notebooks, code, and data. It will allows you take notes, interact with you python scripts and save the outputs in digital notebooks.

In this book, we will take you through the steps to install python and python packages on your PC. The instructions are adapted from GISOpenCourseWare 

The instructions provided here will assist you in setting up pyWaPOR for a test case (to ensure the environment and notebook are properly set up) and to run the test case and investigate the output file.

Reclass raster map
Digitizing Field boundaries

Plot ETa/NDVI/Biomass time series per landcover class

This video explains the aggregation of the dekadal data into monthly data

This video explains how to create time series of average ETa per land cover class