🔬 Ciencia Abierta¶

Proyecto de Publicación — Datos FAIR con anonimización desde El Salto¶

Datasets mensuales con DOI. Estándares Darwin Core, DataCite, Dublin Core.
InvenioRDM autoalojado. Anonimización espacial y privacidad diferencial.
Proyecto transversal de ⛰️ El Salto.

Versión 1.0 · Mayo 2026

1. Resumen Ejecutivo¶

El proyecto de Ciencia Abierta de El Salto es el responsable de publicar los datos generados por todos los demás proyectos de la finca bajo estándares FAIR (Findable, Accessible, Interoperable, Reusable), con una capa de anonimización que protege la información sensible sin renunciar a la transparencia.

Cada mes, el pipeline automático recoge datos de sensores, registros de campo en farmOS, detecciones de biodiversidad (BirdNET, Frigate, MegaDetector) y los publica en InvenioRDM con un DOI único que hace cada dataset citable y rastreable.

Los datasets aparecen indexados en Google Dataset Search, OpenAIRE y DataCite Search, posicionando a El Salto como referencia de ciencia abierta en agricultura regenerativa.

Visión: Que cualquier investigador del mundo pueda verificar con datos reales que la agricultura regenerativa funciona, sin comprometer la seguridad ni la intimidad de la finca.

2. Qué datos se publican¶

Proyecto	Datos publicados	Periodicidad
🌾 Agricultura Regenerativa	NDVI, humedad del suelo, temperatura, 10 criterios regenerativos, biodiversidad (aves, fauna, flora)	Mensual
🐝 Corral del Viento	Peso de colmenas, temperatura interior, producción de miel, espectro polínico, morfometría alar	Mensual
🐔 Gallinero	Puesta por raza, temperatura/humedad de gallineros, tiempo de pastoreo	Mensual
🌦️ Proyecto Clima	Temperatura, precipitación, viento, radiación solar, ET₀, microclima por zona	Mensual

3. Estrategia de anonimización¶

Inspirada en GBIF (Global Biodiversity Information Facility):

Capa	Técnica	Aplica a
Redondeo espacial	Coordenadas a 0.01° (~1.1 km) para datos productivos; 0.001° (~110 m) para biodiversidad no sensible	Sensores, cultivos, fauna
Privacidad diferencial	Ruido Laplaciano con ε=1.0 para volúmenes de producción	Cosechas, miel, huevos
Agregación temporal	Mensual o trimestral, nunca diario	Producción, sensores
Agregación espacial	Por zona o raza, no por parcela o ejemplar	Rendimientos, genética
Revisión humana	El responsable revisa y aprueba antes de publicar	Todo dataset

Cada dataset incluye metadatos Darwin Core estandarizados:

{
  "dataGeneralizations": "Coordenadas redondeadas a 0.01°. Volúmenes con DP ε=1.0.",
  "informationWithheld": "Ubicación exacta de cultivos y colmenas experimentales. Producción diaria.",
  "coordinateUncertaintyInMeters": 1100,
  "coordinatePrecision": 0.01
}

4. Pipeline de publicación¶

Día 1 de cada mes:
  Sensores + farmOS + BirdNET + Frigate + MegaDetector
         ↓
  n8n: extraer, formatear, empaquetar
         ↓
  [ANONIMIZACIÓN] n8n: redondear coordenadas, aplicar DP, agregar
         ↓
  API POST → InvenioRDM (metadatos FAIR + campos de anonimización)
         ↓
  Notificación al responsable → revisar → aprobar
         ↓
  Dataset público con DOI, indexado en Google Dataset Search

5. Estándares que sigue¶

Estándar	Para qué
FAIR	Findable, Accessible, Interoperable, Reusable — 15 principios
DataCite	Metadatos de citación y DOI único por dataset
Dublin Core	Metadatos bibliográficos universales
Darwin Core	Estándar de biodiversidad de GBIF
CC BY 4.0	Licencia de los datos — atribución requerida, uso libre
CC0	Licencia de los metadatos — dominio público
Frictionless Data	`datapackage.json` para validación y portabilidad

→ Guía detallada: estándares y pipeline de anonimización

6. Integración con SmallCountry¶

6.1 Servicios que usará¶

Recurso	Para qué
InvenioRDM	Repositorio de datos científicos con DOI
n8n	Pipeline automático de publicación mensual
Forgejo	Scripts de anonimización (Python, OpenDP)
MkDocs	Documentación de datasets y metodología
Victoria Metrics	Fuente de datos de sensores y métricas
PostGIS	Fuente de datos geoespaciales
Zona Cero	Servicio de datasets públicos (aislado del núcleo)

Para el administrador

Servicio InvenioRDM¶


LXC	Por asignar
IP	Por asignar — Zona Cero
Tier	C — Conveniente
Impacto	🟢 Caída = publicación pospuesta al mes siguiente
Dominio	`datos.elsalto.sc`
ZFS dataset	`rpool/datos/invenio/`
Backup	PBS diario + ZFS snapshot @15min

Healthchecks¶

curl -s https://datos.elsalto.sc/api/records | jq '.hits.total'

Pipeline mensual¶

El día 1 de cada mes a las 02:00 UTC, n8n ejecuta el flujo ciencia-abierta-mensual. Monitorizar en n8n.elsalto.sc.

Para el arquitecto

Diagrama del pipeline de publicación¶

flowchart LR
    subgraph Fuentes["📡 Fuentes"]
        Sensores[Sensores IoT]
        farmOS[farmOS]
        BirdNET[BirdNET]
        Frigate[Frigate]
    end

    subgraph Pipeline["⚙️ Pipeline n8n"]
        Extraer[Extraer datos]
        Formatear[Formatear<br/>Darwin Core]
        Anonimizar[Anonimizar<br/>redondeo + DP]
        Validar[Validar<br/>k-anonimidad]
    end

    subgraph Publicacion["🔬 Publicación"]
        Invenio[InvenioRDM]
        DOI[DOI DataCite]
    end

    subgraph Indexacion["🌐 Indexación"]
        GoogleDS[Google Dataset Search]
        OpenAIRE[OpenAIRE]
    end

    Sensores --> Extraer
    farmOS --> Extraer
    BirdNET --> Extraer
    Frigate --> Extraer

    Extraer --> Formatear
    Formatear --> Anonimizar
    Anonimizar --> Validar
    Validar --> Invenio
    Invenio --> DOI
    DOI --> GoogleDS
    DOI --> OpenAIRE

Scripts de anonimización¶

Versionados en Forgejo (repos/ciencia-abierta/):

anonymize_coords.py — redondeo espacial estilo GBIF
apply_dp.py — privacidad diferencial con OpenDP (ε configurable)
validate_k_anon.py — verificación de k-anonimidad
build_datapackage.py — generación del datapackage.json

Orquestación¶

Componente	Path
Flujo n8n	`ciencia-abierta-mensual`
Rol Ansible	`roles/ciencia-abierta/`
Forgejo Actions	`.forgejo/workflows/ciencia-abierta.yml`

7. Hoja de Ruta¶

[ ] Desplegar InvenioRDM en la Zona Cero
[ ] Configurar el pipeline n8n de publicación mensual
[ ] Implementar scripts de anonimización (redondeo + DP)
[ ] Registrar el prefijo DOI con DataCite
[ ] Publicar el primer dataset con metadatos FAIR y anonimización
[ ] Aparecer en Google Dataset Search, OpenAIRE y DataCite Search
[ ] Evaluar la federación con GBIF para datos de biodiversidad
[ ] Explorar la integración con ORCID para identificadores de autor

Ciencia Abierta · El Salto, Garganta la Olla, La Vera, Cáceres · Mayo 2026

Voluntariado¶

Ciencia Abierta está abierta a voluntarios interesados en investigación, datos y biodiversidad.

Si te interesa...	Puedes colaborar en...
Biodiversidad	Identificación de especies con iNaturalist, fototrampeo, muestreo de campo
Datos científicos	Limpieza y validación de datasets, mapeo a Darwin Core, preparación de publicaciones
Documentación	Redacción de metadatos, asignación de DOIs, mantenimiento del repositorio InvenioRDM
Ciencia ciudadana	Participación en BioBlitz, censos de aves, inventarios florales

Las colaboraciones se coordinan desde El Salto.

Secciones relacionadas¶

← Proyectos