Con la plétora de datos abiertos y recursos computacionales disponibles, la investigación y las aplicaciones de la ciencia de los datos medioambientales se han acelerado rápidamente. Por lo tanto, existe la oportunidad de proponer una nueva ciberinfraestructura para recopilar y clasificar la investigación y las aplicaciones de código abierto en los sistemas medioambientales (polares, océanos, bosques, agricultura, etc.). Inspirados en la Galería de Pangeo, proponemos el libro de ciencias de datos medioambientales o The Environmental Data Science book (https://the-environmental-ds-book.netlify.app), un recurso en línea impulsado por la comunidad que muestra y apoya la publicación de datos, investigaciones y desarrollos de código abierto en las ciencias ambientales. El público objetivo y los primeros en adoptarlo son
cualquier persona interesada en herramientas de código abierto para la ciencia medioambientalcualquier persona interesada en la reproducibilidad, la inclusión, la compartición y la colaboración de la IA y la ciencia de los datos para aplicaciones medioambientalesSiguiendo los principios FAIR del inglés (findable, accesible, interoperable y reusable), el recurso ofrece múltiples características como directrices, plantillas, URLs persistentes y Binder para facilitar contenido totalmente documentado, compartible y reproducible. La calidad del contenido publicado está garantizada por un proceso de revisión transparente apoyado por tecnologías relacionadas con GitHub. Hasta la fecha, la comunidad ha publicado con éxito siete contenido ejecutables basados en python: uno de agricultura, dos de bosques, dos de incendios forestales/sabana, uno de investigación oceánica y uno de investigación polar. El contenido utiliza bibliotecas de código abierto de python, como intake, iris, xarray y hvplot, para la visualización interactiva y la modelización de datos de sensores medioambientales. Además de las constantes mejoras de las características del repositorio de GitHub esperamos aumentar las contribuciones de otros lenguajes de programación, por ejemplo, Julia y R, y organizar más actividades de la comunidad (sesiones de colaboración y coworking) para mejorar las prácticas de software científico en la comunidad de ciencias ambientales.