feat: extraccion masiva footprint_aurgi (41 funcs + 4 types + stack Docker geo)

Extrae al registry funciones del proyecto interno footprint_aurgi:
- core (6): slugify_ascii, normalize_for_join, cp_provincia_es, infer_provincia_from_cp, safe_read_csv_fallback, csv_to_parquet_duckdb
- geo puras (7): haversine_km, point_in_ring, point_in_polygon, point_in_polygons_bbox, polygon_bbox, extent_with_padding, distance_bucket
- geo I/O (4): load_geojson_polygons, load_boundary_gdf, add_basemap_osm, add_basemap_with_timeout
- valhalla client (4): valhalla_route, valhalla_isochrone, valhalla_isochrones_async, valhalla_matrix_1_to_n
- datascience stats (7): trimmed_mean, geometric_mean, detect_distribution_type, best_central_tendency, summary_stats, kde_density_levels, alpha_shape_concave_hull
- datascience fuzzy (3): fuzzy_merge_adaptive (rapidfuzz), words_to_dataset, remove_words_from_column
- datascience viz (2): plot_kde_2d, plot_heatmap_log
- infra (4): compress_pdf_ghostscript, render_table_page_pdfpages, add_header_logo, osm2pgsql_ingest
- pipelines (4): setup_geo_stack_docker, compute_centers_reachability, generate_isochrones_by_zone, count_points_per_zone
- types geo (4): LonLat, BBox, IsochroneRequest, Centro

Incluye:
- apps/footprint_geo_stack/ (PostGIS + Martin + Valhalla via docker-compose)
- 131/132 tests pasan (1 skip esperado: osm2pgsql en PATH)
- Issue tracker dev/issues/0052-footprint-aurgi-extraction.md
- Atribucion uniforme: source_repo internal:footprint_aurgi, source_license internal-aurgi
- Build con 9 agentes en paralelo (8 wave 1 + 1 wave 2 pipelines)

Tambien commitea trabajo previo no commiteado: aggregate_extraction_results, chunk_with_overlap, clean_pdf_text, merge_entity_aliases, extract_graph_gliner2, extract_relations_mrebel, extract_triples_spacy_es, gliner2/mrebel/marianmt/rebel/spacy_es load_model, parse_rebel_output, translate_es_to_en, issue 0050/0051.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

python/functions/datascience/plot_heatmap_log.md

@@ -0,0 +1,64 @@
+---
+name: plot_heatmap_log
+kind: function
+lang: py
+domain: datascience
+version: "1.0.0"
+purity: impure
+signature: "def plot_heatmap_log(ax: Axes, xs: list[float] | np.ndarray, ys: list[float] | np.ndarray, extent: tuple[float, float, float, float], bins: int = 200, cmap: str = 'hot', alpha: float = 0.6) -> None"
+description: "Dibuja un heatmap 2D con escala log1p sobre un Axes de matplotlib. Usa np.histogram2d con el extent dado y ax.imshow para renderizar."
+tags: [visualization, heatmap, histogram, matplotlib, datascience, log]
+uses_functions: []
+uses_types: []
+returns: []
+returns_optional: false
+error_type: "error_go_core"
+imports: ["numpy", "matplotlib"]
+params:
+  - name: ax
+    desc: "matplotlib Axes sobre el que se dibuja el heatmap."
+  - name: xs
+    desc: "Coordenadas X de los puntos."
+  - name: ys
+    desc: "Coordenadas Y de los puntos."
+  - name: extent
+    desc: "Bounding box como (minx, maxx, miny, maxy) que define el rango del histograma."
+  - name: bins
+    desc: "Número de bins del histograma en cada eje. Default 200."
+  - name: cmap
+    desc: "Nombre del colormap de matplotlib. Default 'hot'."
+  - name: alpha
+    desc: "Opacidad del overlay (0-1). Default 0.6."
+output: "None. Modifica el Axes in-place añadiendo el heatmap como imagen con ax.imshow."
+tested: true
+tests:
+  - "100 puntos no lanza excepción"
+  - "ax tiene al menos una imagen tras la llamada"
+test_file_path: "python/functions/datascience/tests/test_plot_heatmap_log.py"
+file_path: "python/functions/datascience/plot_heatmap_log.py"
+source_repo: "internal:footprint_aurgi"
+source_license: "internal-aurgi"
+source_file: "zonas_mapas_aurgi/examples/generar_reporte_madrid.py:62"
+---
+
+## Ejemplo
+
+```python
+import matplotlib
+matplotlib.use("Agg")
+import matplotlib.pyplot as plt
+import numpy as np
+from datascience.plot_heatmap_log import plot_heatmap_log
+
+rng = np.random.default_rng(42)
+xs = rng.uniform(-4.0, -3.5, 500)
+ys = rng.uniform(40.3, 40.6, 500)
+
+fig, ax = plt.subplots()
+plot_heatmap_log(ax, xs, ys, extent=(-4.0, -3.5, 40.3, 40.6), bins=100)
+fig.savefig("heatmap.png")
+```
+
+## Notas
+
+Aplica `np.log1p` a las cuentas del histograma para comprimir el rango dinámico y hacer visibles tanto zonas densas como dispersas. El histograma se transpone (`counts.T`) antes de pasar a imshow para alinear correctamente los ejes x/y. `aspect="auto"` permite que la imagen se estire al aspecto del Axes.