Curso Práctico de SIG y Teledetección en R: Análisis Geoespacial y Machine Learning

Con este Curso Práctico descubrirás la programación aplicada a Sistemas de Información Geográfica (SIG) y Teledetección. Desde los fundamentos más básicos hasta las técnicas más avanzadas, desde una introducción a los fundamentos de los Sistemas de Información Geográfica (SIG) hasta técnicas avanzadas en Machine Learning, te introducirás en un completo programa diseñado para desarrollar tus habilidades y conocimientos en este fascinante campo.

Aprenderemos conceptos básicos, ventajas y aplicaciones de la programación, así como su utilidad en el procesamiento y análisis de datos geoespaciales.

Seguidamente, nos adentraremos en la programación en R, desde la sintaxis básica hasta la creación de funciones personalizadas y el manejo de estructuras de control para soluciones complejas. Además, explorarás cómo obtener datos geoespaciales de la nube a través de diversas librerías y APIs, brindándote acceso a una amplia gama de recursos para enriquecer tus proyectos.

Conocerás técnicas de análisis exploratorio de datos, patrones espaciales y temporales, interpolación espacial y análisis multicriterio.

Pero eso no es todo. También estudiaremos el Machine Learning aplicado a SIG y Teledetección, utilizando métodos como Random Forest y Regresión Logísita para clasificación y delimitación de zonas.

Finalmente, aprenderás a comunicar tus hallazgos de manera efectiva a través de la creación de mapas interactivos y visualizaciones impactantes. Y para potenciar aún más tus habilidades, te introduciremos en la integración de R con herramientas populares como QGIS y Google Earth Engine, ampliando así tu capacidad para resolver problemas geoespaciales de manera integral y eficiente.

Objetivos del programa

¿A quién está dirigido?

Se recomienda tener un conocimiento básico de SIG y los sistemas de coordenadas.
Podrían ser recomendables conocimientos básicos de estadística para que haya una correcta comprensión del apartado de análisis de datos.

1. INTRODUCCIÓN A LA PROGRAMACIÓN Y SU RELACIÓN CON LOS SIG Y TELEDETECCIÓN
   1. Introducción a los SIG
   2. ¿Qué es la programación? Ventajas y tendencias actuales
   3. ¿Para qué puede servir la programación en el ámbito de los SIG y la teledetección?
   4. Prácticas de evaluación tutorizadas
2. PROGRAMACIÓN EN R (I): SINTAXIS BÁSICA, VARIABLES, TIPOS DE DATOS
   1. Introducción a la programación en R
   2. Sintaxis básica en R
   3. Objetos y tipos de datos en R
   4. Operaciones con variables y tipos de datos en R
   5. Prácticas de evaluación tutorizadas
3. PROGRAMACIÓN EN R (II): FUNCIONES Y ESTRUCTURAS DE CONTROL
   1. Estructuras de control en R
   2. Que son las funciones y cómo crearlas en R
   3. Tipos de funciones en R
   4. Uso e integración de funciones y estructuras de control en R
   5. Reglas de ámbito o alcance de variables y debugging en R
   6. Prácticas de evaluación tutorizadas
4. CONSULTA Y OBTENCIÓN DE DATOS GEOESPACIALES EN LA NUBE: LIBRERÍAS Y APIS
   1. Introducción a la obtención de datos en línea.
   2. Descarga de datos Sentinel-2
   3. Descarga de imágenes MODIS
   4. Prácticas de evaluación tutorizadas
5. HERRAMIENTAS DE GEOPROCESAMIENTO EN R
   1. Paquetes y librerías de geoprocesamiento en R para SIG y teledetección.
   2. Importación y exportación de información en R
   3. Sistema de coordenadas en R.
   4. Manipulación y transformación de datos geoespaciales en R
6. Geoprocesamiento vectorial en R
7. Tratamiento de imágenes ráster en R
8. Procesamiento combinado de ráster y vectorial en R
9. Prácticas de evaluación tutorizadas
10. ANÁLISIS DE DATOS GEOESPACIALES EN R
    1. Análisis exploratorio de datos en R
    2. Análisis de patrones espaciales y temporales en R
    3. Interpolación espacial en R
    4. Análisis multicriterio en R
    5. Análisis visual de imágenes: fotointerpretación
    6. Prácticas de evaluación tutorizadas
11. APLICACIÓN DE MACHINE LEARNING A SIG Y TELEDETECCIÓN
    1. Introducción a métodos de Machine Learning
    2. Clasificación de usos del suelo mediante Random Forest en R
    3. Delimitación de zonas incendiadas mediante Regresión Logística en R
    4. Delimitación de zonas inundadas mediante PCA (Análisis de Componentes Principales) e imágenes de satélite
    5. Prácticas de evaluación tutorizadas
12. CARTOGRAFÍA Y VISUALIZACIÓN DINÁMICA DE DATOS GEOESPACIALES
    1. Generación de planos o mapas en R
    2. Redacción de informes en R
    3. Creación de visores interactivos y animaciones en R
    4. R en el entorno de QGIS
    5. Prácticas de evaluación tutorizadas