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.

• Instruir a los estudiantes en el dominio de habilidades sólidas en programación, aplicables tanto en el ámbito de los Sistemas de Información Geográfica (SIG) como en la Teledetección.
• Dotar a los participantes con las herramientas y conocimientos esenciales para acceder y administrar datos geoespaciales de manera eficaz.
• Estimular el desarrollo de herramientas avanzadas de análisis y procesamiento de datos geoespaciales, empleando R y técnicas de Aprendizaje Automático.
• Potenciar la capacidad de los estudiantes para concebir visualizaciones y mapas interactivos a partir de datos geoespaciales, perfeccionando así la comunicación de resultados.
• Facilitar la fusión de las habilidades de programación en R con herramientas de uso generalizado como QGIS y Google Earth Engine, promoviendo un enfoque integral en la resolución de problemas geoespaciales.
• Preparar a los participantes para aprovechar oportunidades profesionales en áreas relacionadas con SIG, Teledetección y análisis de datos geoespaciales, proporcionando una base sólida de conocimientos y habilidades prácticas, fundamentadas en la experiencia laboral.

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
      1. Conceptos básicos de los SIG
      2. Componentes de los SIG
      3. Funciones y aplicaciones de los SIG
      4. Tipos de datos en los SIG
      5. Tendencias actuales en los SIG
   2. ¿Qué es la programación? Ventajas y tendencias actuales
      1. Definición
      2. Ventajas de la programación
      3. Tendencias actuales, principales lenguajes y ámbitos de aplicación
   3. ¿Para qué puede servir la programación en el ámbito de los SIG y la teledetección?
      1. Procesamiento y análisis de datos geoespaciales
      2. Automatización de tareas
      3. Desarrollo de herramientas y aplicaciones
      4. Análisis de imágenes de satélite
      5. Integración con otras tecnologías
   4. Prácticas de evaluación tutorizadas
2. PROGRAMACIÓN EN R (I): SINTAXIS BÁSICA, VARIABLES, TIPOS DE DATOS
   1. Introducción a la programación en R
      1. Diferencias entre R y RStudio
      2. Interpretabilidad y comprensión del entorno de RStudio
      3. Configuración y personalización de RStudio
      4. Como ejecutar código en R
   2. Sintaxis básica en R
      1. Primeras instrucciones en R
      2. Comprensión de comentarios y anotaciones en programación
   3. Objetos y tipos de datos en R
      1. Declarar y asignar objetos
      2. Objetos especiales
      3. Tipos de datos básicos en R
      4. Vectores, matrices y arrays en R
      5. Listas en R
      6. Data frames en R
      7. Tipos de datos avanzados en R
      8. Comprobar tipos de datos
   4. Operaciones con variables y tipos de datos en R
      1. Operaciones aritméticas en R
      2. Operaciones lógicas en R
      3. Operaciones de comparación en R
      4. Conversión entre 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
      1. Introducción a las estructuras de control
      2. Condicionales
      3. Estructuras de control iterativas
   2. Que son las funciones y cómo crearlas en R
      1. Sintaxis de las funciones en R
      2. Creación de funciones en R
      3. Llamada a funciones en R
   3. Tipos de funciones en R
      1. Funciones predefinidas en R
      2. Funciones básicas
      3. Funciones recursivas
      4. Funciones anónimas
   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
      1. Introducción a la descarga de imágenes de satélite, consulta de información y conexión con servidores
      2. Filtrado para la búsqueda de datos geoespaciales en línea
      3. Descarga y almacenamiento de datos geoespaciales obtenidos en línea.
   3. Descarga de imágenes MODIS
      1. Introducción a la descarga de imágenes de satélite, consulta de información y conexión con servidores
      2. Búsqueda y filtrado de datos MODIS
      3. Descarga y almacenamiento de datos 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
      1. Formatos de datos geoespaciales
      2. Importación, exportación y transformación de datos geoespaciales 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
       1. Análisis de la distribución de variables numéricas y categóricas. Medidas de resumen y medidas de dispersión
       2. Análisis de la relación entre dos o más variables
       3. Generación de gráficas descriptivas
    2. Análisis de patrones espaciales y temporales en R
       1. Autocorrelación espacial, estadísticas de vecindad y hotspots
       2. Detección de anomalías espacio-temporales en datos geoespaciales
    3. Interpolación espacial en R
       1. Interpolación por polígonos de Thiessen
       2. Interpolación por IDW (Inverse Distance Weighting)
       3. Interpolación por kriging
    4. Análisis multicriterio en R
       1. Preparación y transformación de la información
       2. Métodos para la asignación de pesos
       3. Criterios y alternativas
       4. Reglas de decisión
    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
       1. Definición de Machine Learning y conceptos básicos
       2. Ventajas y desventajas de Machine Learning
       3. Pasos generales para el empleo de Machine Learning
       4. Tipos de aprendizaje en Machine Learning
    2. Clasificación de usos del suelo mediante Random Forest en R
       1. Árboles de decisión y Random Forest. Introducción a métodos de clasificación
       2. Preparación de datos
       3. Entrenamiento y ajuste del modelo
       4. Validación y evaluación del modelo
       5. Aplicación del modelo a nuevos datos
    3. Delimitación de zonas incendiadas mediante Regresión Logística en R
       1. Aplicación de regresión logística a datos geoespaciales
       2. Preparación de los datos
       3. Construcción del modelo de Regresión Logística
       4. Validación y evaluación del modelo
       5. Aplicando el modelo PCA a capas ráster
       6. Aplicación de modelo RF a componentes principales obtenidas mediante PCA
    4. Delimitación de zonas inundadas mediante PCA (Análisis de Componentes Principales) e imágenes de satélite
       1. Introducción a la delimitación de zonas inundadas mediante PCA e imágenes de satélite
       2. Preparación de datos
       3. Evaluación de resultados e identificación de zonas inundadas
       4. Delimitación de zonas inundadas mediante resultados PCA
    5. Prácticas de evaluación tutorizadas
12. CARTOGRAFÍA Y VISUALIZACIÓN DINÁMICA DE DATOS GEOESPACIALES
    1. Generación de planos o mapas en R
       1. Generación de cartografía mediante el paquete base de R
       2. Generación de cartografía mediante el paquete ggplot2.
    2. Redacción de informes en R
       1. Introducción al uso de RMarkdown
       2. Sintaxis R Markdown
       3. Inclusión de elementos gráficos, tablas y resultados de análisis en el informe
    3. Creación de visores interactivos y animaciones en R
       1. Carga y preprocesado de la información
       2. Generación de un visor GIS en R mediante Leaflet
       3. Guardado de visores GIS e integración con otros entornos
    4. R en el entorno de QGIS
       1. Primeros pasos: configuración de QGIS
       2. Creación y uso de scripts de R en QGIS
       3. Ejecución y realización de tareas mediante scripts de R en QGIS
    5. Prácticas de evaluación tutorizadas