LabSCN
El laboratorio es un espacio para la construcción de herramientas computacionales para el análisis de sistemas geográficos, análisis de imágenes y simulación de sistemas. El laboratorio se encarga de la enseñanza de cartografía digital, del programa modular GRASS (Geographic Ressources Analysis Support System) y la capacitación a alto nivel de Sistemas de Información Geográfica (SIG).
Horario de Atención
Lunes:
8:00 a.m. - 10:00 a.m.
Miércoles:
8:00 a.m. - 10:00 a.m.
Ubicación
Núcleo El Volador
Bloque 21- Aula 215
Conceptos básicos y funcamentales de los Sistemas de Información Geográfica empleando el software libre GRASS GIS y ejemplos del relieve del departamento de Antioquia. En algunos ejemplos la información obtenida con GRASS se transfiere al software estadístico R para un análisis complementario más riguroso y didáctico.
Le proporciona la habilidad de programar el lenguaje estadístico R para la solución de diversos propósitos desde el punto de vista de manejo de datos.
El curso está orientado a aplicar los procedimientos estadísticos multivariados en diferentes contextos ecológicos. Mediante procedimientos estadísticos se le otorgará al estudiante las herramientas introductorias para abordar el manejo de datos multivariados en el contexto ecológico.
Le proporciona al estudiante diferentes herramientas y aborda aspectos de análisis espacial en diferentes contextos.
Estadística Descriptiva y
Análisis Exploratorio de Datos
Permite al estudiante adquirir habilidades en el manejo de datos y en realizar análisis descriptivos y exploratorios utilizando herramientas para este propósito.
Métodos Estadísticos
(Diseño Experimental)
Una visión general sobre los procedimientos estadísticos y la planeación de un diseño experimental válido desde el punto de vista científico.
Lenguajes estadísticos
(Módulo R)
Módulo del lenguaje de programación R en la asignatura lenguajes estadísticos.
Cartografía Digital
¿Qué es la superficie terrestre?
La superficie terrestre presenta una estructura y una dinámica
Los SIG son muy útiles en primer lugar para realizar una descripción cuantitativa de la estructura del relieve. Como se trata de describir cuantitativamente una forma se habla por lo tanto de morfometría o mejor de geomorfometría.
La dinámica del relieve se puede registrar en sensores remotos
Esto depende de la frecuencia y del periodo de registro.
Elementos importantes de una descripción morfométrica del relieve
La altitud.
La pendiente.
Las curvaturas del terreno (horizontal y vertical).
El “aspect”: Hacia donde “mira” el terreno.
Conocer si un punto en el terreno pertenece a una divisoria o a una superficie de escorrentía o si pertenece a una canal de una corriente.
Identificar puntos especiales en el relieve (pico, “pit” o centro de una depresión cerrada, identificar un “pass” o “saddle”, es decir, el punto central de una concavidad ubicada en una divisoria de aguas).
Identificar conjuntos de puntos que configuran lineas especiales en un relieve (un eje de vaguada que puede ser un canal de corriente, “channel”, o una linea de divisoria de aguas, “ridge”).
Identificar superficies especiales: Una superficie plana.
El modelo de datos raster y la descripción del relieve
La representación del relieve en un modelo de datos raster
Una cuadricula georeferenciada (eje X, eje Y, y altitud en el caso de un modelo digital de elevaciones).
Una cuadricula georeferenciada (eje X, eje Y, e inclinación del terreno en el caso de un modelo digital de pendientes o mapa de pendientes).
Resolución espacial de un archivo raster.
Modelo digital del terreno (DTM) y modelo digital de superficie (DSM).
Dependencia escalar de los problemas geográficos
Una resolución espacial más fina implica una observación más detallada de los objetos.
Un mismo objeto puede ser representado como punto o polígono de distinta área, dependiendo de la resolución espacial.
Los problemas regionales con imágenes regionales, problemas locales con imágenes detalladas.
Los documentos regionales acotan el tipo de problemas geográficos a resolver.
Los costos de los diferentes tipos de documentos.
Guía de Clases
Clase 1
Sesión introductoria a GRASS GIS
Clase 2
El uso del color para visualización de capas ráster
Clase 3
Análisis del relieve relativo y mapas sombreados de relieve
Clase 4
Parámetros morfométricos del relieve
Clase 5
Análisis de redes de drenaje
Clase 6
Uso del toolkit r.stream.*
Clase 7
Manejo de proyecciones y creación de locations
Ecología Numérica
Objetivo
Introducir al estudiante de niveles superiores del área de las ciencias naturales al uso de las herramientas estadísticas multiviariadas aplicadas a ecología tanto para realizar análisis de sus propios datos como para leer los artículos de investigación donde hace uso de estas herramientas.
Temas principales
- Elementos de álgebra matricial.
- Análisis gráfico multidimensional.
- Análisis multidimensional (Cuantitativos y cualitativos).
- Análisis aglomerativo (Cluster Analysis).
- Ordenación (Principal Component Analysis).
- Construcción de modelos estadísticos.
Bibliografía
- Legendre, Pierre y Legendre, Louis. Numerical Ecology. Third Edition, Elsevier, 2012.
- Borcard, Daniel, Gillet François, Gillet y Legendre, Pierre. Numerical Ecology with R. 2011.
Biliografía complementaria
- Everitt, B. y Hothorn T. An introducttion to Applied Multivariate Analysis with R. Springer, New York. 2011.
- McCune, B. y Grace J. B. Analysis of Ecological Communities. MjM Software Design, Gleneden Beach, OR. 2002.
- McGarigal, K., Cushman, S. y Stafford, S. Multivariate Statistics for Wildlife and Ecology Research. Springer Science+Business Media, LLC. 2000
- Crawley, Michael. J. The R Book. Second Edition. John Wiley & Sons, Ltd, Publication. 2013.
Evaluación
| Item | Porcentaje |
|---|
| Seguimiento - Talleres |
25% |
| Seguimiento - Trabajos |
35% |
| Proyecto final |
40% |
Enlaces principales
Estadística Espacial
Temas principales
- Introducción a datos espaciales.
- Manejo de datos espaciales en R.
- Procedimientos en datos geoestadísticos.
- Procedimientos en datos de patrones de puntos.
- Procedimientos en datos areales.
- Procedimientos en datos raster (grid).
Bibliografía
Textos principales
- Bivand, Roger S, Pebesma Edzer y Gómez-Rubio Virgilio. Applied Spatial Data Analysis with R. Second Edition. Springer New York. 2013
- Diggle Peter J. y Ribeiro Pablo J. Jr. Model-based Geostatistics. Springer Science+Business Media, LLC. 2007.
- LLoyd, Christopher D. Local Models for Spatial Analysis. Second Edition. CRC Press. 2011.
Textos complementarios
- Cressie, Noel A. C. Statistics for Spatial Data. John Wiley & Sons, Inc. 1991.
- Gaetan Carlo y Guyon Xavier. Spatial Statistics and Modeling. Springer Science+Business Media. 2010.
- Gelfand Alan E., Diggle J. Peter, Fuentes Monserrat y Guttorp Peter. Handbook of Spatial Statistics. Chapman & Hall/CRC Press. Handbooks of Modern Statistical Methods. 2010.
- Cressie Noel y Wikle Christopher K. Statistics for Spation-temporal Data. John Wiley & Sons, Inc. 2011
- Schabenberger, Oliver y Pierce Francis J. Contemporary Statistical Models: for the Plant and Soil Sciencies. Capítulo 09:Statistical Models for Spatial Data. CRC Press. 2002
Evaluación
| Item | Porcentaje |
|---|
| Seguimiento - Talleres |
20% |
| Seguimiento - Trabajos |
40% |
| Proyecto final |
40% |
Enlaces principales
Programación en R
Objetivo general
Capacitar al estudiante en el manejo de las estructuras básicas del lenguaje de programación estadístico R siguiendo un esquema lógico de construcción algorítmica con el propósito de armar soluciones para análisis, manejo de base de datos, visualización y simulación.
Objetivos específicos
- Manejar los elementos básicos de lógica de programación mediante seudocódigo.
- Comprender las estructuras básicas del lenguaje R.
- Desarrollar la habilidad de construir soluciones en el lenguaje R para propósitos de análisis, manejo de base de datos, visualización y simulación.
Programa
| Semana | Tema |
|---|
| 1 - 2 |
Introducción y Estructuras básicas en seudocódigo |
| 3 |
Estructuras de programación básicas |
| 4 |
Estructuras de datos, tipos, clases |
| 5 |
Vectores, matrices y arreglos |
| 6 |
Funciones |
| 7 |
Programación matricial o vectorial |
| 8 |
Graficación |
| 9 |
Manejo de base de datos |
| 10 |
Manejo de fechas, texto, expresiones regulares |
| 11 |
Orientación a objetos |
| 12 |
Medición y optimización de código |
| 13 |
Construcción de paquetes |
| 14-15 |
Entrega de trabajo final |
Políticas del curso
- Siempre que se envíe un correo al profesor (Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.) en asunto escribir [cursoR] (Con los corchetes incluidos).
Evaluación
| Item | Porcentaje |
|---|
| Seguimiento (Tareas y talleres) |
50% |
| Examen o ejercicio virtual |
10% |
| Trabajo final |
40% |
