Procesamiento y Análisis de series temporales con GRASS GIS 2023
Procesamiento y Análisis de series temporales con GRASS GIS
– PREINSCRIPCIÓN CERRADA –
PRE INSCRIPCIÓN:
Desde el 4 al 30 de Agosto, o hasta completar 50 solicitudes / pre-inscripciones, lo que ocurra primero.
La cantidad máxima de aspirantes admitidos para el cursado será de 30 personas.
CONFIRMACIÓN DE INSCRIPTOS:
Ultima semana de Agosto.
INICIO Y FIN DE CLASES:
Del 11 al 15 de Septiembre
PRESENCIAL EN CIUDAD UNIVERSITARIA – UNC – AULAS A CONFIRMAR
General:
Introducir a los alumnos en el software GRASS GIS (https://grass.osgeo.org/) y su utilización en el procesamiento y análisis de datos espaciales y temporales, incluyendo datos obtenidos de sensado remoto.
Específicos:
- Afianzar y profundizar conocimientos sobre técnicas de pre-procesamiento, procesamiento y análisis digital de datos satelitales.
- Introducir generalidades sobre el uso del software libre GRASS GIS.
- Realizar ejercicios básicos de familiarización con el software y sus particularidades.
- Introducir respecto al manejo de datos raster en GRASS.
- Introducir en la generación e implementación de rutinas para el procesamiento digital de imágenes y series temporales de imágenes.
- Introducir respecto a clasificación basada en objetos (OBIA).
- Introducir en el análisis de series de tiempo de datos raster en GRASS GIS.
- Introducir en la vinculación GRASS-Python y GRASS-R para el análisis y visualización de datos espacio-temporales.
Que los participantes puedan aplicar conceptos y funciones aprendidas a sus casos de estudio.
El curso es principalmente práctico. Se trabajará mayormente con Jupyter notebooks. Las mismas podrán ejecutarse de manera local, en Google Colab o en la plataforma The Whole Tale. Las personas participantes necesitan traer sus laptops con el software instalado, ya que no habrá instancia de instalación de software durante el curso. El curso es de un nivel intermedio-avanzado. Se asumen conocimientos básicos de teledetección, SIG, línea de comandos, Python y R.
Unidad 1. Introducción a GRASS GIS: sus características y funciones. Conceptos básicos: GRASS database, proyectos (locations) y mapsets. Tipos de datos. Interfaces de uso: línea de comandos, interfaz gráfica, Python, R. Región computacional. Scripting. Visualización de datos espaciales y espacio-temporales. Interoperabilidad y reproducibilidad. Crear un proyecto e importar mapas a GRASS GIS.
Unidad 2. Procesamiento de datos satelitales en GRASS GIS. Datos ráster. Datos satelitales. Semantic labels. Manejo y procesamiento. Módulos y funcionalidades más relevantes. Índices espectrales. Clasificación. Ejemplos de procesamiento de datos Landsat y Sentinel-2.
Unidad 3. Análisis de imágenes basado en objetos en GRASS: Object based image analysis – OBIA. Conceptos básicos. Segmentación. Optimización de parámetros de la segmentación. Estadística de segmentos. Clasificación basada en objetos con datos de alta resolución.
Unidad 4. Series de tiempo en GRASS GIS. Conceptos básicos: base de datos temporal, topología y muestreo temporal, granularidad, tiempo absoluto y relativo, intervalos y eventos puntuales. Creación de series de tiempo y registro de mapas. Series de tiempo de datos raster, raster 3D y vectoriales. Procesamiento y análisis de series de tiempo de productos satelitales. Estadística descriptiva básica. Imputación de datos faltantes y reconstrucción de series de tiempo. Agregados y acumulaciones. Álgebra temporal. Cálculo de climatologías y anomalías. Obtención de índices fenológicos. Extracción de datos: datos puntuales, estadística zonal, extracción de datos temporalmente agregados.
Unidad 5. GRASS y R. Ejemplo de modelado de nicho ecológico combinando GRASS y R.
Unidad 6. Trabajo Integrador.
Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS JPRS, 65(1), 2–16.
Bivand R (2023). rgrass: Interface between GRASS Geographical Information System
and R. R package version 0.3-8, https://CRAN.R-project.org/package=rgrass.
Gebbert, S. & Pebesma, E. (2014). A temporal GIS for field based environmental modeling. Environmental Modelling & Software, 53:1–12.
Gebbert, S. & Pebesma, E. (2017). The GRASS GIS temporal framework. International Journal of Geographical Information Science, 7:1273–1292.
Gebbert, S., Leppelt, T., Pebesma, E. (2019) A Topology Based Spatio-Temporal Map Algebra for Big Data Analysis. Data, 4, 86.
Georganos, S. et al. (2018). Scale Matters: Spatially Partitioned Unsupervised Segmentation Parameter Optimization for Large and Heterogeneous Satellite Images. Remote Sensing, 10, 1440.
GRASS Development Team (2023). Geographic resources analysis support system (GRASS) software, version 8.3.
Grippa, T. et al. (2017). An Open-Source Semi-Automated Processing Chain for Urban Object-Based Classification. Remote Sensing, 9, 358.
Neteler, M., Bowman, H., Landa, M., & Metz, M. (2012). GRASS GIS: A multi-purpose open source gis. Environmental Modelling and Software, 31:124–130.
Neteler, M. & Mitasova, H. (2008). Open source GIS: a grass gis approach, third edition. Springer.
R Core Team (2023). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.
Docentes
Dra. Verónica Andreo
PRE-INSCRIPCIÓN
Pasos a seguir:
1. Completar el formulario de pre-inscripción, que se encuentra más abajo, en el plazo previsto adjuntando toda la documentación solicitada en formato pdf.
2. Dado que los cupos son limitados, se realizará una selección entre los postulantes y se comunicará el resultado por correo electrónico. Si es aceptado deberá confirmar su asistencia y disponibilidad para tomar el curso. Si por alguna razón no pudiera asistir deberá informar su declinación a la mayor brevedad posible, a fin de otorgar la posibilidad a otro postulante. El abandono del cursado le impedirá ser aceptado nuevamente.
En la parte delantera del sobre donde envíe toda la documentación debe decir: NOMBRE, APELLIDO Y PROPUESTA EDUCATIVA A LA QUE PERTENECE.
Previamente a enviar la documentación por correo postal debe enviar en PDF una copia de cada documento a enviar al correo cursos@ig.edu.ar
Es obligatorio que todas las documentaciones estén certificadas por Escribano Público Nacional o certificadas por la Apostilla de la Haya SIN EXCEPCIÓN
NO se aceptarán otros tipos de certificaciones.
1) Fotocopia de DNI, CI o Pasaporte: Certificado por escribano público o apostilla de la haya (en caso de ser extranjero)
2) Fotocopia de Analitico universitario (o concentrado de notas): Debe constar claramente la finalización de estudios en el analítico universitario. – Egresados/as de universidades argentinas: Fotocopia certificada por Escribano Público Nacional matriculado. En la fotocopia debe constar claramente la finalización de estudios universitarios. – Egresados/as de universidades extranjeras: Fotocopia certificada mediante Apostilla de la Haya.(La fotocopia debe estar certificada, no se aceptará fotocopia de original certificado.)
3) Fotocopia de Título (Diploma) universitario: si hubiere, certificada por Escribano Público Nacional matriculado (Egresados argentinos) o certificado mediante Apostilla de la Haya (Extranjeros) . IDEM PUNTO 2
4) Currículum Vitae: firmado en todas sus hojas
5) Foto/retrato color formato jpg. 6) Pre Inscripción por Guaraní: – Si ud. ya fue alumno de la UNC/IG: deberá realizar la pre inscripción a la propuesta por autogestión y notificar que se hizo por este medio al correo cursos@ig.edu.ar – si ud. no fue alumno de la UNC/IG: deberá realizar la pre inscripción a la propuesta por preinscripción y enviar el formulario firmado que se genera al finalizar al correo cursos@ig.edu.ar
DESTINATARIO: Instituto Gulich, Universidad Nacional de Córdoba – Secretaria General del Rectorado – Mesa general de entradas y salidas.
DIRECCIÓN: Enrique Barros, esquina Enfermera Gordillo Gomez. Baterías Aulas «D». EDIFICIO CLAUSTRORUM- CPA 5000, Córdoba Capital, Argentina.
IMPORTANTE:
- El formulario se podrá enviar siempre y cuando se hayan completado todos los campos marcados como «obligatorios».
- Una vez enviado, aparecerá un mensaje confirmando la operación y le llegará por correo electrónico la misma notificación (chequear carpeta «Spam»). En caso de no ocurrir esto último, completar y enviar nuevamente.
