Curso | Teledetección óptica – Nivel Avanzado.
Curso Teledetección óptica - Nivel Avanzado
El curso está dirigido principalmente a profesionales y técnicos del área de la Geomática, y usuarios con experiencia en el uso de herramientas SIG, aplicadas al manejo de datos ráster, que quieran perfeccionarse en el análisis de datos ópticos, haciendo uso de herramientas abiertas y de libre distribución (FOSS), y completar su formación en el análisis de datos espectrales ópticos utilizando software de libre acceso.
*Aclaración importante: Una vez finalizado el cursado se extenderán CONSTANCIAS DE PARTICIPACIÓN en formato digital para todos los inscriptos y, sólo los egresados de carreras universitarias de 5 y 4 años de duración, podrán acceder al CERTIFICADO DE APROBACIÓN (también digital), siempre y cuando cumplan con los requisitos administrativos que se explican en detalle en el apartado “Requisitos administrativos”.
Costos:
Residentes en Argentina
Pago total: $5.000
Becados: $1.700
Residentes en el exterior
Pago total: U$S 90
Becados: U$S 30
Sobre las becas: Existe la posibilidad de postularse a una beca parcial, que le da el beneficio de acceder a un descuento sobre el pago total. Para esto, se requiere completar dos apartados dentro del formulario que aparece más abajo y subir su CV en formato pdf (excluyente).
PRE INSCRIPCIÓN:
Del 01 al 23 de septiembre (o hasta agotar vacantes).
Una vez finalizada la fecha de pre-inscripción, se realizará la selección de los becados y en la semana del 28 de Septiembre se informará si fue o no seleccionado y el aviso se dará mediante mail institucional.
PAGOS Y MATRICULACIÓN:
Del 28 de Septiembre al 22 de Octubre.
Para los residentes en Argentina, en el mail de aviso recibirá un link para realizar el pago a través de la plataforma de Mercadopago.
Para los residentes en el exterior se les enviará un mail con la solicitud de pago a través de la plataforma PayPal.
INICIO Y FIN DE CLASES:
Del 19 de Octubre al 11 de Diciembre del 2020.
Objetivos de aprendizaje del alumno:
- Adquirir agilidad en la descarga de imágenes satelitales a partir de las diversas fuentes públicas-oficiales.
- Reconocer imágenes provenientes de diferentes sensores y sus respectivas características (resolución espacial, radiométrica, temporal, espectral, ancho de pisada).
- Comprender y realizar el pre-procesamiento necesario para la utilización de productos satelitales.
- Reconozca situaciones en las que es necesario aplicar técnicas de realce radiométrico.
- Interpretar imágenes mediante análisis visual y digital.
- Experimentar el manejo y procesamiento de grandes volúmenes de datos.
- Aprender técnicas que le permitan identificar modificaciones en la respuesta espectral o en la estructura espacial de un área durante un período de tiempo dado.
- Conocer la relevancia del empleo de índices espectrales y otras transformaciones de datos, tales como Análisis de Componentes Principales, y Transformación Tasseled Cap.
- Adquirir destreza en la clasificación supervisada de imágenes, desde el entrenamiento del clasificador hasta la evaluación del producto generado, e interpretación de resultados.
- Comprender las ventajas y desventajas de aplicar un método de clasificación supervisado y no supervisado.
El curso se dictará a través de un aula virtual educativa (Moodle UNC). Todo el material disponible para el alumno, así como también las evaluaciones de cada instancia, se encuentran en dicha plataforma a disposición de alumnos y docentes.
El curso se dicta de manera virtual en formato de ocho semanas, con una carga horaria total de 60 hs, con un total de 30 horas de clases teóricas y 30 horas prácticas. Se toman evaluaciones parciales semanales teóricos y prácticos.
¿Se prevé evaluación? Si, evaluaciones parciales teóricas y prácticas. Una por semana.
Conocimientos previos requeridos: nociones básicas de teledetección óptica (Teleobservación óptica o sensado remoto).
Criterios para la selección de los postulantes: Abierto a todo aquel que cumpla los conocimientos previos recomendados.
Cupo mínimo y máximo: 20/120
Requisitos de hardware y software para los alumnos: QGIS y Google Earth Explorer.
Unidad 1: CORRECCIONES DE LA IMAGEN
- Fuentes de errores radiométricos.
- Correcciones de efectos de la atmósfera.
- Correcciones Radiométricas.
- Fuentes de errores Geométricos.
- Correcciones Geométricas.
- Georeferenciación.
Prácticos:
- Calibración a radiancia espectral en el sensor en imágenes Landsat 7 y 8.
- Cálculo reflectancia TOA en imágenes Landsat 7 TM y Landsat 8.
- Georreferenciación con puntos de control imagen a imagen.
Unidad 2: TÉCNICAS DE REALCE DE IMÁGENES
- Histograma de la imagen.
- Realces visuales.
- Modificación del contraste.
- Composiciones en color y pseudocolor.
- Filtrado espacial.
- Filtros de paso bajo y de paso alto.
- Filtros de detección de bordes: Operador Laplaciano.
- Operador Sobel.
- Análisis morfológico.
- Operaciones de erosión, dilatación, abriendo-cerrando.
- Cálculo de variables de textura.
Prácticos:
- Composición de imagen multiespectral y acondicionamiento al área de interés para su posterior estudio (realización de mosaicos, recortes, apilamiento de bandas).
- Análisis visual de la imagen (brillo, color, textura), realización de ajustes de contraste, ecualización e igualación de histogramas, visualización de diferentes composiciones RGB.
- Aplicación de filtros.
Unidad 3: ANÁLISIS DE DATOS MULTIESPECTRALES
- Extracción de información mediante transformación de datos.
- Técnicas de Clasificación: Clasificación no supervisada (K-Means y IsoData).
- Generación de regiones de entrenamiento y de evaluación.
- Clasificación supervisada paramétrica (Paralelepípedo, Distancia Mínima, Máxima Verosimilitud) y no paramétrica (RF, SVM, NN).
- Técnicas de Post-Clasificación: Análisis de matriz de confusión.
- Índices de precisión de la clasificación.
- Estadísticas de clases.
Prácticos:
- Cálculo de índices específicos para la detección de diferentes coberturas.
- Clasificación no supervisada, interpretación y comparación de resultados.
- Clasificación supervisada empleando diferentes clasificadores (Mínima Distancia, Paralelepípedos, Máxima Verosimilitud).
- Evaluación de la precisión de la clasificación, análisis de errores, y comparación de los resultados.
- Suavizado de clases.
- Cálculo de áreas de cada clase de interés.
Unidad 4: ANÁLISIS MULTITEMPORAL DE DATOS
- Requisitos y aplicación del análisis multitemporal.
- Detección de cambios: Empleo de componentes principales.
- Regresión.
- Diferencia y coeficiente de imágenes.
- Segmentación multitemporal.
- Detección de patrones: Transformadas de Fourier.
- Análisis de la Regresión para predicción de rendimientos.
Prácticos:
- Análisis multitemporal de una serie de dos años del producto NDVI del producto MODIS, e identificación de cambios.
- Análisis de los resultados
Bolstad, P. 2005. GIS Fundamentals, 2nd edition. Eider Press, White Bear Lake, MN, 543pp.
Chander, G., Markham, B. L., Helder, D. L., & Ali, E.-. (2009). Summary of current radiometric calibration coefficients for Landsat MSS , TM , ETM + , and EO-1 ALI sensors. Remote Sensing of Environment, 113(5), 893–903.
Chen, G., Hay, G. J., Carvalho, L. M. T., & Wulder, M. A. (2012). Object-based change detection. International Journal of Remote Sensing, 33(14), 4434–4457.
Fisher, R. 2017. S atellite Image Analysis and Terrain . Charles Darwin University, Australia.
https://sagatutorials.files.wordpress.com/2016/02/saga_manual_english_cdu_june-2017.pdf
IGET team. Introduction to Filters using SAGA. Institute of Environment Education and Research, Bharati Vidyapeeth University. India.
Irons, J. R., Dwyer, J. L., & Barsi, J. A. (2012). The next Landsat satellite: The Landsat Data Continuity Mission. Remote Sensing of Environment, 122, 11–21.
Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern recognition letters, 31(8), 651-666.
Jensen, J. R., 2005. Introductory Digital Image Processing: A Remote Sensing Perspective. Upper Saddle River, NJ: Prentice Hall.
Jin, S., & Sader, S. A. (2005). Comparison of time series tasseled cap wetness and the normalized difference moisture index in detecting forest disturbances. Remote sensing of Environment, 94(3), 364-372.
Lu, D., Li, G., & Moran, E. (2014). Current situation and needs of change detection techniques. International Journal of Image and Data Fusion, 5(1), 13–38.
McFeeters, S. K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International journal of remote sensing, 17(7), 1425-1432.
Monserud, R. A., & Leemans, R. (1992). Comparing global vegetation maps with the Kappa statistic. Ecological modelling, 62(4), 275-293.
Narumalani, S. et al., 2015. Digital Image Processing: A Review of the Fundamental Methods and Techniques. In P. S. Thenkabail, (Ed). Remotely Sensed Data Characterization, Classification, and
Accuracies. CRC Press, pp. 197–218.
Nolasco, M., 2018. Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba. Universidad Nacional de Córdoba. Available at: https://rdu.unc.edu.ar/handle/11086/6841.
OTB Team, The Orfeo ToolBox Cookbook, a guide for nondevelopers. Centre National d’Études Spatiales, 2016. https://www.orfeo-toolbox.org/packages/archives/Doc/CookBook-5.6.0.pdf
QGIS Proyect, QGIS User Guide https://docs.qgis.org/2.14/pdf/es/QGIS-2.14-UserGuide-es.pdf Publicación 2.14. 2017.
Richards, J. A. (2013). Remote Sensing Digital Image Analysis. New York: Springer.
Thenkabail, P. S. (2016). Satellite Remote Sensing Beyond 2015. In P. S. Thenkabail (Ed.), Remote Sensing Handbook. Boca Raton: Taylor & Francis Group. United States Geological Survey. (2020). Landsat Surface Reflectance. Landsat Science Products.
Vapnik, V.N., 2000. Statistics for Engineering and Information Science, New York: Springer.
Vermote, E., Justice, C., Claverie, M., & Franch, B. (2016). Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment, 185, 46–56.
Wulder, M. A., White, J. C., Goward, S. N., Masek, J. G., Irons, J. R., Herold, M., … Woodcock, C. E. (2008). Landsat continuity: Issues and opportunities for land cover monitoring. Remote Sensing of
Environment, 112(3), 955–969.
REQUISITOS ADMINISTRATIVOS
- Completar el formulario de pre-inscripción.
- Aceptar o declinar la participación respondiendo al correo electrónico recibido sobre la aceptación al curso.
- Realizar el pago mediante las plataformas disponibles según fuera residente de Argentina o residente en el extranjero (Mercadopago y PayPal respectivamente), e informar adjuntando el comprobante indicando a qué alumno pertenece dicho pago. Recibirá posteriormente un correo electrónico con las credenciales de acceso.
Reunir y enviar la siguiente documentación:
- Argentinos: Fotocopia de documento certificada por Escribano Público Nacional matriculado.
Extranjeros: Fotocopia de Cédula de Identidad (Mercosur) o Pasaporte certificada mediante Apostilla de la Haya o certificación de Consulado o Embajada Argentina en el país de residencia. (La fotocopia debe estar certificada, no se aceptará fotocopia de original certificado).
- Argentinos: Fotocopia del certificado analítico de grado, con certificación original de Oficialía Mayor o equivalente de Universidades Nacionales y certificación original de copia fiel del original, por Escribano Público Nacional matriculado. (La fotocopia debe estar certificada, no se aceptará fotocopia de original certificado.)
Egresados de Universidades Extranjeras: Fotocopia de analítico de grado certificada mediante Apostilla de la Haya o certificación de Consulado o Embajada Argentina, en el país de residencia. En la fotocopia debe constar claramente la finalización de estudios de grado, sello y firma de autoridad del Ministerio de Educación o equivalente del país emisor. (La fotocopia debe estar certificada, no se aceptará fotocopia de original certificado.)
- Argentinos: Fotocopia Diploma/Título de Grado (mínimo de 4 años de duración), con certificación original de Oficialía Mayor o equivalente de Universidades Nacionales y certificación original de copia fiel del original, por Escribano Público Nacional matriculado. (La fotocopia debe estar certificada, no se aceptará fotocopia de original certificado.)
Egresados de Universidades Extranjeras: Fotocopia del Diploma Universitario (Título) certificada mediante Apostilla de la Haya o certificación de Consulado o Embajada Argentina, en el país de residencia. En la fotocopia debe constar claramente la finalización de estudios de grado, sello y firma de autoridad del Ministerio de Educación o equivalente del país emisor. (La fotocopia debe estar certificada, no se aceptará fotocopia de original certificado.)
- Constancia de Título de Grado en trámite: certificada al igual que Diploma/Título de Grado. (cuando corresponda)
La documentación, una vez certificada, deberá ser enviada por mail a distancia@ig.edu.ar en UN ÚNICO PDF nombrado, ej: “documentación_Perez_Agro_Avanzado” y por correo postal a
la dirección que se les notificará por correo electrónico.
El envío de la documentación en formato digital podrá considerarse para la pre-inscripción. La inscripción definitiva quedará pendiente de la recepción y verificación de los documentos antedichos por parte del Despacho de Alumnos del Instituto Gulich.
Es decir, tal como lo reglamenta la RDIG N° 22 y 34/2020, los alumnos son admitidos de manera condicional hasta que el Despacho de Alumnos del IG verifique la documentación recibida en soporte papel. Cabe aclarar que, dada la situación de aislamiento obligatorio, se han tomado las medidas necesarias para la verificación de la documentación. Una vez verificada se procederá con la inscripción definitiva como alumnos de la Universidad Nacional de Córdoba en el sistema de Gestión Académica Guaraní.
Se aclara que para poder certificar los cursos de posgrado y de perfeccionamiento se exige la presentación de la documentación de formación de grado (no se aceptan títulos o diplomas de tecnicaturas, terciarios o posgrado, sólo de grado).
El presente curso es de perfeccionamiento, no es de posgrado.
