and Remote Sensing American Program in GIS ONLINE
|
and Remote Sensing
American Program in GIS
ONLINE
1 AMERICAN PROGRAM IN GIS AND REMOTE SENSING S.A.C
Breve descripción del Entrenamiento
Este curso pretende introducir a los alumnos en el manejo de datos geoespaciales y aplicaciones
de la estadística espacial de una manera práctica usando los métodos más importantes para el
análisis de datos geoespaciales con programas open source como GeoDa y RStudio aplicado a
distintos conjuntos de datos de libre acceso en la web.
Por tanto, se impartirá la teoría necesaria para entender los conceptos más relevantes de la
estadística espacial y su posterior aplicación en los softwares GeoDa y RStudio, donde el alumno
estará capacitado para aprender desde lo más básico como la importación, manipulación, y exploración de datos, a lo más avanzando como la implementación de autocorrelación y
modelos de regresión espacial.
Objetivos del entrenamiento:
Manipular, explorar y analizar datos tabulares y geoespaciales para transformarlos en
información a través de diversos métodos de la estadística espacial en GeoDa y Rstudio.
Implementar e interpretar el método de autocorrelación espacial para identificar la
presencia o ausencia de dependencia espacial de datos.
Analizar e identificar clusters de una variable de estudio cuya distribución espacial en el
mapa predomine valores altos, bajos o atípicos para la priorización y asignación de
recursos en ciertas zonas de un área de estudio.
Implementar modelos de regresión para la predicción de fenómenos geográficos e
identificar la importancia de los factores que la producen.
2 AMERICAN PROGRAM IN GIS AND REMOTE SENSING S.A.C
Contenido:
Capítulo 1: Fundamentos de Estadística Espacial Sesión 1 - Autocorrelación espacial
Historia de la estadística espacial Definición de la autocorrelación espacial Escenarios y tipos de la autocorrelación espacial Campos de aplicación
Sesión 2 - Conceptos de análisis espacial cluster Áreas de análisis Análisis espacial cluster Tipos de análisis espacial cluster Pesos espaciales Vecindad por distancia y contigüidad Queen’s Case y Rook’s Case
Sesión 3 - Análisis espacial cluster basado en valores de los objetos Moran’s I statistic El gráfico de dispersión de Moran Local Indicator of Spatial Association (LISA) 𝐺i statistic 𝐺𝑖∗ statistic
Sesión 4 - Modelos de regresión espacial Definición de modelo Regresión lineal simple y múltiple Supuestos de una regresión lineal Modelo espacial ‘Spatial Lag’ Modelo espacial ‘Spatial Error’ Modelo espacial ‘Geographically Weighted Regression (GWR)’
Sesión 5 - R: Un lenguaje de programación para todos ¿Qué es R? Los paquetes de R Rstudio Descarga de R y RStudio Instalación de R y RStudio
Sesión 6 - GeoDa: Análisis exploratorio de datos espaciales ¿Qué es GeoDa? Funcionalidades del software Descarga de GeoDa Instalación de GeoDa
Capítulo 2: Análisis exploratorio de datos de centros educativos en GeoDa Sesión 1 – Importación y manipulación de datos
Conexión a datos tabulares Exploración de tabla de atributos Selección por atributos Exportación de datos tabulares
Sesión 2 – Creación de la capa de centros educativos Conversión de tabla a puntos
3 AMERICAN PROGRAM IN GIS AND REMOTE SENSING S.A.C
Navegación y manipulación de datos geoespaciales Unión tabular de datos Exportación de datos espaciales Creación de histograma de datos
Sesión 3 – Agregación espacial Conexión a dato espacial Agregación de datos con ‘Aggregate’
Sesión 4 – Mapa coroplético Uso de la calculadora de GeoDa Creación de variables/atributos Creación de mapas Métodos de clasificación de datos Exportación de mapa a imagen
Capítulo 3: Análisis exploratorio de datos de centros educativos en RStudio
Sesión 1 - Creación de proyecto, script e instalación de paquetes Creación de proyecto en Rstudio Creación de script Instalación de paquetes Carga de paquetes
Sesión 2 – Importación y manipulación de datos Identificación de tipos de objetos Importación de datos tabulares con comando ‘read.csv’ Exploración y manipulación de datos Uso de comandos ‘filter’, ‘select’, ‘group_by’, entre otros
Sesión 3 – Creación de capa, sistemas de referencia de coordenadas Unión tabular de datos Conversión de data frame a dato geoespacial Asignación de sistema de referencia de coordenadas Reproyección de sistema de referencia de coordenadas
Sesión 4 – Agregación espacial Importación de datos geoespacial con comando ‘read_sf’ Unión espacial de datos Eliminación de geometría de un objeto ‘sf’ Agregación de datos con comando ‘group_by’
Sesión 5 – Mapa coroplético Mapa básico con comando ‘plot’ Diseño de mapa con el paquete ‘tmap’ Creación de capa
Capítulo 4: Autocorrelación espacial del dengue en Geoda
Sesión 1 – Preparación de los datos Carga de shapefiles Selección y exportación de conjunto de datos Uso de la calculadora de GeoDa Creación de mapa
Sesión 2 – Asignación de pesos espaciales Creación de matriz de vecindad con pesos espaciales Contigüidad Queen vs. Contigüidad Rook
4 AMERICAN PROGRAM IN GIS AND REMOTE SENSING S.A.C
El histograma de conectividad El mapa de conectividad El gráfico de conectividad
Sesión 3 – Autocorrelación espacial de la tasa de dengue Análisis univariado Moran’s I Análisis de gráfico de dispersión de Moran Permutaciones y significancia
Sesión 4 – Identificación de clusters locales de la tasa de dengue Análisis LISA Identificación de 4 tipos de clusters locales: HH, LL, HL, LH Significancia de clusters locales
Sesión 5 – Hot y Cold Spots de la tasa de dengue Análisis Hot y Cold spots Significancia de clusters locales
Capítulo 5: Autocorrelación espacial de homicidios en RStudio
Sesión 1 – Preparando los datos Importación de datos geoespacial con comando ‘read_sf’ Unión espacial de datos con comando ‘st_join’ Unión tabular de datos Tratamiento de ‘Missing Values’
Sesión 2 – Asignación de pesos espaciales Creación de objetos ‘sparse geometry binary predicate’ (sgbp) Creación de objetos ‘neighbours’ (nb) Creación de matrices de vecindad 1er y 2do orden (Queen vs. Rook) Creación de centroides Creación de gráfico de conectividad Creación de histograma de conectividad
Sesión 3 – Autocorrelación espacial de la tasa de homicidios Cluster global con comando ‘moran.test’ Creación del gráfico de dispersión de Moran
Sesión 4 – Identificación de clusters locales de la tasa de homicidios Cluster local con comando ‘localmoran’ Asignación de 4 tipos de clusters locales: HH, LL, HL, LH Mapa de clusters locales estadísticamente significativo
Sesión 5– Hot y Cold Spots de la tasa de homicidios Creación de matriz de vecindad con comando ‘dnearneigh’ Hot y cold spots con comando ‘localG’ Mapa de clusters locales
Capítulo 6: Análisis de regresión de homicidios en GeoDa y RStudio
Sesión 1 – Spatial join y exploración de datos de homicidios Unión espacial de datos en GeoDa Asociación entre variables independientes y dependiente en GeoDa
Sesión 2 – Regresión lineal múltiple Implementación de modelo clásico OLS en GeoDa Interpretación de resultados del modelo Interpretación de medidas de robustez del modelo Validación de supuestos de modelo OLS
5 AMERICAN PROGRAM IN GIS AND REMOTE SENSING S.A.C
Sesión 3 – Modelos espaciales: Spatial Lag y Spatial Error en GeoDa Implementación de modelo espacial ‘Spatial Lag’ Implementación de modelo espacial ‘Spatial Error’ Interpretación de resultados del modelo
Sesión 4 – Regresión Geográfica Ponderada en Rstudio Implementación de modelo OLS Cálculo de distancias de banda ancha Implementación de modelo espacial GWR Mapas de coeficientes de regresión de variables predictoras
Requisitos:
Cualquier público con o sin conocimientos sobre Sistemas de Información Geográfica, análisis espacial, estadística espacial o del Software GeoDa y Rstudio son candidatos para llevar este
entrenamiento. El temario está estructurado para usuarios con diferentes niveles de
conocimientos.
Una computadora con un mínimo de 2GB de RAM
Conexión a internet
Ánimos y ganas de adquirir conocimientos
Duración:
La duración será de 6 semanas + 2 semanas de evaluación para la obtención del certificado. En
total 8 semanas. El total, las horas aproximadas del curso son de 30h, esto incluye las horas que
los estudiantes tendrán que invertir para practicar y realizar el Proyecto Final.
Metodología:
Este entrenamiento se dará de modo totalmente online bajo la plataforma Edmodo. Cada
lección tendrá lo siguiente: i) material en PDF con la explicación de la parte teórica, ii) video
con la explicación de la parte teórica – práctica, iii) códigos empleados, iv) datos usados, y v)
un proyecto FINAL. Además, al ser un entrenamiento totalmente online, todos los participantes
tendrán la flexibilidad de poder estudiar las lecciones en el momento y el lugar que más cómodo
le parezca ya que los materiales estarán a disposición durante 24h del día y de modo ilimitado.
Finalmente, y como es de costumbre en cada entrenamiento que realizamos, todas las lecciones
se basan en la literatura científica y que se pondrá a disposición en la bibliografía de la parte
teórica para aquellos participantes que deseen profundizar aún más en la temática.