Introducción al curso
Descripción
Este curso es una introducción práctica al análisis y visualización de datos espaciales en R. A través de una combinación de teoría, ejercicios prácticos y retos aplicados, aprenderás a trabajar con datos vectoriales y raster, entender sistemas de referencia de coordenadas (CRS), realizar operaciones espaciales y crear mapas tanto estáticos como interactivos. El curso utiliza paquetes clave del ecosistema R como sf, terra, ggplot2 y mapview. Está estructurado en clases teóricas con cuestionarios, clases prácticas, y ejercicios prácticos propuestos al alumno para poner en práctica lo aprendido.
Comenzarás comprendiendo qué son los datos espaciales y cómo se diferencian de los datos no espaciales. A lo largo del curso, desarrollarás habilidades para transformar geometrías, analizar capas raster, calcular índices como el NDVI, y representar fenómenos geográficos en mapas. Al finalizar, serás capaz de realizar tus propios análisis de datos espaciales y compartir resultados a través de mapas web dinámicos.
Requisitos previos
Conocimientos básicos de R
Estar familiarizado con funciones del
tidyverse, incluyendo gráficos básicos conggplot2y pipeline (ver curso introducción a análisis y visualización de datos en R)
Contenidos del Curso
En esta sección puedes ver un resumen no exhaustivo de lo que verás en este curso.
Introducción a Análisis de Datos Espaciales y SIG en R
- Datos espaciales vs Datos no espaciales
- Geometrías
- Simple features
- Formatos vectoriales
- Descarga de datos espaciales
- Análisis exploratorio
- Importar/Exportar
- Propiedades
- CHALLENGE 01 - ejericicos propuestos
- Importancia CRS
- CRS, coordenadas, georreferenciación
- CRS geográficos vs CRS proyectados
- Proyecciones
- Códigos EPSG, proj4, WKT...
- Explorar CRS
- Transformación de CRS
- Asignación de CRS
- Transformaciones al vuelo
- Mapas web
- CHALLENGE 02 - ejericicos propuestos
- Predicados espaciales
- Medidas de geometrías
- Transformaciones unarias
- Transformaciones binarias
- Otras operaciones
- Funciones predicado
- Filtros espaciales
- Uniones espaciales
- Mediciones espaciales
- Transformaciones (centroide, buffer..)
- CHALLENGE 03 - ejericicos propuestos
- Definición datos raster
- Tipos de resolución
- Breve introducción a teledetección
- Operaciones comunes con datos raster
- Índices de vegetación
- Exploración de datos raster
- Descarga Modelo Digital de Elevaciones (DEM)
- Derivados del DEM
- Cortar, reclasificar...
- Operaciones aritméticas
- Cálculo de índices de vegetación
- Composiciones RGB y falso color
- CHALLENGE 04 - ejericicos propuestos
- Mapa 01 - Población de España por municipios
- Mapa 02a - Oso pardo en Picos de Europa I
- Mapa 02b - Oso pardo en Picos de Europa II
- Mapa 03 - Ríos de Galicia
- Mapa 04 - Oso andino en Perú
- Mapa 05 - Severidad incendio de Tenerife (2023)
Qúe incluye el curso
150 lecciones
15 horas de vídeo
Todo el material del curso
Clases teóricas, prácticas, cuestionarios y ejercicios propuestos
Bibliografía adicional
Respuesta rápida a las dudas de los alumnos
Qué aprenderás
Aprenderás a analizar datos espaciales en R, siendo RStudio tu nuevo Sistema de Información Geográfica. Concretamente aprenderás a:
Paquetes más importantes en el entorno SIG en R
Analizar datos vectoriales y datos raster
Descarga de datos espaciales en R
Operaciones comunes sobre datos vectoriales y sobre datos raster
Georreferenciar datos
Transformaciones de CRS
Generar mapas y mapas web como el siguiente:
Testimonios
Aquí se muestran todos los testimonios que han dejado los estudiantes de este curso (positivos y negativos).
Excelente curso, quisiera llevar otros cursos con este instructor sobre analisis de datos. Muchas gracias.
Soy peruano y me ha gustado mucho que entre los casos prácticos que vamos a desarrollar, hay un caso para Perú y la temática explicada sobre la programación del curso está muy bueno.
Es un curso muy práctico, se toma el tiempo para explicar los conceptos teóricos, si ya vienes manejando RStudio, te ayudará a aprender a optimizar tus códigos. Con este curso aprendes ráídamente a usar SIG en R y a aplicarlo fácilmente.