Estudia

• CG1 - Buscar, seleccionar i utilitzar eficaçment informació de diferent procedència i format en funció d'objectius determinats, usant significativament les tecnologies de la informació i la comunicació (TIC)
• CG7 - Adquirir la capacitat d' anàlisi, de síntesi i d' aplicació dels coneixements per resoldre situacions concretes.
• CE2 - Dominar les diverses formes d'adquisició i gestió de la informació geogràfica com a instrument d'interpretació territorial i, especialment, dels mapes i de les imatges d'observació de la Terra.

1. Introducció a la geoinformàtica programada

          1.1. Conceptes bàsics de SIG programàtic.

          1.2. Fluxos de treball amb dades espacials: de la descàrrega a la visualització.

          1.3. Eines: Python, R, SQL, Shiny.

2. Gestió i consulta de bases de dades espacials amb SQL

          2.1. Models de dades espacials (vectorial i ràster).

          2.2. Introducció a PostGIS i consultes SQL espacials bàsiques i avançades.

          2.3. Integració de dades espacials en projectes.

3. Processament i anàlisi espacial amb Python.

          3.1. Llibreries clau: geopandas, rasterio, shapely, folium, matplotlib.

          3.2. Automatització de processos: lectura, manipulació i exportació de dades.

          3.3. Geoprocessos habituals: buffer, overlay, càlculs de distància, estadística espacial.

4. Anàlisi espacial i visualització amb R

          4.1. Gestió de dades espacials amb sf, raster i tidyverse.

          4.2. Geoestadística bàsica i anàlisi de patrons espacials.

          4.3. Visualització avançada de mapes i gràfics interactius.

5. Creació de mapes web interactius.

          5.1. Folium: Mapes web amb Python i Leaflet. Creació d'ortofotografies, markers, popups i capes temàtiques.

          5.2. Leaflet.js: Fonaments de la libreria JavaScript més popular per a mapes web interactius.

          5.3. Mapbox GL JS: Mapes web avançats amb renderització vectorial i estils personalitzats.

          5.4. D3.js per a cartografia: Visualitzacions cartogràfiques personalitzades i mapes temàtics.

6. Desenvolupament d'aplicacions interactives amb Shiny.

          6.1. Principis de Shiny per a la creació de dashboards geoespacials.

          6.2. Integració de mapes, filtres i gràfics dinàmics.

          6.3. Exemples d'aplicacions per a la gestió i la difusió de resultats ambientals i territorials.

• Grus, Joel (2019). Data science from scratch : first principles with Python (Second edition). Sebastopol, CA: O'Reilly. Catàleg
• Ramalho, Luciano (2015). Fluent Python. Sebastopol, CA: O'Reilly. Catàleg
• Powell, Thomas A. (2004). JavaScript : the complete reference (2nd ed.). New York [etc: McGraw-Hill / Osborne. Catàleg
• Flanagan, David. (2011). JavaScript : the definitive guide (6th ed.). Sebastopol: O'Reilly. Catàleg
• Laude, Henri (2017). Data scientist y lenguaje R : guía de autoformación para el uso de Big Data. Cornellà de Llobregat, Barcelona: Ediciones ENI. Catàleg

Activitats d'avaluació:

La nota final s’obtindrà a partir de la següent proporció:
- 15% participació classe
- 25% cas pràctic
- 30% projecte.
- 30% exercicis pràctics

La nota màxima de les parts recuperables serà de 5.

Criteris específics de la nota «No Presentat»:
Qualsevol activitat d'avaluació no desenvolupada o no lliurada al docent responsable per a la seva avaluació serà considerada NO PRESENTAT.
El lliurament d'alguna pràctica FORA DELS TERMINIS FIXATS serà penalitzat rebaixant la nota a un 5 com a màxim.

- No presentació a les classes teòriques.
- No presentació del projecte final.
- No presentació d'alguna de les pràctiques avaluatòries.
- No presentació cas pràctic.

Avaluació única:

L’avaluació única consisteix en un únic examen final de tota la matèria teòrica i pràctica impartida. La Facultat estableix els terminis per sol·licitar acollir-se a l’avaluació única.

Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0

Tutories amb el professor Diego Varga: Divendres de 10h a 12h o prèviament concertades per correu electrònic a diego.varga@udg.edu

La comunicació i interacció amb els alumnes es farà bé presencialment, bé mitjançant les eines que ofereix la plataforma Moodle.

Per poder cursar aquesta assignatura, és imprescindible haver superat prèviament les dues assignatures de TIG (Tecnologies de la Informació Geogràfica) del Grau en Geografia, Territori i Media Ambient.

A més, es tracta d’una assignatura amb un component pràctic i tecnològic molt marcat, per la qual cosa es recomana tenir interès i motivació en l’ús d’eines tecnològiques aplicades a la gestió ambiental, com ara drons, sensors i sistemes d’informació geogràfica.

• Cartografia
• Tècniques quantitatives i qualitatives en Ciències Socials
• Tecnologia de la Informació Geogràfica: anàlisi espacial
• Tecnologia de la Informació Geogràfica: Visualització i Processament de dades