Ir para o conteúdo

Informação Georreferenciada

  • Professor:

    • André Filipe de Moraes Batista - andrefmb (at) insper.edu.br
  • Horário das aulas:

    • Sexta-feira - 13:30 - 15:30
    • Atendimento: 11:00 - 12:30 (via Teams)

© Todos os direitos reservados


Objetivos

Ao final da disciplina o aluno será capaz de:

  1. Compreender dados espaciais, não-espaciais e a relação entre ambos;
  2. Converter dados georreferenciados simples em medidas de áreas deliminatas, localização, distância e interação espacial;
  3. Preprocessar dados georreferenciados usando ferramentas especializadas;
  4. Aquisição, tratamento e armazenamento de dados de IoT e de dispositivos móveis;
  5. Realizar análise exploratória de dados georreferenciados e espaciais usando ferramentas especializadas;
  6. Realizar análises de clustering de dados usando ambiente de análise (Python)

Conteúdo Programático

  1. Diferença entre dados espaciais e dados não-espaciais
  2. Noções básicas de cartografia e sistemas de coordenadas espaciais
  3. Fontes de dados georreferenciados: repositórios, dispositivos móveis, IoT
  4. Trabalhando com formatos comuns de dados espaciais em bases de dados
  5. Geocodificação direta e reversa
  6. Agregação de dados: pontos, linhas, polígonos
  7. Análise exploratória de dados espaciais
  8. Análise de distribuições espaciais
  9. Autocorrelação espacial
  10. Clusters espaciais

Avaliação

A avaliação da disciplina será composta por provas, projetos e atividades de acompanhamentos:

Provas Intermediária (PI) e Final (PF) serão compostas por exercícios práticos a serem feitos durante o tempo de prova;

O projeto da disciplina será composto por múltiplas partes. Haverá duas entregas principais para o projeto.

A média final é dada por

55% Projeto 45% média de Provas

Plano de aulas
Data Questão/Problema Conteúdo/Atividade
20/08/2021 Compreendendo os dados espaciais e seus desafios. Dados Espaciais: características e desafios. Análise Espacial e Georreferenciamento. Noções básicas de cartografia.
27/08/2021 Como as ferramentas computacionais disponíveis na linguagem Python podem ajudar no tratamento de dados espaciais Sistemas de Coordenadas Espaciais. Bibliotecas computacionais de apoio para a análise dos dados espaciais.
03/09/2021 Obtendo informações geoespaciais por meio da geocodificação Trabalhando com formatos comuns de dados espaciais. Geocodificação direta e reversa. Análise espacial de dados pontuais.
10/09/2021 Compreendendo relações espaciais por meio da análise de pontos Análise espacial de dados pontuais.
17/09/2021 Compreendendo relações espaciais por meio da análise de pontos Agregação de dados: pontos, linhas, polígonos.
24/09/2021 Aula estúdio para projeto Aula estúdio para projeto
01/10/2021 Avaliação Intermediária Avaliação Intermediária
15/10/2021 Compreendendo relações espaciais por meio da análise de áreas Análise espacial de dados de área. Conceitos básicos. Noções de Vizinhança.
22/10/2021 Compreendendo relações espaciais por meio da análise de áreas Análise espacial de dados de área. Mapas Temáticos.
29/10/2021 Compreendendo relações espaciais por meio da análise de áreas Análise exploratória de dados espaciais. Case.
05/11/2021 Compreendendo dependências espaciais e autocorrelação espacial Autocorrelação espacial
12/11/2021 Determinando aglomerados (clusters) espaciais Clusters espaciais
19/11/2021 Aula estúdio para projeto Aula estúdio para projeto
26/11/2021 Quiz para PF Quiz para PF
03/12/2021 Avaliação Final Avaliação Final

Bibliografia

  • LAWHEAD, J. Learning Geospatial Analysis with Python: Understand GIS fundamentals and perform remote sensing data analysis using Python. 3.a ed. Packt Publishing, 2019.

  • CRICKARD, P.; VAN REES, E.; TOMS, S. Mastering Geospatial Analysis with Python. 1.a ed. Packt publishing, 2017.

  • CRESSIE, N. Statistics for Spatial Data. 2015.