Curso de Geoestadística Descriptiva e interpolación espacial en ArcGIS

Descripción

La geostadística o estadística espacial puede considerarse como una rama diferenciada de la estadística clásica que considera las características espaciales de los objetos (posición, topología, naturaleza continua…) permitiendo por tanto llevar a cabo un análisis más adecuado de las variables espaciales. En este sentido, el ámbito de aplicación de la geostadística es realmente amplio, desde al análisis de patrones puntuales, pasando por el análisis de conglomerados, hasta las diversas técnicas de interpolación y modelado espacial de fenómenos y/o variables continuas (información climática, elevación…).

Este curso se centra en la utilización de las distintas herramientas que pone a nuestra disposición el módulo Geostatisical Analyst de ArcGIS  aplicadas a distintos ámbitos como el geomarketing, estudios poblacionales o modelización espacial de variables ambientales. Los contenidos a tratar parten del análisis exploratorio y descriptivo de variables espaciales que nos permitirá conocer en detalle la estructura de nuestra información, tanto desde el punto de vista temático como espacial, para finalmente explorar en profundidad los algoritmos de interpolación disponibles en el Geostatistical Wizard, así como otras herramientas específicas para el análisis de patrones espaciales (autocorrelación espacial, Hot Spots…).

Conocimientos y requisitos previos

Se requiere tener destreza de ArcGIS similares a las que alcanzarías con nuestro Curso ARCGIS 10: Sistemas de información geográfica.

Para la realización del curso: Es necesario tener instalado el software o bien comprar una licencia a través de la página de ESRI.

Programa Formación

Objetivos del Curso

Al finalizar el curso el alumno deberá poder:

• Llevar a cabo el análisis descriptivo de las variables a interpolar y determinar el tipo de distribución que siguen los datos.
• Implementar los principales algoritmos de interpolación disponibles en ArcGIS
• Validar adecuadamente los modelos generados a partir de muestras independientes.
• Determinar el método de interpolación más adecuado para cada caso.
• Interpretar un semivariograma.