Guía en formato PDF
Logo

Métodos de Obtención de Información Geográfica

Código: 43383
Créditos: 6
2026/2027
Titulación Tipo Curso
Teledetección y Sistemas de Información Geográfica OB 1

Profesor/a de contacto

Nombre :
Xavier Pons Fernandez
Correo electrónico :
xavier.pons@uab.cat

Equipo docente

Miquel Ninyerola Casals
Robert Benavente Vidal

Equipo docente (externo a la UAB)

José Ángel Burriel
Agustin Lobo Aleu
Mario Padial

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

No se requieren requisitos previos

Objetivos

Al finalizar la asignatura, el/la alumno/a será capaz de:

  • Aspectos básicos de la digitalización y avanzados de estructuración topológica, así como herramientas de modelización, obtención de cartografía temática y cuantificación de la fiabilidad de los productos obtenidos.
  • Utilización adecuada de los conceptos estadísticos que sustentan la clasificación automática de datos multivariantes, y en particular de los proporcionados por las imágenes de satélite así como los criterios más adecuados para la interpretación visual de las imágenes de sensores remotos.

Resultados de aprendizaje

  • CA07 (Interpretar la información temático-categórica de naturaleza espacial a partir de imágenes de sensores satelitales y aeroportados, ya sea de forma manual o mediante procedimientos informáticos para valorar su precisión.) Interpretar la información temático-categórica de naturaleza espacial a partir de imágenes de sensores satelitales y aeroportados, ya sea de forma manual o mediante procedimientos informáticos para valorar su precisión.
  • CA08 (Diseñar competencias numéricas y de cálculo, incluyendo análisis estadísticos y geoestadísticos avanzados orientados a la modelización espacial.) Diseñar competencias numéricas y de cálculo, incluyendo análisis estadísticos y geoestadísticos avanzados orientados a la modelización espacial.
  • CA09 (Relacionar conocimientos para el abordaje de la complejidad en la elaboración de juicios a partir de una información que, aun siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de dichos conocimientos y juicios.) Relacionar conocimientos para el abordaje de la complejidad en la elaboración de juicios a partir de una información que, aun siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de dichos conocimientos y juicios.
  • KA09 (Identificar los fundamentos de la digitalización cartográfica y de los principios avanzados de estructuración topológica en la generación de cartografía temática.) Identificar los fundamentos de la digitalización cartográfica y de los principios avanzados de estructuración topológica en la generación de cartografía temática.
  • KA10 (Reconocer los conceptos estadísticos que sustentan la modelización cartográfica y la clasificación automática de imágenes de satélite, así como los criterios más adecuados para la interpretación visual de imágenes remotas.) Reconocer los conceptos estadísticos que sustentan la modelización cartográfica y la clasificación automática de imágenes de satélite, así como los criterios más adecuados para la interpretación visual de imágenes remotas.
  • KA11 (Reconocer técnicas de muestreo y técnicas de evaluación de la fiabilidad de los productos geográficos obtenidos, tanto des del punto de vista del usuario como del productor, etc, integrando reflexiones éticas y sociales, con atención a las desigualdades por razones lingüísticas, culturales, de género u origen.) Reconocer técnicas de muestreo y técnicas de evaluación de la fiabilidad de los productos geográficos obtenidos, tanto des del punto de vista del usuario como del productor, etc, integrando reflexiones éticas y sociales, con atención a las desigualdades por razones lingüísticas, culturales, de género u origen.
  • SA12 (Interpretar visualmente imágenes geográficas mediante técnicas de fotointerpretación y criterios temáticos.) Interpretar visualmente imágenes geográficas mediante técnicas de fotointerpretación y criterios temáticos.
  • SA13 (Utilizar herramientas de digitalización y estructuración topológica, de modelización cartográfica y de clasificación automática de imágenes (supervisada, no supervisada y mixta, incluyendo métodos paramétricos y no paramétricos) para la extracción de información geográfica histórica y contemporánea coherente y estructurada.) Utilizar herramientas de digitalización y estructuración topológica, de modelización cartográfica y de clasificación automática de imágenes (supervisada, no supervisada y mixta, incluyendo métodos paramétricos y no paramétricos) para la extracción de información geográfica histórica y contemporánea coherente y estructurada.

Contenidos

FOTOINTERPRETACIÓN


  1. Criterios visuales para identificar usos y cubiertas del suelo.
  2. Reconocimiento de diferentes tipos de usos y cubiertas del suelo.
  3. Fotointerpretación: Principales aplicaciones en el estudio del medio ambiente natural y artificial.
  4. Interpretación de imágenes multiespectrales.
  5. Cartografía de soporte a la fotointerpretación.


MÉTODOS ESTADÍSTICOS


  1. Introducción a los datos multivariantes. Caracterización de distribuciones. Verificación de normalidad. Correlación. Implicaciones en Teledetección. Estandarización. Análisis de componentes principales.
  2. Distancias estadísticas entre individuos, poblaciones y entre individuos y poblaciones. Implicaciones del escalado de las variables. Medidas de divergencia.
  3. Obtención de nueva información (multitemporalitat, datos colaterales, índices y transformaciones diversas). Reducción de información a partir de las muestras y a partir de las variables. Introducción a la obtención de variables continuas y de variables categóricas: regresión lineal y no lineal, simple y múltiple, clasificación, etc.
  4. Regresión múltiple aplicada a la interpolación de superficies climáticas.
  5. Modelos lineales generalizados aplicados a la obtención de superficies de idoneidad basadas en la modelización del nicho ecológico.
  6. Clasificación jerárquica y no jerárquica. Clasificación supervisada, no supervisada y mixta; clasificación borrosa.
  7. Segmentación de imágenes. Escaleras y modelos de escena. Métodos de procesamiento que tienen en cuenta lainformación espacial. Métodos de segmentación. Clasificación por segmentos.
  8. Redes neuronales.
  9. Generalización de resultados en cartografía categórica. Métodos directos y métodos inteligentes.
  10. Verificación de resultados en cartografía binaria. Muestreo.
  11. Verificación de resultados en cartografía categórica. Muestreo.

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Estudio personal 10 0,4
Prácticas de aula 35 1,4
Clases magistrales / expositivas 38 1,52
Elaboración de trabajos 64 2,56
Tutorías 2 0,08
Lectura de artículos e informes de interés 1 0,04

Lengua vehicular mayoritaria: español (spa), aunque los materiales bibliográficos pueden estar en otras lenguas, mayoritariamente en inglés.

En este módulo se realizan 3 grupos de actividades de aprendizaje:

  • Las actividades dirigidas consisten en clases de teoría y prácticas que se realizarán en un aula de informática especializada. Al inicio de cada una de las materias que forman el módulo los docentes explicarán la estructura de los contenidos teórico-prácticos, así como el método de evaluación.
  • Las actividades supervisadas consisten en prácticas de aula que permitirán elaborar los trabajos y ejercicios de cada materia, así como sesiones de tutorías con los docentes en caso de que los estudiantes lo soliciten.
  • Las actividades autónomas son el conjunto de actividades relacionadas con la elaboración de trabajos, ejercicios y exámenes, como por ejemplo el estudio de diferente material en forma de artículos, informes, datos, etc., definidas según las necesidades de trabajo autónomo cada estudiante.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.

Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Trabajos prácticos 100 % 0 0 CA07, CA08, CA09, KA09, KA10, KA11, SA12, SA13

La evaluación regular de este módulo és como se explica a continuación:

  • La realización de diferentes trabajos prácticos propuestos a lo largo de la docencia del módulo y entregados dentro del plazo fijado, que valdrán un 100 % de la nota final. Se valorará una presentación formal correcta y una elaboración cuidada.

Aspectos a tener en cuenta.

  • La asistencia continuada a clase es altamente recomendable para el correcto seguimiento de las asignaturas. Sólo en casos de imposibilidad física de asistencia presencial el seguimiento en streaming está justificado, puesto que una parte importante de las experiencias y aprendizajes se alcanzan plenamente con el contacto con el profesorado y los compañeros de clase.
  • En caso de tener que entregar trabajos prácticos, esta entrega debe realizarse dentro de los plazos previstos para que sean evaluados.
  • En el momento en que sea posible iniciar la preparación o realizar cada actividad evaluativa, el Equipo docente informará al alumnado del procedimiento y fecha de revisión de las calificaciones.

Recuperación.

  • En caso de que no se haya alcanzado una nota mínima de 5 sobre 10 deberá recuperarse la actividad de evaluación. La posibilidad de recuperación es única.
  • El Equipo docente correspondiente informará de la fecha asignada para realizar/entregar la actividad de evaluación para la recuperación.

La evaluación única de este módulo es como se explica a continuación:

Esta asignatura contempla también la posibilidad de acogerse a la opción de la evaluación única de la que hay que tener en cuenta los siguientes aspectos:

  • La evaluación única supone una única fecha de evaluación pero no una única actividad de evaluación.
  • La realización de uno o diferentes trabajos prácticos propuestos a lo largo de la docencia del módulo y entregados dentro del plazo fijado, que valdrán un 100 % de la nota final. Se valorará una presentación formal correcta y una elaboración cuidada.
  • La evaluación única también será competencial, es decir, el estudiante tiene que demostrar que es capaz de realizar las tareas previstas en la asignatura y estas actividades tendran que tener el mismo nivel de exigencia que las que forman parte de la evaluación continua.
  • El estudiante que se quiera acoger a la evaluación única tendrá que comunicarlo entre el 5 de octubre y 19 de octubre de 2023 y no lo podrá hacer en cualquier otro momento del curso.
  • Las pruebas de evaluación única pueden coincidir con fechas reservadas para la evaluación continua y en el caso de que fuera necesario, se dispondrá de una semana para realizar las pruebas presenciales de evaluación única.

Recuperación.

Para la evaluación única se aplicará el mismo sistema de recuperación que para la evaluación continuada.

Copias y plagios.

  • La realización de cualquier irregularidad en un acto de evaluación (fraude académico, plagio o uso indebido de la IA, salvo que este uso esté expresamente autorizado en la guía docente), que pueda conducir a una variación significativa de la calificación, supone que este acto se calificará con un 0. En caso de que la guía docente prevea que para superar la asignatura sea requisito imprescindible haber obtenido una nota mínima en este acto de evaluación o que se produzcan varias irregularidades en los actos de evaluación de una misma asignatura, la calificación final de esta asignatura será de 0. Al margen de ello, se podrá instruir un procedimiento disciplinario al estudiante que incurra en alguna de estas irregularidades.

Bibliografía

Atkinson, P.M. and Tatnall, A.R.L., 1997. Introduction Neural Networks in Remote Sensing. International Journal of Remote Sensing, vol. 18, no. 4, pp. 699-709 DOI 10.1080/014311697218700.

Ball and Hall (1965) ISODATA, a Novel Method of Data Analysis and Pattern Classification. Stanford Research Institute, Menlo Park, Cal.

Benson, B.J. and MacKenzie, M.D. (1995) Effects of sensor spatial resolution on landscape structure parameters. Landscape Ecology, 10: 113-120.

Bishop, C.M., 1995. Neural Networks for Pattern Recognition. Oxford University Press ISBN 0 19 853864

Caetano, M. and Painho, M. (2006) Proceedings of Accuracy 2006. 7th International Symposium on Spatial Accuracy Assessment. Instituto Geográfico Português, 924 p.

Chuvieco, E. (2002) Teledetección Ambiental, Barcelona, Ariel. [Prèviament: Chuvieco, E. (1996) Fundamentos de teledetección espacial. Rialp, Madrid, 3ª edición (reimpressió corregida, febrer 2000), 453 p.]

Chuvieco, Emilio. (1996): Fundamentos de Teledetección Espacial (3ª edición revisada). Editorial Rialp, Madrid. 568 p. ISBN: 84-321-3127-X.

Chuvieco, Emilio. (2010): Teledetección Ambiental (3ª edición revisada). Editorial Ariel, Barcelona. 528 p. ISBN: 978-8-434-43498-1.

Cipolletti, M.P., Delrieux, C.A., Perillo, G.M.E., Piccolo, M.C., (2012) Superresolution border segmentation and measurement in remote sensing images. Computers & Geosciences, 40:87-96.

Clinton, N., Holt, A., Scarborough, J., Yan L., Gong, P. (2010) Accuracy Assessment for Object-Based Image Segmentation Goodness. Photogrammetric Engineering & Remote Sensing 76(3), 289-299.

Congalton, R.G. and Green, K. (2009) Assessing the Accuracy of Remotely Sensed Data—Principles and Practices. CRC Press, Boca Raton, 2ª edición, 183 p.

Cuadras C.M. (1996) Métodos de análisis multivariante. EUB, Barcelona.

Curran, Paul J. (1985): Principles of remote sensing. Longman Scientific and Technical. 282 p. ISBN: 978-0-582-30097-2.

Dalponte, M., Bruzzone, L., Vescovo, L. and Gianelle, D. (2009) The role of spectral resolution and classifier complexity in the analysis of hyperspectral images of forest areas. Remote Sensing of Environment, 113, 2345-2355.

Duda, R.O., Hart, P.E. and Stork, D.G. (2001) Pattern Classification. John Wiley & Sons, New York, 2a edición, 654 p

Eastman, J.R. (2001) IDRISI32 Release 2: Guide to GIS and Image Processing. Clark University . Worcester, (2 vol.), 161+144 p.

Eklundh, J.O., Yamamoto, H. and Rosenfeld (1980) A relaxation method for multispectral pixel classification. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PAMI-2, 72-75.

Foody, G.M. (2009) Classification accuracy comparison: Hypothesis tests and the use of confidence intervals in evaluations of difference, equivalence and non-inferiority. Remote Sensing of Environment, 113: 1658-1653.

Foody, G.M. and Mathur, A. (2004) Toward intelligent training of supervised image classifications: directing training data acquisition for SVM classification. Remote Sensing of Environment, 93: 107-117.

Foody, G.M. and Mathur, A. (2007) The use of small training sets containing mixed pixels for accurate hard image classification. Training on mixed spectral responses for classification by a SVM. Remote Sensing of Environment, 103: 179-189.

Franklin, J. (2010). Mapping Species Distributions. Spatial Inference and Prediction. Cambridge University Press, Cambridge.

Fukunaga, K. (1990) Introduction to Statistical Pattern Recognition. Elsevier, San Diego, 2ª edición, 591 p.

Goodchild, M. and Gopal, S. (eds) (1989) Accuracy of Spatial Databases. Taylor & Francis, London, 290 p.

Graham, Ron & Koh, Alexander (2002): Digital Aerial Survey, Theory and Practice. Whittles Publishing. 274 p. ISBN: 978-184995-085-5.

Graham, Ron& Read, Roger E. (1990): Manual de fotografía aérea. Omega, Barcelona. 359 p. ISBN: 84-282-0859-X.

Haralick, R. and Shapiro, L. (1985) Image segmentation techniques. Journal of Computer Vision, Graphics and Image Processing. 29:100-132.

Haralick, R.M., Shanmugam, K. and Dinstein, I. (1973) Textural features for image classification. IEEE Transactions on Systems, Man and Cybernetics, vol. SMC-3, 610-621.

Hastie, T., R. Tibshirani and J. Friedman (2009), The Elements of Statistical Learning (2nd edition). Springer-Verlag. 763 p. http://statweb.stanford.edu/~tibs/ElemStatLearn/

Höppner, F., F. Klawonn, R. Kruse and T. Runkler (1999) Fuzzy Cluster Analysis. Wiley, Chichester, 289 p. IEEE (2011) Special volume: Spectral Unmixing of Remotely Sensed Data. IEEE Transactions on Geoscience and Remote Sensing, Vol. 49.11.

Irons, J.R. and Petersen, G.W. (1981) Texture transformations of remote sensing data. Remote Sensing of Environment, 11:359-370.

Jansen, L.L.F. and Molenaar, M. (1995) Terrain objects, their dynamics and their monitoring by integration of GIS and remote sensing. IEEE Transactions on Geoscience and Remote Sensing, 33:749-758.

Jensen, J.R. (2004) Introductory Digital Image Processing. A Remote Sensing Perspective, Prentice Hall, Englewood Cliffs, 3ª edición, 544 p.

Karimi, Y., Prasher, S.O., Patel, R.M. and Kim, S.H. (2006) Application of support vector machine technology for weed and nitrogen stress detection in corn. Computers and electronics in agriculture, 51:99-109.

Kaufman and Rousseeuw, (1990) Finding Groups in Data: an Introduction to Cluster Analysis. John Wiley and Sons. 342 p.

Lillesand, T.M. and R.W. Kiefer (2003) Remote Sensing and Image Interpretation. John Wiley & Sons. New York, 5ª edición, 784 p.

Lillesand, T.M., Kiefer, R.W., & Chipman, J. (2015): Remote Sensing and Image Interpretation (7nd edition). John Wiley & Sons, Inc. New York. 768 p. ISBN:978-1-118-34328-9.

Little R.J.A. and Rubin D.B. (2002) Statistical Analysis with Missing Data.John Wiley, New York. 2ª edición, 381 p.

Lobo, A. (1997) Image segmentation and discriminant analysis for the identification of land cover units in ecology IEEE Transactions on Geoscience and Remote Sensing, 35: 1136-1145.

Lobo, A., Chic., O. and Casterad, A. (1996) Classification of mediterranean crops with multisensor data: perpixel versus perobject statistics and image segmentation. International Journal of Remote Sensing, 17: 2385-2400.

Lobo, A., Ibáñez Martí, J.J. and Carrera Giménez Cassina, C. (1997) Regional scale hierachical classification of temporal series of AVHRR vegetation index. International Journal of Remote Sensing, 18: 3167-3193.

Lu, W. and Weng, Q. (2007) A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing, 28: 823 – 870.

Manly, B.F.J. (1994). Multivariate statistical methods. A primer. Chapman and Hall, London. 2ª edición (reimpressió 2000)

Marceau, D., Howarth, P.J., Dubois, J.M.M. and Graton, D.J. (1990) Evaluation of the greylevel cooccurence matrix method for landcover classification using SPOT imagery. IEEE Transactions on Geoscience and Remote Sensing, 28: 513-519.

Mas, J.F. and Flores, J.J. (2008) The Application of Artificial Neural Networks to the Analysis of Remotely Sensed Data. International Journal of Remote Sensing, vol. 29, no. 3, pp. 617-663 DOI 10.1080/01431160701352154

Mather, P.M. (2004) Computer Processing of Remotely-Sensed Images J. Wiley & Sons, Chichester, 3ª edición, 324 p..

McCoy, R.M. (2005) Field Methods in Remote Sensing. The Guilford Press, New York. 159 p.

Michie, D., Spiegelhalter, D.J. and Taylor, C.C. (eds) (1994) Machine Learning, Neural and Statistical Classification. Ellis Horwood.

Moré G, Pons X (2008) Influencia del número de imágenes en la calidad de la cartografía detallada de vegetación forestal. Revista deTeledetección, 28: 61-68.

Mountrakis, G., Jungho, I., Ogole, C. (2011) Support vector machines in remote sensing: A review. ISPRS Journal of Photogrammetry and Remote Sensing, 66: 247-259

Ninyerola M, Pons X, Roure JM. (2000). A methodological approach of climatological modelling of air temperature and precipitation through GIS techniques. International Journal of Climatology 20: 1823-1841.

Paine, David P. & Kiser, James D. (2012): Aerial Photography and Image Interpretation (3rd edition). John Wiley & Sons Inc, New York. 648 p. ISBN: 978-0-470-87938-2.

Pedley, M. and Curran, P.J. (1991) Perfield classification: an example using SPOTHRV imagery. International Journal of Remote Sensing, 12: 2181-2192.

Persello, C. and Bruzzone, L. (2010) A Novel Protocol for Accuracy Assessment in Classification of Very High Resolution Images. IEEE Transactions on Geoscience and Remote Sensing, 48(3), 1232-1244.

Pons, X. and Arcalís, A. (2012) Diccionari terminològic de teledetecció Enciclopèdia Catalana i Institut Cartogràfic de Catalunya. Barcelona. 597 pàgs.

Richards, J. A. (2013) Remote Sensing Digital Image Analysis. An Introduction. Springer-Verlag, Berlin, 5ª edición, 494 p.

Schowengerdt, R. A. (2006) Remote Sensing. Models and methods for image processing. Academic Press, San Diego, California, 2ª edición, 560 p.

Serra, P., Moré, G., Pons, X. (2009) Thematic accuracy consequences in cadaster land-cover enrichment from a pixel and from a polygon perspective. Photogrammetric Engineering and Remote Sensing, 75: 1441–1449.

Shahshahani, B.M., Landgrebe, D.A. (1994) The Effect of Unlabeled Samples in Reducing the Small Sample Size Problem and Mitigating the Hughes Phenomenon, IEEE Transactions on Geoscience and RemoteSensing. Vol. 32-5.

Shi, W., Fisher, P. and Goodchild, M. (2002) Spatial Data Quality. Taylor & Francis, 313 p.

Shirabe, T. (2005) Classification ofSpatial Properties for Spatial Allocation Modeling. GeoInformatica, 9(3): 269–287.

Sokal, R. i Rohlf, J. 1995. Biometry: the principles and practice of statistics in biological research. 3ª edición. Ed. Freeman and Company. New York.

Sonka, Hlavac, and Boyle, (1993) Image Processing, Analysis, and Machine Vision. Chapman & Hall.

Spiegel, M.R. (1991) Estadística. McGraw Hill, 556 p.

StatSoft, Inc. (1999). STATISTICA for Windows [Computer program manual]. Tulsa, OK: StatSoft, Inc., WEB:http://www.statsoft.com

Stehman, S.V., Arora, M K., Kasetkasem, T., and Varshney, P.K. (2007) Estimation of Fuzzy Error Matrix Accuracy Measures Under Stratified Random Sampling. Photogrammetric Engineering & Remote Sensing, 73(2): 165-173.

Strahler, A., Woodcock, C and Smith., J.A. (1986) On the nature of models in remote sensing. Remote Sensing of Environment, 20: 121-139.

Tso, Br. and Mather, P.M. (2009) Classification methods for remotely sensed data. Taylor and Francis Grup, Boca Raton, 2ª edición.

Vázquez Maure, Francisco & Martín López José (1988): Fotointerpretación. Instituto Geografico Nacional, Madrid. 301 p. ISBN: 84-505-7312-2

Vogelmann, J.E., Tolk, B. and Zhu, Z. (2009) Monitoring forest changes in the southwestern United States using multitemporal Landsat data. Remote Sensing of Environment, 113: 1739-1748.

Woodcock, C.E. and Strahler, A.H. (1987) The factor of scale in remote sensing. Remote Sensing of Environment, 21: 311-332.

Yu, Q., Gong, P., Tian, Y.Q., Pu, R. and Yang, J. (2008) Factors Affecting Spatial Variation of Classification Uncertainty in an Image Object-based Vegetation Mapping. Photogrammetric Engineering & Remote Sensing, 74: 1007-1018.

DocumentaciónSIOSE2005. L'Anexo IV i la Guía, amb imatges de cobertes. http://www.ign.es/siose/documentacion.jsp

Manual de Fotointerpretación SIOSE2005. http://www.ign.es/siose/Documentacion/Guia_Tecnica_SIOSE/Manual_Fotointerpretacion_SIOSE2005.pdf

Anexo IV: Fichas Fotointerpretación Zonas Agrícolas y Forestales - Coberturas simples http://www.ign.es/siose/Documentacion/Guia_Tecnica_SIOSE/070206_Manual_Fotointerpretacion_anexoIV_ficha_AgriForestales.pdf

Anexo IV: FichasFotointerpretación Zonas Agrícolas y Forestales – Asociaciones http://www.ign.es/siose/Documentacion/Guia_Tecnica_SIOSE/070122_Manual_Fotointerpretacion_anexoIV_fichas_Asociaciones.pdf

Anexo IV: Fichas Fotointerpretación Coberturas Artificiales http://www.ign.es/siose/Documentacion/Guia_Tecnica_SIOSE/070727_Manual_Fotointerpretacion_anexo_IV_fichas_Artificialcomp.pdf

http://www.ign.es/siose/Documentacion/Guia_Tecnica_SIOSE/061101_Manual_Fotointerpretacion_anexoIV_Tabla_color.pdf

Mapa forestal de España escala 1:25.000 Manual de fotointerpretación. No conté imatges de boscos però és un bon recull de metodologia i de descripció de categories.

http://www.nasdap.ejgv.euskadi.net/contenidos/informacion/inventario_forestal_2011/es_agripes/adjuntos/Manual%20Fotointerpretacion%20MFE25_v5_feb2010_2.pdf

Organización de los Estados Americanos (OEA): \"El Salvador - Zonificación Agrícola - Fase II - Sistema de Información para el Desarrollo\".

http://www.oas.org/dsd/publications/Unit/oea35s/ch26.htm

http://studylib.es/doc/8744482/universidad-nacional-abierta-ya-distancia

https://www.juntadeandalucia.es/medioambiente/portal/landing-page-%C3%ADndice/-/asset_publisher/zX2ouZa4r1Rf/content/gu-c3-ada-t-c3-a9cnica-del-mapa-de-usos-y-coberturas-vegetales-del-suelo-de-andaluc-c3-ada-1-25.000/20151

Software

MiraMon, ArcGIS, QGIS, ENVI, Office Microsoft

Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura

Tipo de docencia Grupo Idioma Semestre Turno
(TEm) Teoría (máster) 1 Español segundo cuatrimestre tarde
(PAULm) Prácticas de aula (máster) 1 Español segundo cuatrimestre tarde