Analiza danych przestrzennych w środowisku obliczeniowym R

fakultatywne

Znajomość podstawowych pojęć z zakresu matematyki i statystyki.

w sali

Celem zajęć jest opanowanie środowiska programistycznego R w stopniu wystarczającym do przetwarzania danych przestrzennych oraz tworzenia prostych funkcji i skryptów, a także korzystania z ogólnie dostępnych skryptów i wizualizacji danych.

Celem zajęć jest opanowanie środowiska programistycznego R w stopniu wystarczającym do przetwarzania danych przestrzennych oraz tworzenia prostych funkcji i skryptów, a także korzystania z ogólnie dostępnych skryptów i wizualizacji danych.

Podczas zajęć poruszone zostaną następujące zagadnienia:

- struktura środowiska R i podstawowe komendy,

- sposoby przechowywania danych przestrzennych w środowisku R,

- statystyczna analiza danych nieprzestrzennych w środowisku R,

- analizy przestrzenne w środowisku R z zakresu geografii fizycznej i społeczno-ekonomicznej,

- metody prezentacji wyników w formie wykresów i map,

- przykłady zastosowań R w analizach z zakresu geografii fizycznej (np. analiza DEM, analizy struktury krajobrazu, klasyfikacja obrazów satelitarnych).

Zajęcia składają się z 30 godzin ćwiczeń z R.

Nakład pracy studenta:

-praca w sali - 30 godzin,

-przygotowanie pracy zaliczeniowej - 20 godzin.

Ćwiczenia prowadzone są w formie ćwiczeń komputerowych.

Lovelace R, Nowosad J., Muenchow J. (2019) Geocomputation with R. CRS Press

Nowosad, J., (2019). Geostatystyka w R. Wydanie drugie. Poznań: Space A.

Nowosad, J., (2020). Elementarz programisty: wstęp do programowania używając R. Wydanie pierwsze. Poznań: Space A. Online: https://nowosad.github.io/elp/

K_W04, K_W09, K_W10, K_W11, K_U03, K_U04, K_U06, K_U09

W zakresie wiedzy student:

- zna podstawowe pojęcia z zakresu programowania (funkcja, pętla, polecenia warunkowe),

- wie gdzie szukać informacji i pomocy o podstawowych funkcjach R

W zakresie umiejętności student:

- umie napisać prosty skrypt lub funkcję w zakresie analizy przestrzennej,

- umie przeprowadzić analizę statystyczną danych przestrzennych i nieprzestrzennych,

- potrafi zaprezentować otrzymane wyniki w formie graficznej

- potrafi przeanalizować wyniki analiz i odnieść je do wiedzy naukowej.

Zaliczenie na ocenę na podstawie projektu końcowego na wybrany temat, wykonanego w zespole dwuosobowym, w środowisku R. Projekt oddawany jest w formie kodu, danych wyjściowych oraz komentarza uzyskanych wyników.