Skip to content
/ adg2024 Public

Kurs "Algorytmy danych geoprzestrzennych" UAM 2024

Notifications You must be signed in to change notification settings

kadyb/adg2024

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Algorytmy danych geoprzestrzennych

To repozytorium zawiera materiały do kursu "Algorytmy danych geoprzestrzennych" prowadzonego na Uniwersytecie Adama Mickiewicza w semestrze zimowym w 2024 r.

Algorytmy danych geoprzestrzennych to metody obliczeniowe służące do przetwarzania, analizowania oraz interpretowania danych przestrzennych i są powszechnie stosowane w systemach informacji geograficznej (GIS) do zadań takich jak analiza przestrzenna, zapytania przestrzenne, optymalizacja tras czy modelowanie środowiska. Do analizy mogą zostać wykorzystane zarówno dane wektorowe jak i rastrowe. Część praktyczna zajęć zostanie przeprowadzona w środowisku PyQGIS (wymagana jest instalacja QGIS: https://qgis.org/download/).

PyQGIS to interfejs programistyczny aplikacji (API) do QGIS. Umożliwia on automatyzację zadań, rozszerzanie możliwości i tworzenie nowych wtyczek poprzez dostęp do funkcjonalności QGIS za pomocą języka programowania Python. PyQGIS umożliwia również integrację QGIS z innymi bibliotekami w środowisku Python, np. NumPy, Pandas czy Matplotlib.

Materiały do kursu

Wykłady:

  1. Wprowadzenie
  2. Nakładanie warstw wektorowych
  3. Relacje przestrzenne
  4. Operacje geometryczne
  5. Obliczenia geodezyjne
  6. Operacje rastrowe

Aby pobrać prezentację w formacie PDF należy wcisnąć E, następnie CTRL + P i zapisać ją jako PDF.

Ćwiczenia:

  1. Wprowadzenie do Pythona
  2. Wprowadzenie do PyQGIS
  3. Przetwarzanie danych wektorowych
  4. Przetwarzanie danych rastrowych
  5. Próbkowanie
  6. Obliczenia geodezyjne
  7. Transformacje
  8. Skrypty geoprzetwarzania w QGIS

Materiały dodatkowe

Kontakt

W razie pytań proszę o kontakt na [email protected].

About

Kurs "Algorytmy danych geoprzestrzennych" UAM 2024

Topics

Resources

Stars

Watchers

Forks

Languages