Pasar al contenido principal

¿Eres nuevo en Distribución de especies forestales? Si es así, ¡estás en el lugar correcto para iniciar! Este curso te ayudará desde cero hasta llegar a ser un experto en Distribución actual y futura al 2100 de especies forestales mediante R, Google Earth Engine, MaxEnt y ArcGIS Pro, aplicado al modelamiento espaciales de la distribución de especies en ámbitos macro y micro, así contribuir con la conservación de los recursos naturales, reforestación de sitios óptimos de la especie forestal y endemismo de la especie.

Nos indica la idoneidad del ambiente para el desarrollo de poblaciones de una especie, calculada a partir de observaciones de campo y una serie de variables bioclimáticas que actúan como predictores.

Temario del Curso

  • Instalar ArcGIS Pro
  • Instalar Python 3.9.11
  • Instalar JupyterLab
  • Instalar R
  • Configurar R en JupyterLab
  • Instalar MaxEnt
  • Instalar Google Earth Engine mediante Python - JupyterLab
  • Introducción Modelamiento de distribución especie MDS
  • Requisitos MDS
  • Introducción básica en JupyterLab
  • Introducción básica en R
  • Introducción básica en ArcGIS Pro
  • Introducción básica en Google Earth Engine utilizando Python.
  • Introducción
  • Modelo vectorial y ráster
  • Tipos de vectores
  • Tipos de resolución ráster
  • Proyección
  • Características datos bioclimáticos – WorldClim
  • Descarga de datos bioclimáticas utilizando R
  • Descarga de Temperatura mínima, máxima y promedio WorldClim
  • Característica datos de suelo – SoilGrids - ISRIC
  • Descarga datos de suelo mediante Google Earth Engine - GEE
  • Descarga datos Modelo Digital de Elevación mediante GEE
  • Introducción
  • Determinación de pendiente - Slope
  • Determinación de aspecto - aspect
  • Determinación del índice de posición topográfica - TPI
  • Determinación índice de rugosidad del terreno - TRI
  • Determinar la dirección de flujo del agua - Flowdir
  • Introducción
  • Cargar todas las capas bioclimáticas, topográficas y edáficas
  • Seleccionar una capa para uniformizar según el criterio del ráster.
  • Resamplear todos los ráster
  • Recortar todas las capas ráster
  • Guardar los ráster en formato ASCII
  • Seleccionar la especie forestal
  • Superponer con su área de estudio
  • Verificar si hay valores nulos
  • Agregar un ráster estándar
  • Extraer según ubicación de celda las coordenadas.
  • Determinar la coordenada
  • Verificar si hay duplicados
  • Exportar en tabla CSV para MaxEnt
  • Generar un shapefile con las coordenadas
  • Instalar paquete rgbif
  • Verificar la especie y genero
  • Selección de la especie mediante clave
  • Generar tabla de la especie
  • Verificar valores nulos
  • Exportar en tabla CSV para MaxEnt
  • Introducción MaxEnt
  • Importar datos espaciales y especie CSV
  • Configurar parámetros
  • Análisis de resultados del modelo de predictivos de la especie
  • Análisis estadístico de los resultados
  • Análisis de contribución y Test de jackknife
  • Introducción
  • Selección de variables utilizando Correlación Pearson y dendrograma.
  • Selección de variables utilizando el porcentaje de contribución
  • Exportar las variables seleccionadas según formatos ASCII
  • Introducción MaxEnt
  • Importar datos espaciales seleccionados y especie CSV
  • Configurar parámetros
  • Análisis de resultados del modelo de predictivos de la especie
  • Análisis estadístico de los resultados
  • Análisis de contribución y Test de jackknife
  • Introducción e instalación paquete: dismo, rJava, virtualspecies
  • Importar ráster de variables bioclimáticas, topográficas y edáficas
  • Generar una composición de bandas
  • Selección de las variables utilizando Correlación Pearson y dendrograma.
  • Importar las presencias de especies forestales
  • Generar fondo para puntos aleatorios
  • Modelo MaxEnt utilizando, configurando curva de respuesta, contribución modelo y puntos aleatorio al 25%.
  • Abrir el modelo en HTML
  • Gráfico de contribución de las variables.
  • Generar predicción
  • Plotear modelo de predicción actual y puntos de presencia.
  • Exportar en formato ráster predicción del modelo.
  • Introducción sistema de evaluación modelo CMIP6
  • Escenarios de futuros SSP de los periodos
  • Variables temperatura mínima, máximo, precipitación y bioclimáticas.
  • Niveles (126, 245, 370, 585)
  • Tiempo ("2021-2040", "2041-2060", "2061-2080", "2081-2100")
  • Variable ("tmin", "tmax", "prec", "bioc")
  • Lista de ráster futuros
  • Cargar variables futuras
  • Resamplear ráster
  • Recortar ráster según zona estudio
  • Realizar promedio temperatura y suma precipitación
  • Exportar en formato ASCII.
  • Introducción MaxEnt
  • Importar datos espaciales futuros y especie CSV
  • Configurar parámetros
  • Análisis de resultados del modelo de predictivos de la especie
  • Análisis estadístico de los resultados
  • Análisis de contribución y Test de jackknife
  • Importar tabla Results
  • Selección de las columnas de especie y AUC
  • Generar los nombres en formato TIF y ASC.
  • Importar zona de estudio
  • Realizar buffer área estudio
  • Recortar el ráster según área de estudio buffer
  • Clasificar el ráster en 4 clases
  • Exportar el ráster clasificado
  • Introducción
  • Agregar los ráster clasificado
  • Convertir ráster a vector
  • Determinar área hectárea y porcentaje
  • Agregar vectores zona de estudio
  • Agregar norte y barra escala
  • Agregar título y membrete
  • Exportar en formato PDF o JPG.
Adquierelo antes de que llegue a CERO !!
June 25, 2024
Días
Hora
Min.
Seg.

Distribución actual y futura al 2100 de especies forestales mediante R, Google Earth Engine, MaxEnt y ArcGIS Pro

Accede al contenido virtual de inmediato.

Agregar al carrito Descargue los pasos para una compra fácil.
50.00% - dcto$ 200
$ 100.00

Detalles del curso

  • Acceso de por vida
  • Asesoria personalizada
  • Certificado especialización
  • Nivel Completo
  • Aprende a tu ritmo
  • 100 horas lectivas

Acerca del docente

Nino Frank Bravo Morales

Ingeniero

Certifícate con los mejores

Agrega más conocimientos a tu curriculum.

Certifícate ahora