Logo UAB

Métodos de Obtención de Información Geográfica

Código: 43383 Créditos ECTS: 6
2024/2025
Titulación Tipo Curso
4314828 Teledetección y Sistemas de Información Geográfica OB 0

Contacto

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

Equipo docente

Miquel Ninyerola Casals
Roberto Benavente Vidal
(Externo) Agustin Lobo Aleu
(Externo) José Ángel Burriel
(Externo) Mario Padial

Idiomas de los grupos

Puede consultar esta información al final del documento.


Prerrequisitos

No se requieren requisitos previos


Objetivos y contextualización

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.

Competencias

  • Identificar y proponer aplicaciones innovadoras y competitivas basadas en los conocimientos adquiridos.
  • Manejar las distintas técnicas utilizadas para la obtención de información a partir de imágenes remotas.
  • Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  • Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • Redactar, presentar y defender públicamente un trabajo realizado individualmente o en equipo en un contexto científico y profesional.
  • Utilizar distintos softwares especializados de SIG y teledetección, así como otros softwares relacionados.

Resultados de aprendizaje

  1. Dominar herramientas de digitalización y estructuración topológica, así como herramientas de modelización, clasificación supervisada, no supervisada y mixta de imágenes.
  2. Identificar y proponer aplicaciones innovadoras y competitivas basadas en los conocimientos adquiridos.
  3. Manejar los conceptos estadísticos que sustentan la clasificación automática de imágenes de satélite así como los criterios más adecuados para la interpretación visual de imágenes remotas.
  4. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  5. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  6. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  7. Redactar, presentar y defender públicamente un trabajo realizado individualmente o en equipo en un contexto científico y profesional.

Contenido

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
Tipo: Dirigidas      
Clases magistrales / expositivas 38 1,52 5, 2, 6, 1, 4, 3, 7
Tipo: Supervisadas      
Prácticas de aula 35 1,4 5, 2, 6, 1, 4, 3, 7
Tutorías 2 0,08 5, 2, 6, 1, 4, 3, 7
Tipo: Autónomas      
Elaboración de trabajos 64 2,56 5, 2, 6, 1, 4, 3, 7
Estudio personal 10 0,4 5, 2, 6, 1, 4, 3, 7
Lectura de artículos e informes de interés 1 0,04 5, 2, 6, 1, 4, 3, 7

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 5, 2, 6, 1, 4, 3, 7

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.

  • Las copias se refieren a las evidencias de que el trabajo o el examen se ha hecho en parte o totalmente sin contribución intelectual del autor. En esta definición se incluyen también las tentativas probadas de copia en exámenes entregas de trabajos y las violaciones de las normas que aseguran la autoría intelectual. Los plagios hacen referencia a los trabajos y textos de otros autores que se hacen pasar como propios. Son un delito contra la propiedad intelectual. Para evitar incurrir en plagio, cite las fuentes que utiliza a la hora de escribir el informe de un trabajo. De acuerdo con la normativa de la UAB, tanto copias como plagios o cualquier intento de alterar el resultado de la evaluación, propia o ajena ‑dejando copiar, por ejemplo‑ implican una nota de la parte correspondiente (teoría, problemas, prácticas) de 0 y, en este caso, un suspenso de la asignatura, sin que ello limite el derecho a emprender acciones en contra de quienes hayan participado, tanto en el ámbito académico como en el penal. Véase documentación de la UAB sobre "plagio" en: http://wuster.uab.es/web_argumenta_obert/unit_20/sot_2_01.html

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: Fichas Fotointerpretación 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
Guía orientativa de color para composiciones en infrarrojo color
http://www.ign.es/siose/Documentacion/Guia_Tecnica_SIOSE/061101_Manual_Fotointerpretacion_anexoIV_Tabla_color.pdf
Guía técnica del Mapa de Usos y Coberturas Vegetales del Suelo de Andalucía 1:25.000. Conté imatges de cobertes.
http://www.juntadeandalucia.es/medioambiente/site/rediam/menuitem.04dc44281e5d53cf8ca78ca731525ea0/?vgnextoid=de07cb4af9245110VgnVCM1000000624e50aRCRD
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
Universidad Nacional Abierta y a Distancia (UNAD): "Fotointerpretación y mapificación". Especialment per fotografia aèria analògica.
http://datateca.unad.edu.co/contenidos/201722/FOTOINTERPRETACION_eXe_2011/index.html
Organización de los Estados Americanos (OEA): "El Salvador - Zonificación Agrícola - Fase II - Sistema de Información para el Desarrollo", Annex I.2 metodologías basadas en lafotointerpretación aérea. Especialment per metodologia d'ús de la fotografia aèria analògica per obtenir informació.
http://www.oas.org/dsd/publications/Unit/oea35s/ch26.htm
González Vázquez, X.P. & Marey Pérez, M.F. (2006) "Fotointerpretación de los usos del suelo". Síntesi de fotointerpretació d'usos del sòl com a tècnica. http://www.cartesia.org/data/apuntes/fotointerpretacion/articulo_fotointerpretacion_metacortex.pdfUniversidad de Múrcia. "Fotointerpretación. Geología y Geomorfología". Orientat cap a Geologia.
http://www.um.es/geograf/sig/teledet/fotogeol.html
Universidad Nacional de San Luis: "Apuntes para Trabajos Prácticos. Fotointerpretación". Orientat cap a Geologia. http://www0.unsl.edu.ar/~geo/materias/Elementos_de_Geologia/documentos/contenidos/apoyo_teorico/APU-2011-Fotointerpret.pdf http://rscc.umn.edu
Iowa State University: "Natural Resource Photogrammetry and Geographic Information Systems". Molt complet sobre el tema del títol, un resum de Fotointerpretació a Week 6. http://www.nrem.iastate.edu/class/nrem345.htm
García Rodríguez, P.; Sanz Donaire, J.J.; Pérez González, M.E.; Navarro Madrid, A. (Universidad Complutense de Madrid) (2013): “Guía práctica de teledetección y fotointerpretación”. Petita part teòrica i part pràctica orientada a Geologia. http://eprints.ucm.es/17444/1/GUIA_PRACTICA_TELEDETECCION.pdf
Tortosa, Delio: "Remote Sensing Course". This guide was produced as part of a remote sensing course for Lake Superior State University. El Topic 5 està dedicata fotointerpretació. http://hosting.soonet.ca/eliris/remotesensing/bl130intro.htm
Japan Association of Remote Sensing (1993): "Remote Sensing Note". http://www.jars1974.net/pdf/rsnote_e.html


Software

MiraMon, ArcGIS, QGIS, ENVI, Office Microsoft


Lista de idiomas

Nombre Grupo Idioma Semestre Turno
(TE) Teoría 1 Español segundo cuatrimestre manaña-mixto