Esta versión de la guía docente es provisional hasta que no finalize el periodo de edición de las guías del nuevo curso.

Logo UAB

Proyectos 3D y Estrategias de Negocio en Geoinformación

Código: 45550 Créditos ECTS: 6
2025/2026
Titulación Tipo Curso
Geoinformation OP 1

Contacto

Nombre:
Maria Assumpcio Termens Perarnau
Correo electrónico:
assumpcio.termens@uab.cat

Equipo docente

Marc Torres Saura
Ariadna Just Orriols

Idiomas de los grupos

Puede consultar esta información al final del documento.


Prerrequisitos

El módulo no tiene ningún prerrequisito, solamente conocimiento general referente a geoinformación.


Objetivos y contextualización

El objetivo principal de este módulo es proporcionar al alumnado las metodologías y técnicas necesarias para desarrollar especificaciones de productos en el ámbito de la geoinformación. Esto incluye el diseño de modelos de negocio, la elaboración de planes de explotación de productos y la formulación de estrategias de marketing digital. El módulo también aborda el uso de herramientas de marketing digital para promocionar, distribuir y posicionar eficazmente productos y servicios de geoinformación.

El módulo incluye, además, una sección dedicada a los productos de geoinformación en 3D, una modalidad emergente y en rápida expansión dentro del sector de la geoinformación. Esta sección ofrece una visión general del estado del arte en la generación, procesamiento y aplicación de datos tridimensionales obtenidos mediante sensores LiDAR y técnicas fotogramétricas.

Los modelos de geoinformación 3D están consolidándose como una herramienta clave en múltiples ámbitos de aplicación, como la planificación urbana, la gestión de ciudades inteligentes, la gestión forestal, la prevención de incendios y el análisis de la morfología del terreno. Estos datos permiten desarrollar productos y servicios innovadores que contribuyen tanto al crecimiento económico como a la sostenibilidad ambiental.

Al finalizar este módulo, el alumnado será capaz de:

  • Comprender los principios fundamentales de la generación y aplicación de datos tridimensionales obtenidos a través de sistemas de observación de la Tierra.

  • Adquirir conocimientos teóricos y prácticos sobre las tecnologías y herramientas utilizadas para la adquisición,procesamiento y análisis de geoinformación 3D.

  • Analizar y evaluar el potencial de la geoinformación 3D en ámbitos como la gestión urbana, la planificación territorial, la gestión forestal y el estudio de la morfología del terreno.


Resultados de aprendizaje

  1. CA22 (Competencia) Planificar un proyecto técnico de producción y distribución de productos o servicios de información incorporando soluciones a las necesidades de los usuarios.
  2. CA22 (Competencia) Planificar un proyecto técnico de producción y distribución de productos o servicios de información incorporando soluciones a las necesidades de los usuarios.
  3. CA23 (Competencia) Idear las especificaciones técnicas y sistemas de control de calidad relacionadas con productos o servicios de información geoespacial.
  4. CA24 (Competencia) Generar productos de geoinformación 3D a partir de conocimientos sobre márqueting digital.
  5. KA21 (Conocimiento) Seleccionar los distintos tipos de licencias de distribución, uso y reproducción generales y específicas para cartografía, datos geoespaciales y software, especialmente relacionados con el potencial que la geoinformación 3D ofrece en la gestión de las ciudades y el entorno urbano.
  6. KA22 (Conocimiento) Identificar la legislación relacionada con la publicación y difusión de datos y resultados derivados de la cartografía, la información geoespacial y, en general, de todo tipo de datos, incluida la protección de datos de carácter personal.
  7. KA23 (Conocimiento) Definir la estrategia de un plan de distribución y/o comercialización de productos o servicios de información geoespacial.
  8. SA25 (Habilidad) Organizar la información para asegurar y mantener la trazabilidad de productos y servicios de geoinformación.
  9. SA26 (Habilidad) Analizar la geoinformación 3D para mejorar la gestión del territorio.

Contenido

Estrategias de negocio en geoinformación

1.  Introducción al marketing digital.

2.  El valor de la idea. De la idea a la ejecución de un negocio.

3.  Los modelos de negocio. ¿Cómo puedo monetizar?

4.  Creación de clientes (customer development). Cómo llevar clientes al negocio.

5.  Lienzo de propuesta de valor (value proposition canvas). La necesidad del cliente como semilla de negocio.

6.  Lienzo de modelo de negocio (business modelo canvas).

  • Propuesta de valor.
  • Segmentos de clientes.
  • Canales.
  • Relación con los clientes.
  • Modelo de ingresos.
  • Partners.
  • Ejemplos.

7.  Marketing digital. Prototipado.

  • Plan de marketing digital.
  • El sitio web.
  • Generación de oportunidades (lead generation).
  • SEO, SEM i AdWords. La presencia de nuestro negocio en Internet
  • Analytics (Google). Medir para mejorar.
  • Marketing digital en las redes sociales.

 

Geoinformación 3D: usos, aplicaciones y ecosistema urbano

  1. Introducción y motivación del 3D

  2. Captura de datos tridimensionales

    • Sensores activos

    • Sensores pasivos

  3. Interpretación semántica de una nube de puntos 3D

    • Clasificación

    • Segmentación

  4. Modelos 3D de ciudad

    • Principios

    • Creación de modelos 3D urbanos

    • Casos de uso

  5. El 3D en el ecosistema urbano y en entornos naturales

    • Principios

    • Modelado de vegetación

    • Casos de uso

  6. Morfología territorial y monitorización de cambios

 


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tipo: Dirigidas      
Exposición de conceptos y conocimientos 36 1,44 CA22, CA23, CA24, KA21, KA22, KA23, SA25, SA26, CA22
Tipo: Supervisadas      
Proyecto de cuatrimestre, ejercicios, seminarios 15 0,6 CA22, CA23, CA24, KA21, KA22, KA23, SA25, SA26, CA22
Tipo: Autónomas      
Realización de ejercicios prácticos 69 2,76 CA22, CA23, CA24, KA21, KA22, KA23, SA25, SA26, CA22

El módulo se desarrolla mediante tres tipos de actividades:

Actividades dirigidas: Consisten en clases teórico-prácticas en aulas informáticas e incluyen la resolución de casos mediante ejercicios prácticos guiados, aplicando como metodología principal el aprendizaje basado en problemas. Las clases constituyen el hilo conductor del módulo. Su función es sistematizar los contenidos, presentar estados de la cuestión de las materias, aportar métodos y técnicas para la resolución de tareas y recapitular los conocimientos objeto de aprendizaje. Asimismo, generan y organizan las necesidades de trabajo autónomo del alumno para ampliar contenidos básicos o desarrollar contenidos complementarios.

Actividades supervisadas: Comprenden la realización de un proyecto de cuatrimestre, consistente en un caso de aplicación real, mediante horas de taller, trabajo autónomo y tutorías, que permite aplicar conjuntamente los conocimientos y habilidades técnicas de los contenidos de todos los módulos del cuatrimestre. El proyecto de cuatrimestre constituye para el alumno/a un hito y la demostración material de haber alcanzado los objetivos de todos los módulos del cuatrimestre y es la pieza fundamental de la evaluación, pues además del seguimiento continuado de su realización, deberá entregar una memoria de síntesis del mismo y exponerlo oralmente.

Actividades autónomas: El trabajo autónomo del alumno incluye el tiempo para estudiar materiales teóricos (artículos, manuales, informes de interés, etc.), buscar documentación y datos, realizar ejercicios de ampliación de contenidos complementarios del módulo y, en gran medida, llevar a cabo el desarrollo personal del proyecto de cuatrimestre.

Las actividades que no se puedan efectuar presencialmente se adaptarán a las posibilidades que ofrecen las herramientas virtuales de la UAB. Los ejercicios, proyectos y clases teóricas se harán a través de herramientas virtuales, como tutoriales, vídeos, sesiones de Teams, etc. El profesor o profesora velará para que el o la estudiante pueda acceder a dichas herramientas o le ofrecerá medios alternativos, que estén a su alcance.

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.

 

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
Defensa oral de trabajos 25% 7,5 0,3 CA22, CA23, CA24, KA21, KA22, KA23, SA25, SA26
Entrega de informes y trabajos 30% 9 0,36 CA22, CA23, CA24, KA21, KA22, KA23, SA25, SA26
Realización de ejercicios prácticos 45% 13,5 0,54 CA22, CA23, CA24, KA21, KA22, KA23, SA25, SA26

En caso de que las actividades de evaluación no se puedan hacer presencialmente, se adaptará su formato (sin alterar su ponderación) a las posibilidades que ofrecen las herramientas virtuales de la UAB. Los deberes, actividades y participación en clase se realizarán a través de foros, wikis y / o discusiones de ejercicios a través de Teams, etc. El profesor o profesora velará para asegurarse el acceso del estudiantado a tales recursos o le ofrecerá otros alternativos que estén a su alcance.

EVALUACIÓN CONTINUADA. Esta assignatura/modulo no prevé el sistema de evaluación única.

a) Proceso y actividades de evaluación:  

La evaluación del módulo se basa principalmente en la realización del proyecto de cuatrimestre, el cual es objeto de dos actividades de evaluación. Por una parte, la elaboración y entrega de la memoria de síntesis del proyecto y por otra, la defensa oral del proyecto efectuado. Dado el contenido altamente técnico del módulo, se atribuye un peso del 30% a la memoria del proyecto, ya que es el medio más adecuado para exponer los detalles técnicos con toda su complejidad, y un peso del 25% a la defensa oral. La evaluación se complementa con un 45% de realización de ejercicios prácticos.

El proyecto de cuatrimestre (memoria del proyecto de cuatrimestre, exposición oral del proyecto de cuatrimestre) y los ejercicios o prácticas y seminarios pueden ser individuales o en pequeños grupos, según indiquen los profesores en cada caso.

Las horas atribuidas a cada actividad de evaluación incluyen el tiempo destinado a la elaboración de los medios materiales de evaluación de cada actividad (memoria, presentación, etc.).

b) Programación de actividades de evaluación:

Memoria del proyecto del 2º cuatrimestre: Elaboración a lo largo del cuatrimestre. Entrega al final del periodo de actividades del módulo, el 17 de abril de 2026.

Defensa oral del proyecto del 2º cuatrimestre: Elaboración a lo largo del cuatrimestre. Exposición oral o presentación comentada al final del periodo de actividades del módulo, el 24 de abril de 2026.

Ejercicios prácticos del módulo: Realización y entrega semanal o quincenal, a lo largo del cuatrimestre.

c) Procedimiento de revisión de la evaluación:

En el momento de realización de cada actividad de evaluación, el profesor o profesora informará al alumnado (Moodle) del procedimiento y fecha de revisión de las calificaciones.

Una vez publicadas las notas, los alumnos dispondrán de una semana para efectuar la comprobación solicitando cita con los profesores o profesoras correspondientes.

d) Proceso de recuperación:

Memoria del proyecto del 2º cuatrimestre: Recuperable en el plazo máximo de 2 semanas después de la fecha de entrega programada. La recuperación consistirá en una nueva entrega de toda la memoria en caso de evaluación negativa de la primera memoria entregada.

Defensa oral del proyecto del 2º cuatrimestre: Recuperable en el plazo máximo de 1 semana después de la fecha de realización programada. La recuperación consistirá en efectuar de nuevo la defensa oral en caso de evaluación negativa de la primera defensa oral realizada.

Ejercicios prácticos del módulo: No recuperables.

Para participar en la recuperación, el alumno/a deberá haber sido previamente evaluado en un conjunto de actividades cuyo peso equivalga por lo menos a dos tercios de la evaluación total del módulo. Por lo tanto, deberá haber sido evaluado necesariamente en la fecha programada de la memoria (40%) y de la defensa oral (30%) del proyecto de cuatrimestre.

Solo podrá participar en el proceso de recuperación el alumno/a que, no habiendo superado la evaluación del módulo (calificación total mínima de 5,0), haya obtenido una calificación mínima total del módulo superior a 3,5.

e) Condiciones para la calificación ‘No evaluable’:

El o la estudiante recibirá la calificación de ‘No evaluable’ en vez de ‘Suspenso’ siempre que no haya entregado la Memoria del proyecto del 2º cuatrimestre ni efectuado la Defensa oral del proyecto del 2º cuatrimestre. El/la estudiante recibirá la calificación de No evaluable siempre que no haya entregado más de 1/3 partes de las actividades de evaluación.

f) Normativa de la UAB relativa al plagio y otras irregularidades en el proceso de evaluación:

En caso de que el estudiante lleve a cabo cualquier tipo de irregularidad que pueda conducir a una variación significativa de la calificación de un determinado acto de evaluación, este será calificado con 0, independientemente del proceso disciplinario que pueda derivarse de ello. En caso de que se verifiquen varias irregularidades en los actos de evaluación de una misma asignatura, la calificación final de esta asignatura será 0.

Les actividades de evaluación calificadas con 0 porirregularidades cometidas por el estudiante no se podrán recuperar.

En el momento de realización de cada actividad de evaluación, el profesor o profesora informará al alumnado del procedimiento y fecha de revisión de las calificaciones.

Para esta asignatura, se permite el uso de tecnologías de Inteligencia Artificial (IA) exclusivamente en tareas de apoyo. El estudiante deberá identificar claramente qué partes han sido generadas con esta tecnología, especificar las herramientas empleadas e incluir una reflexión crítica sobre cómo estas han influido en el proceso y el resultado final de la actividad. La no transparencia del uso de la IA en esta actividad evaluable se considerará falta de honestidad académica y puede comportar una penalización parcial o total en la nota de la actividad, o sanciones mayores en casos de gravedad.


Bibliografía

Renslow, Michael. Manual of Airborne Topographic LiDAR. Bethesda, Maryland: The American Society for Photogrammetry and Remote Sensing, 2016. Technologies for the future. A LiDAR overview. https://www.gim-international.com/content/article/technologies-for-the-future-a-lidar-overview-2

The Fierce Rise of Airborne Lidar. https://www.gim-international.com/content/article/the-fierce-rise-of-airborne-lidar

M.Carós, A.Just, S.Seguí, J.Vitrià, 2024. Effective Training and Inference Strategies for Point Classification in LiDAR Scenes. Remote sensing 16(12):2153. DOI 10.3390/rs16122153

M.Carós, A.Just, S.Seguí, J.Vitrià.,2023. “Addressing Scale and Density Challenges in LiDAR Point Classification.”

M.Carós, A.Just, S.Seguí, J.Vitrià. Sept. 2023. Self-Supervised Pre-Training Boosts Semantic Scene Segmentation on LiDAR data.

M.Carós, A.Just, S.Seguí, J.Vitrià. Oct. 2022. Object Segmentation of Cluttered Airborne LiDAR Point Clouds. In: Artificial Intelligence Research and Development. vol. 356. IOS Press; 2022.

Charles R. Qi, Hao Su, Kaichun Mo, Leonidas J. Guibas. PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation. Conference on Computer Vision and Pattern Recognition (CVPR) 2017

Victor F. Strîmbu, Bogdan M. Strîmbu, A graph-based segmentation algorithm for tree crown extraction using airborne LiDAR data,ISPRS Journal of Photogrammetry and Remote Sensing, Volume 104, 2015, Pages 30-43, ISSN 0924-2716, https://doi.org/10.1016/j.isprsjprs.2015.01.018.

Yangbin Lin, Cheng Wang, Jun Cheng, Bili Chen, Fukai Jia, Zhonggui Chen, Jonathan Li, Line segment extractionfor large scale unorganized point clouds, ISPRS Journal of Photogrammetry and Remote Sensing, Volume 102, 2015, Pages 172-183, ISSN 0924-2716, https://doi.org/10.1016/j.isprsjprs.2014.12.027.

Hackel T., Wegner J., Schindler K. Contour detection in unstructured 3Dpoint cloud.

H. Ni, X. G. Lin, J.X.Zhang. APPLICATIONS OF 3D-EDGE DETECTION FOR ALS POINT CLOUD. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLII-2/W7, 2017 ISPRS Geospatial Week 2017, 18–22 September 2017, Wuhan, China

Nebiker S, Bleisch S, Christen M (2010): Rich point clouds in virtual globes – A new paradigm in city modeling? Computers, Environment and Urban Systems, 34(6): 508–517.

Wallerman J, Bohlin J, Fransson JE, Lundberg K (2009): Forest data capture using optical 3D digital surface models from the C3 Technologies system. ASPRS/MAPPS 2009 Specialty Conference, Digital mapping–From Elevation to Information. San Antonio, Texas, United States, pp. 16–19.

Biljecki F (2017): Level of detail in 3D city models. PhD thesis, TU Delf, 353 pp.

Garland M, Heckbert PS (1997): Surface Simplification Using Quadric Error Metrics. Proceedings of the 24th annual conference on Computer graphics and interactive techniques SIGGRAPH 97. ACM Press/Addison-Wesley Publishing Co., Los Angeles, CA, United States, pp. 209–216.

Bauchet Jean-philippe, Lafarge Florent (2019): City Reconstruction from Airborne LIDAR: A computation geometry approach.

Stoter Jantien, Vallet Bruno, Lithen Thomas, Pla Maria, Wozniak Piotr, Kellenberger Tobias, Streilein Andre, Ilves Thobias Risto, Ledoux Hugo (2016): State-of-the-art of 3D national mapping. Kemp, A. (2011). BIM isn’t Geospatial .... Or is it?. https://communities.rics.org/gf2.ti/f/200194/67 68101/pdf/-/RICS12Pres_ACK_Speech.pdf

Applications of 3D City Models: State of the Art Review. https://www.mdpi.com/2220-9964/4/4/2842

A. Just Orriols, J. Vayreda Duran. Segunda Edición De Los Mapas de Variables Biofísicas Del Arbolado de Cataluña. 8° Congreso Forestal Español (2022)

Martín-Alcón S, Coll L, De Cáceres M, Guitart L, Cabré M, Just A, González-Olabarria JR (2015) Combining aerial LiDAR and multispectral imagery to assess post-fre regeneration types in a Mediterranean forest. Can J For Res 45(7):56866. https://doi. org/10.1139/cjfr-2014-0430

Blázquez-Casado Á, González-Olabarria JR, Martín-Alcón S, Just A, Cabré M, Coll L (2015) Assessing post-storm forest dynamics in the Pyrenees using high-resolution LIDAR data and aerial photographs. J Mt Sci 12:841–853. https://doi.org/10.1007/ s11629-014-3327-3

Olivier Martin-Ducup, Jean-Luc Dupuy, Maxime Soma, Juan Guerra-Hernandez, Eva Marino, Paulo M. Fernandes, Ariadna Just, Jordi Corbera, Marion Toutchkov, Charlie Sorribas, Jerome Bock, Alexandre Piboule, Francesco Pirotti, François Pimont, Unlocking the potential of Airborne LiDAR for direct assessment of fuel bulk density and load distributions for wildfire hazard mapping, Agricultural and Forest Meteorology, Volume 362,2025,110341,ISSN 0168-1923, https://doi.org/10.1016/j.agrformet.2024.110341.

Pukkala, T., Aquilué, N., Just, A. et al. Developing kNN forest data imputation for Catalonia. J. For. Res. 35, 80 (2024). https://doi.org/10.1007/s11676-024-01735-5

https://www.gis.fhwa.dot.gov/documents/gis_business_models.pdf 

https://www.alexandercowan.com/business-model-canvas-templates/

https://www.st-andrews.ac.uk/media/careerscentre/documents/Business%20Model%20Canvas%20Support%20Document.pdf


Software

QGIS

ArcGIS Desktop

LASTools

Cloudcompare

Fusion (USDA)

Google Analytics


Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre de 2025. 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