Automatisering av
GIS-prosesser

1. Introduksjon

Agenda

Hei og velkommen
Hvem er jeg?
Hva er dette faget?
En smakebit av Python

Hvem er jeg?

Håvard Wallin Aagesen
PhD Stipendiat, Geomatikk
MSc Geoinformatics, University of Helsinki
BSc Samfunnsgeografi, Universitetet i Oslo

Praktisk info

Studiemetode

Forelesninger og pensum/nettside
Øvinger

Nettside

haavardaagesen.github.io/gmgi221

Foreløpig Forelesningsplan

Nr.	Dato	Tema
1.	3/9	Introduksjon
2.	10/9	Shapely
3.	17/9	Geopandas
4.	24/9	Projeksjoner
5.	1/10	Geokoding
6.	08/10	Punkt i polygon
7.	15/10	Romlige koblinger
8.	22/10	Overlay
9.	29/10	Reklassifisering
10.	5/11	Data aggregering
11.	12/11	Statiske og interaktive kart
12.	19/11	Nettverksanalyse
13.	26/11	Ingen forelesning
14.	3/12	Ingen forelesning

Øvinger

Sted: TF1-105 (TF02) (REALTEK)
Tid: Torsdager 10-12

Ukentlige øvinger
1 prosjektoppgave

Motivasjonen bak emnet

Læringsmål for faget

Teste og produsere modulær kode
Håndtere romlig data programmatisk
Anvende romlige analysemetoder
Visualisere geografiske data
Designe og implementere et geografisk dataanalyse-prosjekt

Så for dette emnet, så tar jeg utgangspunkt i at dere kjenner til og vet hva ulike metoder innen GIS er og hvordan de fungerer. Så stort sett, så kommer jeg ikke til å gjennom noe teori bak metodene, men hvordan dere kan implementere de i Python. Når det er sagt, så er det ingen skam i å ikke huske alt fra tidligere emner, så det er bare å spørre hvis dere trenger en oppfriskning ulike metoder. Men det er det rent Python-praktiske som er temaet i faget.

Teste og produsere modulær kode i Python
Håndtere romlig data programmatisk (for eksempel, lese forskjellige dataformater, re-projiserende, re-klassifisering og lagring av data)
Anvende romlige analysemetoder i Python (som buffering, nettverksanalyse og romlige sammenføyninger)
Visualisere (grafer og kart) geografiske data ved hjelp av Python
Designe og implementere et geografisk dataanalyse-prosjekt

Overordnede mål

Skrive programmer som er enkle å forstå og dele
Holde en logg over endringene du gjør i programmene dine
Lage programmer som sikrer at vitenskapen din er reproduserbar
Produsere enkle, effektive datavisualiseringer som gjør resultatene dine tilgjengelige og enkle å forstå