Hoe herken je veranderingen in het landschap en bepaal je of deze tijdelijk of structureel zijn? In deze Blended Learning leer je satellietbeelden uit verschillende perioden vergelijken en tijdreeksen analyseren. Je onderzoekt veranderingen in onder andere vegetatie, water, landgebruik en bebouwing en leert deze vertalen naar betrouwbare informatie voor monitoring en ruimtelijke vraagstukken.
Tijdens deze Blended Learning Change Detection en Tijdreeksen leer je hoe je satellietbeelden uit verschillende perioden gebruikt om veranderingen op het aardoppervlak te herkennen, te analyseren en te monitoren. Je werkt met tijdreeksen van onder andere Sentinel en Landsat en leert veranderingen onderscheiden van normale variatie. Zo kun je ontwikkelingen in landschap, vegetatie, water, natuur en bebouwing systematisch volgen.
Veranderingsdetectie begint met het vergelijken van waarnemingen van hetzelfde gebied op verschillende momenten. Daarbij is het belangrijk dat verschillen in satellietbeelden daadwerkelijk het gevolg zijn van veranderingen op het aardoppervlak en niet worden veroorzaakt door bijvoorbeeld bewolking, schaduw, seizoenen, verschillen tussen sensoren of opnameomstandigheden.
Je leert daarom welke factoren de vergelijkbaarheid van satellietbeelden beïnvloeden en hoe je onderscheid maakt tussen werkelijke veranderingen en tijdelijke afwijkingen. Ook maak je kennis met verschillende vormen van change detection, zoals het vergelijken van beelden, spectrale banden, indices en land-coverkaarten.
Het vergelijken van twee momenten kan laten zien wat er tussen twee opnamen is veranderd. Een tijdreeks gaat verder en maakt zichtbaar hoe een gebied zich gedurende maanden, jaren of zelfs decennia ontwikkelt. Daarmee kun je niet alleen veranderingen detecteren, maar ook bepalen wanneer deze optreden en of sprake is van een tijdelijke afwijking of een structurele trend.
Je leert satellietwaarnemingen chronologisch ordenen en patronen in de tijd herkennen. Daarbij besteed je aandacht aan seizoensinvloeden, trends, plotselinge veranderingen en afwijkingen van normale patronen. Langere tijdreeksen maken het bijvoorbeeld mogelijk om geleidelijke veranderingen in vegetatie, verstedelijking of landgebruik te onderscheiden van kortdurende gebeurtenissen zoals droogte, overstromingen of natuurbranden. Tijdreeksanalyse speelt daardoor een steeds belangrijkere rol bij continue monitoring met remote sensing.
Voor veranderingsdetectie zijn satellietprogramma’s met regelmatige en langdurige waarnemingen bijzonder waardevol. Je werkt daarom met open satellietdata van onder andere Sentinel en Landsat en leert geschikte beelden en perioden selecteren voor verschillende monitoringvraagstukken.
Je onderzoekt hoe spectrale banden, indices en geclassificeerde beelden door de tijd kunnen worden vergeleken. Zo kunnen bijvoorbeeld veranderingen in vegetatie, oppervlaktewater, landbedekking en stedelijk gebied worden gevolgd. Ook leer je hoe bestaande Europese land-coverproducten en veranderingslagen kunnen worden gebruikt als aanvullende informatie en referentie. De Copernicus Land Monitoring Service biedt bijvoorbeeld land-coverproducten en specifieke change layers voor het analyseren van veranderingen door de tijd.
Na de theoretische basis ga je zelf veranderingen analyseren. Je leert verschillen tussen opeenvolgende satellietbeelden ruimtelijk zichtbaar maken en onderzoekt hoe de omvang, richting en snelheid van veranderingen kunnen worden bepaald.
Bij langere tijdreeksen analyseer je ontwikkelingen door meerdere waarnemingen te combineren. Je onderzoekt trends, terugkerende patronen, afwijkingen en mogelijke omslagpunten. Hierdoor ontstaat een completer beeld dan bij het vergelijken van slechts twee momenten. Moderne change-detectionmethoden maken daarom steeds vaker gebruik van dichte tijdreeksen om complexe veranderingen betrouwbaarder te herkennen.
De analyses worden uitgevoerd met open data en open-source technieken. QGIS vormt een belangrijke werkomgeving voor het combineren, analyseren en visualiseren van ruimtelijke en temporele gegevens. Daarbij staat niet de software centraal, maar de vraag welke analysemethode nodig is om een verandering betrouwbaar vast te stellen.
Tijdens de Blended Learning werk je met realistische praktijkvoorbeelden en satellietdata uit verschillende perioden. Je onderzoekt niet alleen waar veranderingen plaatsvinden, maar probeert ook te verklaren wat de waargenomen patronen betekenen en hoe deze informatie kan worden gebruikt voor monitoring.
Je werkt onder andere aan opdrachten zoals:
Na afloop kun je satellietbeelden uit verschillende perioden zelfstandig vergelijken en tijdreeksen gebruiken om veranderingen, trends en afwijkingen te herkennen. Je kunt onderscheid maken tussen tijdelijke en structurele veranderingen en de resultaten vertalen naar bruikbare informatie voor monitoring, beheer en ruimtelijke besluitvorming.
Je ontvangt persoonlijke begeleiding. Na je aanmelding neemt onze cursuscoördinator contact met je op om je eerste sessie in te plannen.
Heb je vragen over de inhoud van de cursus? Of twijfel je of de cursus aansluit bij jouw leerdoelen of wensen? Liever incompany of een privé cursus? We helpen je graag verder.
Bij Change Detection vergelijk je satellietwaarnemingen van hetzelfde gebied uit verschillende perioden. Daarmee kun je bijvoorbeeld uitbreiding van bebouwing, veranderingen in oppervlaktewater, verlies van vegetatie of veranderingen in landgebruik herkennen en ruimtelijk in kaart brengen. Door verschillen te kwantificeren kun je niet alleen bepalen waar iets is veranderd, maar ook hoe groot de verandering is.
Een vergelijking van twee satellietbeelden laat zien dat er iets is veranderd, maar vertelt niet altijd of die verandering tijdelijk of structureel is. Met een tijdreeks analyseer je meerdere waarnemingen gedurende maanden of jaren. Hierdoor worden seizoenspatronen, normale variaties en langetermijntrends zichtbaar en kun je bijvoorbeeld tijdelijke droogte onderscheiden van structurele achteruitgang van vegetatie.
Satellietbeelden maken het mogelijk om een gebied vóór, tijdens en na een gebeurtenis te vergelijken. Zo kun je de omvang van een overstroming bepalen, vegetatieschade na een natuurbrand analyseren of de ontwikkeling van droogte volgen. Met langere tijdreeksen kun je vervolgens onderzoeken hoe snel een gebied herstelt en of de situatie terugkeert naar het oorspronkelijke patroon.
Door satellietbeelden over meerdere jaren te vergelijken kun je volgen hoe landgebruik en bebouwing veranderen. Zo kunnen nieuwe woonwijken, bedrijventerreinen, infrastructuur, ontbossing of veranderingen in landbouwgebied worden gedetecteerd. Tijdreeksen maken het mogelijk om niet alleen de huidige situatie vast te leggen, maar ook de snelheid en richting van ontwikkelingen te analyseren en gebieden structureel te monitoren.
