R Aardobservatie is een praktijkgerichte blended learning waarin je leert werken met satellietbeelden en remote sensing in R. Je gaat aan de slag met Sentinel-2, Landsat, multispectrale en hyperspectrale data met packages zoals RStoolbox, sen2r en hyperspec. Daarnaast leer je classificaties, rasteranalyses en geautomatiseerde aardobservatie-workflows uitvoeren. De blended learning is geschikt voor GIS-specialisten, remote sensing professionals en geo-data analisten.
Aardobservatie speelt een steeds grotere rol binnen GIS, remote sensing, GeoAI en ruimtelijke data-analyse. Satellieten verzamelen dagelijks enorme hoeveelheden geografische informatie waarmee veranderingen op aarde inzichtelijk kunnen worden gemaakt. Denk hierbij aan vegetatieanalyses, waterkwaliteit, stedelijke ontwikkeling, landbouwmonitoring en milieuvraagstukken.
Met de programmeertaal R kunnen satellietbeelden en remote sensing data efficiënt worden verwerkt, geanalyseerd en geautomatiseerd. Hierdoor ontstaat een krachtige omgeving voor reproduceerbare aardobservatie-workflows en geavanceerde geografische analyses.
R wordt wereldwijd gebruikt door onderzoekers, GIS-specialisten, data-analisten en remote sensing professionals voor het analyseren van multispectrale en hyperspectrale data. Dankzij gespecialiseerde remote sensing packages kunnen grote hoeveelheden satellietdata efficiënt worden verwerkt en gecombineerd met statistische analyses en GeoAI-toepassingen.
In deze blended learning werk je met belangrijke remote sensing packages zoals RStoolbox, sen2r, satellite, MODIStsp, landsat, hsdar en hyperspec. Hiermee leer je werken met Sentinel-2, Landsat en andere aardobservatiebronnen voor classificaties, multispectrale analyses en hyperspectrale data-analyse.
Tijdens de blended learning maak je kennis met de belangrijkste mogelijkheden van R voor aardobservatie en remote sensing. Je leert hoe je satellietbeelden importeert, verwerkt en analyseert met moderne remote sensing packages binnen R.
Er wordt aandacht besteed aan het werken met Sentinel-2, Landsat en andere satellietbronnen. Je leert multispectrale en hyperspectrale datasets analyseren en toepassen binnen geografische analyses en classificaties.
Daarnaast ontdek je hoe je remote sensing workflows automatiseert en reproduceerbare analyses uitvoert met scripts in R. Je leert werken met classificaties, rasteranalyses, spectrale indices en beeldverwerking voor aardobservatieprojecten.
Tijdens de blended learning werk je met praktijkgerichte datasets en realistische remote sensing toepassingen. Na afronding van de blended learning ben je in staat om zelfstandig satellietdata te verwerken, analyseren en visualiseren binnen R.
Daarnaast leer je hoe satellietbeelden kunnen worden gebruikt voor ruimtelijke analyses, monitoring en geautomatiseerde workflows. Hierdoor is R een krachtig hulpmiddel voor professionals die aardobservatie willen inzetten binnen GIS-, milieu-, infrastructuur- en GeoAI-projecten.
Heb je al ervaring met remote sensing of GIS? Dan vormt deze blended learning een uitstekende basis voor verdere verdieping in GeoAI, hyperspectrale analyse en geavanceerde aardobservatie.
In deze blended learning maak je kennis met de belangrijkste mogelijkheden van R voor aardobservatie en remote sensing. Je leert hoe je satellietbeelden importeert, verwerkt en analyseert met moderne remote sensing packages binnen R.
Er wordt aandacht besteed aan het werken met Sentinel-2, Landsat en andere satellietbronnen. Je leert multispectrale en hyperspectrale datasets analyseren en toepassen binnen geografische analyses en classificaties.
Daarnaast ontdek je hoe je remote sensing workflows automatiseert en reproduceerbare analyses uitvoert met scripts in R. Je leert werken met classificaties, rasteranalyses, spectrale indices en beeldverwerking voor aardobservatieprojecten.
Tijdens de blended learning werk je met praktijkgerichte datasets en realistische remote sensing toepassingen. Na afronding van de blended learning ben je in staat om zelfstandig satellietdata te verwerken, analyseren en visualiseren binnen R.
Heb je al ervaring met remote sensing of GIS? Dan vormt deze blended learning een uitstekende basis voor verdere verdieping in GeoAI, hyperspectrale analyse en geavanceerde aardobservatie.
Blended learning combineert zelfstandig online leren met praktijkgerichte, interactieve sessies, waardoor je zowel theoretische kennis opdoet als direct leert werken met satellietbeelden en remote sensing data in R. In de online modules leer je hoe je aardobservatie-data verwerkt, analyseert en automatiseert met moderne R-packages.
Je ontdekt hoe je werkt met Sentinel-2, Landsat en andere satellietbronnen voor multispectrale en hyperspectrale analyses. Daarnaast leer je classificaties uitvoeren, spectrale indices berekenen en reproduceerbare remote sensing workflows ontwikkelen binnen R.
Tijdens de praktijkgerichte online sessies pas je de theorie direct toe met realistische datasets en aardobservatie-vraagstukken. Je krijgt begeleiding van ervaren docenten en leert hoe remote sensing analyses worden toegepast binnen GIS, milieuonderzoek, GeoAI en ruimtelijke monitoring.
De combinatie van online leren en interactieve praktijkervaring zorgt ervoor dat je niet alleen de basisprincipes van aardobservatie in R begrijpt, maar deze kennis ook direct kunt toepassen binnen professionele GIS- en remote sensing projecten.
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.
Basiskennis van GIS of ruimtelijke data is handig, maar uitgebreide ervaring met remote sensing is niet noodzakelijk.
Ja, tijdens de blended learning werk je met praktijkgerichte datasets afkomstig van onder andere Sentinel-2 en Landsat satellieten.
Onderwerpen zoals multispectrale analyse, hyperspectrale analyse, classificaties, rasterverwerking en aardobservatie-workflows komen uitgebreid aan bod.
Tijdens de blended learning werk je onder andere met RStoolbox, sen2r, satellite, MODIStsp, landsat, hsdar en hyperspec.
