Met Google Earth Engine en R kunnen organisaties bijvoorbeeld satellietbeelden analyseren voor vegetatie, droogte, ontbossing, waterbeheer en klimaatverandering op wereldwijde schaal. In deze blended learning leer je hoe je Google Earth Engine koppelt aan R voor cloudgebaseerde remote sensing en grootschalige ruimtelijke analyses.
Deze blended learning richt zich op het uitvoeren van grootschalige ruimtelijke analyses en remote sensing workflows met Google Earth Engine vanuit de programmeertaal R. Binnen Geo-ICT is dit belangrijk voor vraagstukken rond satellietdata, klimaatverandering, vegetatie, waterbeheer, droogte, landgebruik en monitoring van grote gebieden.
Satellietbeelden en geografische datasets worden op cloudniveau verwerkt zonder dat alle data eerst lokaal hoeft te worden gedownload. Denk aan het analyseren van Sentinel- en Landsat-beelden, het berekenen van vegetatie-indexen, het uitvoeren van tijdreeksanalyses en het monitoren van veranderingen in landschap, water of bebouwing. Hierdoor ontstaat een krachtige omgeving voor remote sensing, GIS en Geo-ICT workflows.
Wat R sterk maakt, is de combinatie van programmeerbaarheid, statistiek en reproduceerbare analyseworkflows. In combinatie met GEE wordt daar cloud computing en toegang tot grote satellietdatabronnen aan toegevoegd. Hierdoor kunnen analyses worden opgeschaald naar grotere gebieden en langere tijdreeksen.
In deze blended learning werk je met packages zoals rgee en mapview. Hiermee leer je Google Earth Engine aansturen vanuit R, satellietdata selecteren, analyses uitvoeren en resultaten interactief visualiseren.
Daarnaast biedt R uitgebreide mogelijkheden om Earth Engine-resultaten te combineren met statistiek, visualisatie, rapportage en andere Geo-ICT workflows. Hierdoor is deze blended learning interessant voor GIS-specialisten, remote sensing specialisten, data-analisten, onderzoekers en Geo-ICT professionals die cloudgebaseerde satellietanalyses willen uitvoeren.
In deze blended learning maak je kennis met de belangrijkste mogelijkheden van Google Earth Engine binnen R. Je leert hoe je verbinding maakt met Earth Engine, datasets selecteert en satellietbeelden verwerkt binnen reproduceerbare R-workflows. Daarbij werk je met packages zoals rgee en mapview.
Er wordt aandacht besteed aan remote sensing, satellietdatabronnen, cloud processing, tijdreeksen en interactieve visualisaties. Je leert hoe je vegetatie-indexen berekent, veranderingen analyseert en resultaten vertaalt naar bruikbare geografische inzichten.
Daarnaast leer je hoe R kan worden gebruikt om GEE-analyses te automatiseren en te combineren met andere databronnen. Denk aan toepassingen voor droogtemonitoring, landgebruik, waterbeheer, klimaatadaptatie, natuurbeheer en ruimtelijke beleidsanalyse.
Tijdens de blended learning werk je met praktijkgerichte datasets en leer je hoe je Google Earth Engine workflows reproduceerbaar opzet in R. Na afronding ben je in staat om zelfstandig satellietdata te analyseren en interactieve resultaten te maken voor GIS-, remote sensing- en Geo-ICT projecten.
Heb je al ervaring met R Spatial Basis, R Hydrologie of R Visualisatie? Dan vormt deze blended learning een logische verdieping richting cloudgebaseerde remote sensing en grootschalige ruimtelijke analyse.
Blended learning combineert zelfstandig online leren met praktijkgerichte, interactieve sessies, waardoor je zowel de basis van GEE als de praktische toepassing in R leert begrijpen. In de online modules leer je hoe je satellietdata selecteert, verwerkt en analyseert met cloudgebaseerde tools.
Je ontdekt hoe je werkt met Earth Engine datasets, tijdreeksen, vegetatie-indexen en interactieve kaarten. Daarnaast leer je hoe analyses reproduceerbaar worden opgezet, zodat resultaten transparant en herhaalbaar zijn voor verschillende gebieden en projecten. Dankzij onbeperkte toegang tot het lesmateriaal kun je de stof in je eigen tempo herhalen en oefenen.
Tijdens de praktijkgerichte online sessies pas je de theorie direct toe op realistische datasets en herkenbare Geo-ICT vraagstukken. Je krijgt begeleiding van ervaren docenten en leert hoe je Google Earth Engine workflows uitvoert met packages zoals rgee en mapview.
De combinatie van online leren en interactieve praktijkervaring zorgt ervoor dat je niet alleen leert hoe satellietdata technisch wordt verwerkt, maar ook hoe je deze data vertaalt naar bruikbare inzichten. Na de blended learning ben je in staat om R en Google Earth Engine professioneel in te zetten voor remote sensing, klimaatdata, monitoring en grootschalige ruimtelijke analyses.
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 R en GIS is handig, maar ervaring met Google Earth Engine is niet verplicht. Tijdens de blended learning worden Earth Engine workflows, satellietdata en cloud processing stap voor stap uitgelegd met praktische Geo-ICT voorbeelden.
Tijdens de blended learning werk je onder andere met satellietdata zoals Sentinel en Landsat binnen Google Earth Engine. Hiermee voer je analyses uit op vegetatie, water, landgebruik, droogte en ruimtelijke veranderingen.
R en Google Earth Engine worden toegepast voor remote sensing, klimaatmonitoring, vegetatieanalyse, waterbeheer, droogteanalyse, landgebruikclassificatie, monitoring van ruimtelijke veranderingen en grootschalige geografische analyses.
Google Earth Engine maakt het mogelijk om grote hoeveelheden satellietdata cloudgebaseerd te verwerken zonder alles lokaal te downloaden. In combinatie met R kunnen analyses reproduceerbaar worden geautomatiseerd en gecombineerd met statistiek, visualisatie en Geo-ICT workflows.
Tijdens de blended learning werk je onder andere met rgee en mapview voor koppelingen met Google Earth Engine, interactieve visualisaties, satellietdata en remote sensing workflows.
