Met R Satellietmonitoring kunnen organisaties bijvoorbeeld vegetatiegroei, droogte, waterstanden, landgebruik en klimaatverandering door de tijd heen volgen met satellietdata. In deze blended learning leer je hoe je satelliet- en remote sensing tijdreeksen analyseert, visualiseert en voorspelt.
R Satellietmonitoring richt zich op het analyseren, visualiseren en voorspellen van ontwikkelingen in satelliet- en remote sensing data met behulp van de programmeertaal R. Binnen Geo-ICT is dit belangrijk voor vraagstukken rond vegetatie, droogte, water, klimaatverandering, landgebruik en ruimtelijke monitoring door de tijd heen.
Met R kunnen satellietbeelden en afgeleide indicatoren worden omgezet naar tijdreeksen. Denk aan het volgen van vegetatieontwikkeling, het herkennen van seizoenspatronen, het analyseren van droogteperiodes, het monitoren van wateroppervlaktes en het voorspellen van trends in landschapsverandering. Hierdoor ontstaat een krachtige omgeving voor monitoring, beleidsanalyse en remote sensing workflows.
Wat R sterk maakt, is de combinatie van tijdreeksanalyse, statistiek, visualisatie en reproduceerbare workflows. Hierdoor kunnen satellietmetingen over langere perioden systematisch worden geanalyseerd en vergeleken. Binnen Geo-ICT wordt R steeds vaker ingezet om ruimtelijke veranderingen niet alleen in kaart te brengen, maar ook door de tijd heen te verklaren en te voorspellen.
In deze blended learning werk je met belangrijke packages zoals zoo, xts, tsibble, forecast en prophet. Hiermee leer je tijdreeksen structureren, trends analyseren, seizoenspatronen herkennen en voorspellingen maken op basis van satelliet- en monitoringdata.
Daarnaast biedt R uitgebreide mogelijkheden om satellietmonitoring te combineren met GIS-data, klimaatdata, visualisatie en rapportage. Hierdoor is deze blended learning interessant voor GIS-specialisten, remote sensing specialisten, data-analisten, beleidsmedewerkers, ecologen en Geo-ICT professionals die ruimtelijke ontwikkelingen door de tijd heen willen volgen en onderbouwen.
In deze blended learning maak je kennis met de belangrijkste mogelijkheden van R voor satellietmonitoring en tijdreeksanalyse. Je leert hoe je satellietdata en afgeleide indicatoren omzet naar bruikbare tijdreeksen en hoe je trends, patronen en afwijkingen analyseert. Daarbij werk je met packages zoals zoo, xts, tsibble, forecast en prophet.
Er wordt aandacht besteed aan tijdreeksstructuren, seizoenspatronen, trendanalyse, forecasting en monitoring van ruimtelijke veranderingen. Je leert hoe je ontwikkelingen in vegetatie, droogte, water, landgebruik en klimaatdata kunt volgen en interpreteren binnen Geo-ICT projecten.
Daarnaast leer je hoe R kan worden gebruikt om voorspellingen te maken op basis van historische satelliet- en monitoringdata. Met packages zoals forecast en prophet ontdek je hoe toekomstige trends kunnen worden ingeschat en hoe onzekerheden en patronen zichtbaar worden gemaakt.
Tijdens de blended learning werk je met praktijkgerichte datasets en leer je hoe je satellietmonitoring workflows reproduceerbaar opzet in R. Na afronding ben je in staat om zelfstandig satellietdata door de tijd heen te analyseren, trends te herkennen en resultaten te vertalen naar bruikbare inzichten voor GIS-, remote sensing- en beleidsprojecten.
Heb je al ervaring met R Google Earth Engine, R Hydrologie of R Visualisatie? Dan vormt deze blended learning een logische verdieping richting tijdreeksanalyse, monitoring en voorspellende analyses met satellietdata.
Blended learning combineert zelfstandig online leren met praktijkgerichte, interactieve sessies, waardoor je zowel de basis van tijdreeksanalyse als de toepassing op satellietdata leert begrijpen. In de online modules leer je hoe je monitoringdata structureert, trends analyseert en voorspellingen maakt met moderne R-packages.
Je ontdekt hoe je werkt met satellietindicatoren, seizoenspatronen, trendbreuken en forecasting. Daarnaast leer je hoe analyses reproduceerbaar worden opgezet, zodat resultaten transparant en herhaalbaar zijn voor verschillende gebieden en perioden. 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 satellietmonitoring workflows uitvoert met packages zoals zoo, xts, tsibble, forecast en prophet.
De combinatie van online leren en interactieve praktijkervaring zorgt ervoor dat je niet alleen leert hoe satellietdata technisch wordt geanalyseerd, maar ook hoe je veranderingen door de tijd heen inhoudelijk interpreteert. Na de blended learning ben je in staat om R professioneel in te zetten voor satellietmonitoring, tijdreeksanalyse, forecasting en ruimtelijke beleidsanalyse.
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 en R is handig, maar ervaring met satellietmonitoring of remote sensing is niet verplicht. Tijdens de blended learning worden tijdreeksanalyse, satellietdata en monitoring stap voor stap uitgelegd met praktische Geo-ICT voorbeelden.
Tijdens de blended learning werk je met monitoring van vegetatie, droogte, wateroppervlaktes, klimaatindicatoren, landgebruik en ruimtelijke veranderingen op basis van satelliet- en remote sensing data.
R wordt toegepast voor vegetatiemonitoring, klimaatadaptatie, droogteanalyse, waterbeheer, monitoring van ruimtelijke veranderingen, tijdreeksanalyse, forecasting en beleidsanalyses op basis van satellietdata.
Met tijdreeksanalyse kunnen veranderingen door de tijd heen zichtbaar worden gemaakt. Hierdoor kunnen trends, seizoenspatronen, afwijkingen en toekomstige ontwikkelingen beter worden geanalyseerd en voorspeld binnen Geo-ICT en remote sensing workflows.
Tijdens de blended learning werk je onder andere met zoo, xts, tsibble, forecast en prophet voor tijdreeksanalyse, trendanalyse, forecasting en satellietmonitoring binnen R.
