Hoe kun je het aardoppervlak observeren wanneer bewolking of duisternis optische satellietbeelden beperkt? In deze Blended Learning leer je hoe Radar Remote Sensing en SAR worden ingezet om eigenschappen en veranderingen van het aardoppervlak te analyseren. Je werkt met radardata van onder andere Sentinel-1 en leert deze toepassen op vraagstukken rond water, bodem, vegetatie, landgebruik en monitoring.
Tijdens deze Blended Learning leer je hoe actieve radarsensoren worden gebruikt om het aardoppervlak onder uiteenlopende omstandigheden te observeren. Je werkt met actuele radardata van onder andere de Europese Sentinel-1-missie en leert radarwaarnemingen interpreteren en toepassen op vraagstukken rond water, bodem, vegetatie, landbedekking en veranderingen van het aardoppervlak.
Radar Remote Sensing verschilt fundamenteel van optische remote sensing. Een radarsatelliet gebruikt geen gereflecteerd zonlicht, maar zendt zelf microgolven naar het aardoppervlak en meet welk deel van het signaal terugkeert naar de sensor. Hierdoor kunnen radarwaarnemingen zowel overdag als ‘s nachts worden uitgevoerd en kunnen microgolven in belangrijke mate door wolken heen waarnemen.
Je leert hoe Synthetic Aperture Radar (SAR) werkt en waarom eigenschappen zoals golflengte, invalshoek, polarisatie, oppervlakteruwheid en vochtgehalte invloed hebben op het teruggekaatste radarsignaal. Deze zogenaamde backscatter vormt de basis voor het interpreteren en analyseren van SAR-beelden.
Radarbeelden zien er anders uit dan optische satellietbeelden. Heldere en donkere gebieden worden niet direct bepaald door kleur, maar door de hoeveelheid radarenergie die naar de sensor wordt teruggekaatst. Glad water is bijvoorbeeld vaak donker, terwijl ruwe oppervlakken, bebouwing en bepaalde vegetatiestructuren een sterkere backscatter kunnen veroorzaken.
Je leert hoe verschillende landschapselementen in SAR-beelden kunnen worden herkend en hoe opnamegeometrie het beeld beïnvloedt. Daarbij besteed je aandacht aan radar-specifieke verschijnselen zoals speckle, radar shadow, layover en foreshortening. Door deze effecten te begrijpen kun je radarbeelden beter interpreteren en voorkomen dat beeldkenmerken ten onrechte als veranderingen in het landschap worden gezien.
Binnen het Europese Copernicus-programma vormt Sentinel-1 een belangrijke bron van vrij beschikbare SAR-data. Je leert welke Sentinel-1-producten beschikbaar zijn, welke informatie deze bevatten en hoe je geschikte radardata selecteert voor verschillende toepassingen.
Naast Sentinel-1 maak je kennis met andere radarsatellieten en radarbanden, zoals ALOS PALSAR. Hierdoor ontdek je hoe verschillende golflengten en sensoren aanvullende informatie kunnen leveren over vegetatie, bodem, vocht en landschapsstructuren.
Je leert radardata voorbereiden voor analyse en combineren met andere geo-informatie. Daarbij werk je met open data en open-source technieken. QGIS vormt een belangrijke omgeving voor analyse en visualisatie en waar nodig worden gespecialiseerde open-source hulpmiddelen zoals ESA SNAP gebruikt voor de verwerking van SAR-data.
Een belangrijke kracht van radar is de gevoeligheid voor eigenschappen van het aardoppervlak die met optische beelden niet altijd goed zichtbaar zijn. Je onderzoekt hoe verschillen in vocht, oppervlakteruwheid en vegetatiestructuur het radarsignaal beïnvloeden.
Hierdoor kan SAR worden ingezet voor het detecteren van overstromingen, het volgen van veranderingen in oppervlaktewater, het analyseren van bodemvocht en het monitoren van landbouw en vegetatie. Je leert steeds beoordelen welke eigenschappen van het radarsignaal relevant zijn voor het vraagstuk en welke andere gegevens nodig zijn om de waarnemingen betrouwbaar te interpreteren.
Wanneer radarbeelden van hetzelfde gebied op verschillende momenten worden vergeleken, kunnen veranderingen zeer nauwkeurig worden onderzocht. Je maakt kennis met technieken waarbij verschillen in backscatter worden gebruikt om veranderingen in water, vegetatie of landbedekking te herkennen.
Daarnaast maak je kennis met radarinterferometrie (InSAR). Hierbij wordt de fase-informatie van meerdere SAR-opnamen gecombineerd om zeer kleine veranderingen in de afstand tussen de sensor en het aardoppervlak in de kijkrichting van de radar te bepalen. Daarmee kunnen bijvoorbeeld bodemdaling, verzakking, aardverschuivingen en andere vervormingen worden gemonitord.
In deze basis rond SAR leer je vooral begrijpen wat interferometrie kan meten, welke gegevens daarvoor nodig zijn en hoe resultaten moeten worden geïnterpreteerd. De nadruk ligt op het kiezen en beoordelen van een geschikte radarbenadering voor het ruimtelijke vraagstuk.
Tijdens de Blended Learning werk je met realistische praktijkvoorbeelden en open SAR-data. Je leert radarwaarnemingen combineren met andere geografische informatie en vertaalt de resultaten naar kaarten en onderbouwde conclusies.
Je werkt onder andere aan opdrachten zoals:
Na afloop kun je SAR-data interpreteren en beoordelen welke radarwaarnemingen geschikt zijn voor verschillende ruimtelijke vraagstukken. Je begrijpt hoe backscatter, polarisatie, golflengte en opnamegeometrie het radarsignaal beïnvloeden en kunt radar toepassen voor het analyseren en monitoren van water, bodem, vegetatie, landbedekking en veranderingen van het aardoppervlak.
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.
SAR is zeer geschikt voor het detecteren en monitoren van oppervlaktewater en overstromingen. Omdat radar ook bij bewolking en in het donker kan waarnemen, kunnen gebieden tijdens extreme weersomstandigheden worden gevolgd wanneer optische satellietbeelden vaak minder bruikbaar zijn. Door Sentinel-1-beelden van vóór en na een gebeurtenis te vergelijken, kan de omvang van een overstroming in kaart worden gebracht en kunnen veranderingen in het wateroppervlak worden gevolgd.
Het radarsignaal reageert op eigenschappen zoals bodemvocht, oppervlakteruwheid en de structuur van vegetatie. Hierdoor kan SAR worden gebruikt om veranderingen in landbouwpercelen, bodemcondities en vegetatie te volgen. Door waarnemingen uit verschillende perioden en polarisaties te combineren, kunnen ontwikkelingen worden herkend die met alleen optische satellietbeelden moeilijk waarneembaar zijn.
Met radarinterferometrie (InSAR) worden SAR-opnamen van hetzelfde gebied uit verschillende perioden met elkaar gecombineerd. Kleine veranderingen in de fase van het radarsignaal kunnen worden gebruikt om bewegingen van het aardoppervlak te bepalen. Hierdoor kan InSAR worden toegepast voor het monitoren van bodemdaling, verzakkingen, aardverschuivingen en vervormingen rond bijvoorbeeld infrastructuur, mijnbouwgebieden en stedelijke gebieden.
Bebouwing en infrastructuur geven vaak een sterke en stabiele radarreflectie. Hierdoor kunnen opeenvolgende SAR-waarnemingen worden gebruikt om veranderingen in stedelijke gebieden en rond infrastructuur te volgen. In combinatie met InSAR kunnen zeer kleine vervormingen over langere perioden zichtbaar worden gemaakt, bijvoorbeeld bij wegen, spoorlijnen, dijken, gebouwen en andere kunstwerken. Dit maakt radardata waardevol voor vroegtijdige signalering en gerichte monitoring.
