Remote Sensing (Geo ICT)

Introductie

Remote Sensing is het verzamelen van gegevens over fenomenen in de atmosfeer, op het aardoppervlak en onder het aardoppervlak door middel van metingen vanuit satellieten en vliegende platformen.

Omschrijving

Remote Sensing is het verzamelen van gegevens over fenomenen in de atmosfeer, op het aardoppervlak en onder het aardoppervlak door middel van metingen vanuit satellieten en vliegende platformen (vliegtuigen, luchtballonnen etc.). Het kent vele toepassingsgebieden, waaronder landbouw, milieumonitoring, natuurkartering en ruimtelijke handhaving.

Binnen dit onderwerp werken vele specialisten samen om operationele ruimtelijke producten te realiseren. Denk hierbij aan ontwikkelaars van meetinstrumenten en satellieten, software engineers en organisatie- & beleidsdeskundigen. We noemen dit de Remote Sensing-keten. De cursus gaat in op alle facetten binnen deze keten: van sensor-platform combinatie, via ruwe data en beeldanalyse, naar uiteindelijke oplossingen voor ruimtelijke informatievragen. Specifieke onderwerpen die aan bod komen zijn:

Het RS-proces, luchtfotografie en beelden, fotogrammetrie, multispectrale RS, laser altimetrie, thermisch infrarood en gamma spectroscopie radars en satellieten, visuele en automatische beeldinterpretatie.

Tijdens de cursus worden oefeningen gedaan met Erdas software.

Leerdoel(en)

• Begrip van het Remote Sensing-proces: Studenten moeten een diepgaand begrip ontwikkelen van het volledige Remote Sensing-proces, inclusief het verwerven van gegevens via verschillende sensoren en platformen, gegevensverwerking, interpretatie en het genereren van ruimtelijke informatieproducten. Hierbij moeten ze in staat zijn de verschillende stappen te beschrijven en te verklaren.
• Kennis van diverse Remote Sensing-technologieën: Studenten moeten vertrouwd raken met een breed scala aan Remote Sensing-technologieën, zoals luchtfotografie, fotogrammetrie, multispectrale beeldvorming, laser altimetrie, thermisch infrarood, gamma spectroscopie, radars en satellieten. Ze moeten begrijpen hoe deze technologieën werken, hun toepassingsgebieden en de voor- en nadelen ervan.
• Vaardigheid in beeldanalyse en interpretatie: Studenten moeten praktische vaardigheden ontwikkelen in het analyseren en interpreteren van Remote Sensing-beelden. Ze moeten leren hoe ze informatie kunnen extraheren uit verschillende soorten beelden, zoals multispectrale beelden en radarsatellietbeelden. Hierbij moeten ze in staat zijn om objecten, kenmerken en veranderingen in het landschap te identificeren en te beschrijven.
• Inzicht in de Remote Sensing-keten en samenwerking: Studenten moeten begrijpen hoe de verschillende specialisten en disciplines samenwerken binnen de Remote Sensing-keten om operationele ruimtelijke producten te produceren. Ze moeten de rol begrijpen van meetinstrumentenontwikkelaars, satellietingenieurs, software-ontwikkelaars en beleidsdeskundigen. Dit zal hen helpen om de bredere context van Remote Sensing-projecten te begrijpen.
• Toepassing van Remote Sensing in real-world scenario's: Studenten moeten in staat zijn om Remote Sensing toe te passen in diverse praktische scenario's, zoals landbouw, milieumonitoring, natuurkartering en ruimtelijke handhaving. Ze moeten begrijpen hoe Remote Sensing kan bijdragen aan het oplossen van complexe ruimtelijke informatievragen en welke stappen nodig zijn om van ruwe gegevens tot bruikbare informatieproducten te komen.

Rooster

• Inleiding en voorstellen
• Geschiedenis en beginselen van Remote Sensing
• Verhouding tussen Remote Sensing en andere ruimtelijke technieken
• De beginselen van Fotogrammetrie
• Databronnen, waar haal ik mijn satellietbeelden vandaan?

• Het electromagnetisch spectrum
• Theorie achter straling (Newton en Huyghens)
• Welke satellietplatformen en sensoren zijn er allemaal?
• Fotogrammetrie voor satellietbeelden, orthorectificatie
• RADAR, LiDAR, Hyperspectrale data en fotogrammetrische puntenwolken

• Indices, filtering, data transformaties
• Classificatie, object based image analysis, machine learning en deep learning
• Tijdreeksen toepassingen en mutatiesignalering
• Remote Sensing voor vegetatievraagstukken
• Remote Sensing voor lucht, water en bodem vraagstukken