Opleiding: Google Earth Engine Gevorderd
Plaats hier de omschrijving van maximaal 200 tekens.
In deze tweedaagse cursus Google Earth Engine gevorderd wordt komen de gevorderde onderwerpen zoals vegetatie indexen en machine learning aan de orde. Als voorkennis is de cursus Google Earth Engine Basis vereist. Machine learning in Google Earth Engine is een geavanceerde benadering die het mogelijk maakt om grote hoeveelheden satellietbeelden te analyseren en patronen te ontdekken. Door machine learning-algoritmen toe te passen, kan het systeem automatisch vegetatie classificeren, landgebruik detecteren en andere geospatiale taken uitvoeren. Deze technologie maakt het mogelijk om complexe analyses uit te voeren op grote schaal en is waardevol voor milieu-onderzoek, stedelijke planning en landbouwmonitoring.
Dag 1: Vegetatie Indexen: Dag 1: Vegetatie Indexen Op deze eerste dag gaat het over de toepassing van vegetatie-indexen in verschillende disciplines, zoals landbouw, bosbouw en stedenbouw. De volgende onderwerpen komen aan de orde: Toepassing van vegetatie-indexen in landbouw, bosbouw en stedenbouw NDVI-index met behulp van MODIS en gebaseerd op Sentinel-2 Berekening van aanvullende indexen: EVI, MCARI en hun toepassing Analyse van veranderingen detecteren Berekenen van zonale statistieken en filtering Het maken van statistiekgrafieken Dag 2: Machine Learning: Dag 2: Machine Learning Op de tweede cursusdag gaan we aan de slag met met Machine Learning. De volgende onderwerpen komen aan de orde: Overzicht van machine learning concepten in geospatiale analyse Basis machine learning algoritmes voor geospatiale analyse Implementatie van supervisie en ongesuperviseerde classificatiemethoden Praktische toepassingen van machine learning modellen in milieumonitoring, landbedekkingsclassificatie en veranderingdetectie Analyse van instellingen die de kwaliteit van de classificatie beïnvloeden Kwaliteitsbeoordeling van een geclassificeerde afbeelding (verwarringsmatrix) Case studies en praktijkvoorbeelden die de integratie van GEE en machine learning technieken demonstreren
Verdiep het begrip van geavanceerde vegetatie-indexen: Leer hoe NDVI (Normalized Difference Vegetation Index) en andere indexen kunnen worden toegepast om vegetatiepatronen te analyseren en ecologische veranderingen te detecteren. Ontwikkel vaardigheden in machine learning-toepassingen binnen Google Earth Engine: Leer hoe machine learning-algoritmen zoals Random Forest en Support Vector Machines kunnen worden toegepast om vegetatieclassificatie en -voorspellingen te verbeteren. Begrijp geospatiale gegevensverwerkingstechnieken: Verfijn uw kennis van geospatiale gegevensverwerking en -analyse, inclusief het combineren van satellietbeelden, het uitvoeren van geospatiale operaties en het extraheren van relevante informatie voor vegetatieonderzoek. Pas geavanceerde methoden toe voor milieumonitoring en -beheer: Leer hoe geavanceerde technieken in Google Earth Engine kunnen worden toegepast om milieukwesties zoals ontbossing, bodemerosie en biodiversiteitsverlies te identificeren en aan te pakken met behulp van vegetatie-indexen en machine learning.
