Overordnede kursusmål
Jorden er i forandring, og mange af disse forandringer kan
observeres fra satellitter. Efter et grundlæggende overblik over de
forskellige observationer der er tilgængelige, samt eksempler på
anvendelse, vil de studerende i grupper skulle vælge et fænomen
(f.eks. skovrydning, oversvømmelser, eller istykkelse), de gerne
vil observere. De skal kortlægge kravene til data (såsom tidslig og
rumlig opløsning) og identificere relevante satellitmissioner. De
vil herefter arbejde mere i dybeden med dette datasæt og
udvikle/implementere/anvende metoder til at monitorere det valgte
fænomen. Eksempler på fænomener kunne være: Skovrydning, tørke,
oversvømmelser, biologisk aktivitet i havet, havisens udbredelse
eller indlandsisens tykkelse. Vi vil især fokusere på data fra EU’s
Kopernikus program for jordobservationer (Sentinel-missionerne),
men det vil også være muligt at benytte sig af andet data, så som
ICESat, MODIS eller Landsat.
I dette kursus vil den studerende få et overblik over mulighederne
inden for satellit-baseret jordobservation (Earth Observation, EO)
og være i stand til at navigere den støt voksende datamængde, der
er frit tilgængeligt fra de mange dataudbydere.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- redegøre for de forskellige sensorer af relevans for
jord/klima-overvågning, og evt. tekniske udfordringer
- beskrive de vigtigste usikkerhedskilder
- anvende korrekte metoder i behandlingen af et specifikt EO
datasæt
- udvælge et relevant EO satellit-datasæt til at studere et
givent fænomen og håndtere store datamængder
- analysere et EO datasæt med det formål at monitorere et givent
fænomen på jorden
- afgøre om et udvalgt fænomen på jorden med succes kan
observeres ud fra dette datasæt
- forsvare og argumentere for de valgte metoder og det valgte
datasæt
- designe et oplæg til operationalisering af observationerne som
f.eks Copernicus-tjenesten.
Kursusindhold
• General indsigt i EO
• Case-driven introduktion til specifikke applikationer af EO data
• Introduktion til datahåndtering i Python, f.eks. EO-learn
• Litteratursøgning i forbindelse med algoritme udvælgelse.
Litteraturhenvisninger
Introduction to Satellite Remote Sensing - Atmosphere, Ocean,
Cryosphere and Land Applications, Editor(s): William Emery, Adriano
Camps, Elsevier, 2017, ISBN 9780128092545,
https://doi.org/10.1016/B978-0-12-809254-5.12001-9.
Sidst opdateret
04. maj, 2023
