Från satellitdata till insikter med Digital Earth Sweden
Lär dig grunderna i jordobservation och hur satellitdata kan användas i praktiken. Du behöver inte ha någon tidigare erfarenhet av området. Serien introducerar Digital Earth Sweden och visar, steg för steg, hur data från Sentinel-2 kan omvandlas till konkreta insikter.
Innehållet är uppdelat i sex korta, hands-on sessioner om 10 till 15 minuter, som tillsammans bygger upp ett komplett analysflöde, från rådata till en färdig karta. I varje session följer du med när kursledaren går igenom stegen, och replikerar dem sedan själv i din egen miljö.
Serien passar dig som jobbar inom näringsliv, industri, forskning eller akademi. Du behöver inga förkunskaper i jordobservation. Kan du lite Python och Jupyter Notebook är det en fördel, men du får lära dig det du behöver redan i första sessionen.
Kursledare:
Sebastian Hafner är forskare vid RISE och knuten till University of Glasgow. Han forskar om urbanisering med hjälp av jordobservation, datavetenskap och djupinlärning. Tidigare arbetade han vid Urban Big Data Centre i Glasgow med metoder för att kartlägga fattigdom i den globala södern. Han disputerade i geoinformatik vid KTH 2024 och har examen i fjärranalys, datavetenskap och geografi från universitetet i Zürich.
Mooc sessioner
Alla sessioner är på engelska
Session 1
Introduktion: Välkommen till Digital Earth Sweden
Ämne: En introduktion till Digital Earth Sweden och till jordobservation i stort, med fokus på Sentinel-2. Sessionen ger en översikt av plattformen, dess användargränssnitt, API och centrala resurser, och avslutas med att du sätter upp en Jupyter Notebook med openEO-API:et.
Målgrupp: Du som är helt ny inom jordobservation och vill förstå vad Digital Earth Sweden är och hur plattformen fungerar.
Förkunskaper: Inga. Sessionen är utformad som en startpunkt för hela serien. växande community.
Session 2
Att läsa in och visualisera satellitbilder
Ämne: Hur man hämtar och visar jordobservationsdata för första gången. Sessionen går igenom vilka datamängder som finns tillgängliga på Digital Earth Sweden, hur man skapar en datakub genom temporal och spatial filtrering, och hur en Sentinel-2-bild visualiseras, både som enskilt band, äkta färg och falsk färg.
Målgrupp: Du som har satt upp din arbetsmiljö i session 1 och vill ta första steget mot att arbeta praktiskt med satellitdata.
Förkunskaper: Genomförd session 1, inklusive uppsatt Jupyter Notebook med openEO-API:et.
Session 3
Bildanalys, bandaritmetik och spektrala index
Ämne: Hur enskilda spektrala band kan kombineras för att skapa spektrala index. Sessionen visar hur bandaritmetik och inbyggda metoder används för att beräkna NDVI (Normalized Difference Vegetation Index), och hur en NDVI-karta visualiseras och tolkas.
Målgrupp: Du som vill förstå hur satellitdata kan omvandlas till mått som säger något om till exempel vegetation.
Förkunskaper: Genomförd session 2, med förståelse för hur en datakub laddas in och visualiseras.
Session 4
Att förstå och bearbeta datakuber
Ämne: En fördjupning i datakubens fyra dimensioner, x, y, spektrala band och tid, och hur dimensionsreducering används som ett centralt verktyg för att aggregera data över tid, band eller rum. Sessionen visar konkret vad dimensionsreducering ger, till exempel hur en tidsserie av NDVI-bilder kan sammanfattas till ett enda lager.
Målgrupp: Du som vill bygga en djupare förståelse för hur flerdimensionell satellitdata kan bearbetas och sammanfattas.
Förkunskaper: Genomförd session 3, med grundläggande förståelse för spektrala index som NDVI.
Session 5
Molnmaskning och kompositbilder
Ämne: Varför moln är en grundläggande utmaning inom optisk jordobservation, och hur man hanterar dem. Sessionen introducerar maskning som koncept, visar hur en molnmask skapas med hjälp av Sentinel-2:s Scene Classification Layer (SCL), och hur molnmaskning kombineras med temporal reducering från session 4 för att skapa en molnfri kompositbild.
Målgrupp: Du som vill förstå hur man hanterar en av de vanligaste praktiska utmaningarna vid arbete med optisk satellitdata.
Förkunskaper: Genomförd session 4, med förståelse för dimensionsreducering över tid.
Session 6
Kartläggning av stadsgrönska med maskininlärning
Ämne: Hur en maskininlärningsmodell tillämpas på kompositbilden för att ta fram en färdig karta över stadsgrönska. Sessionen går igenom dataförberedelse i form av featurelager och träningsdata, hur en klassificerare tränas på märkt data, och hur den tränade modellen sedan tillämpas på studieområdet. Sessionen avslutas, som en valfri fördjupning, med hur spatial analys, till exempel spatial reducering från session 4, kan användas för att ta fram ytterligare insikter.
Målgrupp: Du som har följt serien från start och vill se hela analysflödet landa i ett färdigt, tillämpat resultat.
Förkunskaper: Genomförd session 5, med tillgång till en molnfri kompositbild att arbeta vidare med.ståelse för hur en datakub laddas in och visualiseras.
Med den sista sessionen har du följt hela vägen från rådata till en färdig, tillämpad karta över stadsgrönska, och du har själv kört igenom varje steg i din egen miljö. Samma arbetsflöde kan användas för andra frågor och andra områden, det är bara data och tillämpning som byts ut. Vi hoppas serien har gett dig verktygen för att komma igång på egen hand.
Läs mer om hur du kommer igång med plattformen.
Vi tar gärna del av din feedback eller om du har frågor, hör av dig till info@digitalearth.se.