Procesamiento de imágenes satelitales

  • Rafael Grimson – Universidad Nacional de San Martín, Buenos Aires, Argentina.

Objetivos

El principal objetivo del curso es favorecer el desarrollo de la comunidad de computadores científicos con conocimientos de las técnicas de procesamiento de informacion de sensores remotos.

Programa

Sensores remotos ópticos y de radar. Firmas espectrales. Introducción al uso de Python para el procesamiento de imágenes satelitales. Imágenes georeferenciadas. Librería GDAL. Operaciones sobre archivos raster espaciales. Índices. Datos vectoriales en Python. Librería Geopandas. Librería Rasterio. Análsis exploratorio de datos: El espacio de atributos. Aprendizaje automático: Métodos supervisados y no supervisados. Clasificadores supervisados con librería Scikit-Learn. Métricas de error de clasificaciones supervisadas. Clasificadores no supervisados en Scikit-Learn. Selección de modelos.

Bibliogrtafía

Lary, D. J., Alavi, A. H., Gandomi, A. H., & Walker, A. L. (2016). Machine learning in geosciences and remote sensing. Geoscience Frontiers, 7(1).

Bishop, C. M. (2006). Pattern recognition. Machine learning, 128(9).

Mahdianpari, M., Salehi, B., Mohammadimanesh, F., Brisco, B., Homayouni, S., Gill, E., … & Bourgeau-Chavez, L. (2020). Big data for a big country: the first generation of Canadian wetland inventory map at a spatial resolution of 10-m using Sentinel-1 and Sentinel-2 data on the Google Earth Engine cloud computing platform. Canadian Journal
of Remote Sensing, 46(1), 15-33.

Requisitos previos

Conocimientos del lenguaje Python y conceptos elementales sobre imágenes.

Inscripción (próximamente)
Ver todos los cursos