ZX802 Advanced Remote Sensing

Přírodovědecká fakulta
jaro 2027
Rozsah
2/2. 5 kr. Ukončení: k.
Vyučováno synchronně online
Vyučující
Ing. Jonáš Hruška, Ph.D. (přednášející)
Ing. Kateřina Tajovská, Ph.D. (přednášející)
Garance
Ing. Kateřina Tajovská, Ph.D.
Geografický ústav – Sekce věd o Zemi – Přírodovědecká fakulta
Kontaktní osoba: Ing. Kateřina Tajovská, Ph.D.
Dodavatelské pracoviště: Geografický ústav – Sekce věd o Zemi – Přírodovědecká fakulta
Předpoklady
PROGRAM(N-GKG) || PROGRAM(N-GGE) || PROGRAM(MUSPriF) || (TYP_STUDIA(N) && SOUHLAS)
Basic knowledge of remote sensing – principles of satellite operation, data preprocessing, specifics of multispectral, hyperspectral, radar, and lidar data, basic classification tools, basics of programming in Python.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Předmět si smí zapsat nejvýše 20 stud.
Momentální stav registrace a zápisu: zapsáno: 0/20, pouze zareg.: 0/20, pouze zareg. s předností (mateřské obory): 0/20
Mateřské obory/plány
Anotace
  • Introduce advanced geospatial technologies including deep learning in ArcGIS Pro, radar data processing, and UAV LiDAR.
  • Develop practical skills in data integration, classification, and 3D modeling using industry-standard tools (ArcGIS Pro, Dart, LasTools).
  • Explore cloud-based platforms such as Google Earth Engine (GEE) for large-scale geospatial analysis.
  • Apply advanced algorithms for hyperspectral and radar data interpretation.
  • Understand climate data workflows through Copernicus Climate Change Service (C3S) datasets.
  • Gain field experience with UAV LiDAR measurements and ground scanning.
  • Engage with experts through guest lectures and visits to specialized workplaces.
    • Výstupy z učení

    By the end of the course, participants will be able to:

    • Train and apply deep learning models for geospatial data in ArcGIS Pro.
    • Process radar data using polarimetric and interferometric techniques.
    • Perform 3D modeling for environmental case studies.
    • Utilize GEE and Jupyter Notebooks for large-scale data analysis.
    • Integrate UAV LiDAR and ground measurements into classification workflows.
    • Analyze climate and hyperspectral datasets using advanced algorithms.
    • Collaborate effectively in fieldwork and professional environments.
    Klíčová témata
      • Week 1: Introduction to deep learning in ArcGIS Pro, completion requirements
      • Week 2 Training DL models in ArcGIS Pro, model situations
      • Week 3 Radar data processing – polarimetry
      • Week 4 Radar data processing – interferometry –
      • Week 5 3D modelling in Dart software – forest cover case study –
      • Week 6 GEE Jupiter Notebook
      • Week 7 GEE Jupiter Notebook
      • Week 8 GEE Jupiter Notebook
      • Week 9 Advanced HS data processing - various approaches and algorithms
      • Week 10 Processing and analysis of data warehouses from the Copernicus Climate Change C3S service
      • Week 11 Visit to a specialist workplace or lecture by an expert from the field
      • Week 12, UAV lidar field measurements, ground scanning
      • Week 13 Processing data from UAV lidar, ground measurement - data integration, classification in ArcGIS Pro DL, LasTools
      • Week 14 - Field exercises, no classes
      • Additional information sources, links to courses, tutorials, data warehouses, and access to satellite data
    Přístupy, postupy a metody používané ve výuce

    Theoretical lectures, practical exercises in commercial and open source software, field data collection and evaluation, project work, analysis of results, and discussion.

    Způsob ověření výstupů z učení a požadavky na ukončení

    Ongoing assessment of completed exercises from individual exercises, discussion of own project, and mutual evaluation.

    Vyučovací jazyk
    Angličtina
    Odkaz a informace vyučujících

    The course will be taught bilingually in Czech and English if necessary, and the study materials will be bilingual.

    Studijní opora
    https://is.muni.cz/auth/el/sci/jaro2027/ZX802/index.qwarp
    Další komentáře
    Předmět je vyučován každoročně.
    Výuka probíhá každý týden.
    kontaktní i online.
    Předmět je zařazen také v obdobích jaro 2025, jaro 2026.