Coursera

Raster Processing & Remote Sensing

Erweitern Sie Ihre Kenntnisse mit Coursera Plus für 239 $/Jahr (normalerweise 399 $). Jetzt sparen.

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
Coursera

Raster Processing & Remote Sensing

Coursera

Dozent: Coursera

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Anfänger

Empfohlene Erfahrung

1 Woche zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Anfänger

Empfohlene Erfahrung

1 Woche zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Process raster data using Rasterio and GDAL

  • Analyze satellite imagery and compute indices

  • Perform multispectral and SAR data analysis

  • Apply remote sensing techniques to real datasets

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Kürzlich aktualisiert!

April 2026

Bewertungen

18 Zuweisungen¹

KI-bewertet siehe Haftungsausschluss
Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Mastering Geospatial Data Science: From Beginner to Expert“
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 13 Module

Through this module, you will build foundational literacy in raster structure so that you can trust and interpret raster outputs before analysis.

Das ist alles enthalten

2 Videos1 Lektüre1 Aufgabe

You will explore how to spatially constrain rasters to reduce noise and prepare data for focused analysis.

Das ist alles enthalten

1 Video1 Lektüre1 Aufgabe

You will explore how to prepare multiband rasters required for vegetation indices like NDVI.

Das ist alles enthalten

1 Video1 Lektüre2 Aufgaben

Before modifying raster data, you need to understand what’s inside it. In this module, you will review why inspecting raster metadata is a critical first step in any geospatial workflow.

Das ist alles enthalten

1 Video1 Lektüre1 Aufgabe

Most raster datasets are delivered in projections that do not match your analysis or cloud requirements. Reprojection is a core GDAL skill you will use frequently. In this module, you will review how gdalwarp performs reprojection, resampling, and extent control for raster data.

Das ist alles enthalten

1 Video1 Lektüre1 Aufgabe

You will understand what truly makes a GeoTIFF cloud-optimized by focusing on how internal structure, tiling, and overviews affect performance and usability in cloud and web-based workflows.

Das ist alles enthalten

1 Video1 Lektüre2 Aufgaben

In this module, you will explore how Earth-observation satellites collect data and compare Landsat and Sentinel sensors to understand when and why each is used for vegetation monitoring and forest analysis.

Das ist alles enthalten

1 Video1 Lektüre1 Aufgabe

In this module, you will apply spectral concepts to calculate NDVI, a widely used vegetation index, and interpret what NDVI values reveal about plant health.

Das ist alles enthalten

1 Video1 Lektüre1 Aufgabe

In this module, you will learn why atmospheric effects distort raw satellite imagery and apply basic atmospheric correction to prepare surface reflectance data suitable for vegetation analysis and NDVI calculation in a forest health context.

Das ist alles enthalten

1 Video1 Lektüre2 Aufgaben

In this module, you are introduced to SAR as a practical disaster-response data source that remains available even when optical imagery is blocked by clouds. You focus on one core barrier to using SAR confidently: speckle. Rather than treating speckle as a vague “noise problem,” you learn what it looks like, why it occurs, and how filtering changes interpretability. The module is designed to develop judgment: you learn to apply speckle filtering, compare outcomes, and reason about trade-offs because aggressive smoothing can hide meaningful edges while weak filtering may leave the scene unreadable.

Das ist alles enthalten

2 Videos1 Lektüre1 Aufgabe

In this module, you move from preprocessing to analysis. Using multispectral imagery captured across time, you perform change detection to identify where surface conditions shifted after a storm event. The module emphasizes interpretive reasoning: you learn that a “change map” is not automatically a flood map, and you must think about what the change signal could represent. You also learn how to structure your outputs so you can communicate results clearly, highlighting what changed, where confidence is higher, and what limitations remain.

Das ist alles enthalten

1 Video1 Lektüre2 Aufgaben

The final module teaches you the habit that makes your work trustworthy: evaluation. You learn that classification outputs can look convincing while still being wrong in critical ways. The module introduces beginner-friendly accuracy evaluation concepts and asks you to make judgment calls: is this accurate enough for the decision at hand, and what would you disclose as limitations? This module ties directly to operational credibility because in real flood response, the cost of being confidently wrong is high.

Das ist alles enthalten

1 Video1 Lektüre2 Aufgaben

In this project, you will build a Python workflow to analyze vegetation change using satellite raster data. You will compute NDVI for two time periods, handle data quality issues, and detect areas of increase or decline in vegetation. You will generate output rasters and interpret the results to identify environmental patterns. This project demonstrates how remote sensing and raster processing techniques are applied in real-world environmental analysis. You will also practice core remote sensing analysis skills such as verifying sensor and band information, considering temporal comparability between image dates, and clearly stating assumptions, sources of uncertainty, and limitations of your analysis.

Das ist alles enthalten

2 Lektüren1 Aufgabe

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Coursera
22 Kurse3.304 Lernende

von

Coursera

Mehr von Data Analysis entdecken

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Coursera Plus

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen

¹ Einige Aufgaben in diesem Kurs werden mit AI bewertet. Für diese Aufgaben werden Ihre Daten in Übereinstimmung mit Datenschutzhinweis von Courseraverwendet.