Développez vos compétences avec Coursera Plus pour 239 $/an (habituellement 399 $). Économisez maintenant.

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.
Coursera

Raster Processing & Remote Sensing

Coursera

Instructeur : Coursera

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Débutant

Expérience recommandée

1 semaine à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Débutant

Expérience recommandée

1 semaine à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • 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

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Récemment mis à jour !

avril 2026

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

 logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Mastering Geospatial Data Science: From Beginner to Expert"
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable

Il y a 13 modules dans ce cours

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

Inclus

2 vidéos1 lecture1 devoir

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

Inclus

1 vidéo1 lecture1 devoir

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

Inclus

1 vidéo1 lecture2 devoirs

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.

Inclus

1 vidéo1 lecture1 devoir

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.

Inclus

1 vidéo1 lecture1 devoir

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.

Inclus

1 vidéo1 lecture2 devoirs

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.

Inclus

1 vidéo1 lecture1 devoir

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.

Inclus

1 vidéo1 lecture1 devoir

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.

Inclus

1 vidéo1 lecture2 devoirs

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.

Inclus

2 vidéos1 lecture1 devoir

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.

Inclus

1 vidéo1 lecture2 devoirs

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.

Inclus

1 vidéo1 lecture2 devoirs

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.

Inclus

2 lectures1 devoir

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeur

Coursera
19 Cours3 242 apprenants

Offert par

Coursera

En savoir plus sur Data Analysis

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Coursera Plus

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions

¹ Certains travaux de ce cours sont notés par l'IA. Pour ces travaux, vos Données internes seront utilisées conformément à Notification de confidentialité de Coursera.