Dedika è una piattaforma per imparare facendo: preparare una proposta commerciale, diventare manicure o imparare a usare un nuovo strumento, per esempio. Qualunque sia il tuo obiettivo, i migliori contenuti sull’argomento esistono già. Il problema è che spesso sono in un’altra lingua, costano caro, sono sparsi in giro, non offrono esercizi pratici o fanno parte di corsi troppo lunghi per chi ha una vita frenetica. Per questo Dedika ha un metodo tutto suo: cerchiamo questi materiali ovunque si trovino, selezioniamo ciò che è utile per il tuo obiettivo, li rivediamo con il supporto di esperti sempre disponibili per chiarire dubbi e creiamo attività pratiche per farti imparare facendo. Tu sei la persona più importante nel tuo percorso e nessuno lo conosce meglio di te: scegli i contenuti e la durata del corso, se vuoi imparare online o offline e in quale formato. Può essere in video, testo, audio o riassunto. A modo tuo, solo con ciò che ha senso per te. Qui, ogni momento dedicato vale di più e arrivi più velocemente a ciò che conta davvero.

I nostri corsi includono un riassunto alla fine di ogni capitolo, dal quale puoi scaricare un PDF e stamparlo.

Più di 2 milioni di studenti in tutto il mondo

Il corso è disponibile in più di 180 paesi in tutto il mondo

Certificato valido nel tuo paese

Pagina principale

...

Corso Google Earth Engine

Tutti i corsi

Scienze Naturali e Ricerca

Geografia e geologia

Corso Google Earth Engine

Per tutti i livelli

Corso Google Earth Engine

Padroneggi Google Earth Engine e sblocchi la potenza dell'analisi geospaziale su scala planetaria utilizzando dati satellitari reali. Dalla programmazione in JavaScript alla classificazione tramite machine learning, questo corso copre ogni competenza necessaria per costruire flussi di lavoro professionali nel telerilevamento. Che Lei stia monitorando la deforestazione, mappando le inondazioni o analizzando il calore urbano, disporrà degli strumenti per farlo su larga scala.

Dedika per aziende

Cosa imparerai:

Imparerà a navigare nell’editor di codice di GEE, a scrivere script JavaScript da zero e a caricare dataset dal catalogo di dati pubblici, inclusi Landsat, Sentinel e MODIS. Elaborerà le immagini satellitari utilizzando tecniche di band math, indici spettrali e mascheramento delle nuvole. Il corso copre la gestione di dati vettoriali, le statistiche zonali e la composizione temporale per ottenere risultati puliti e pronti per l’analisi. Addestrerà classificatori supervisionati, convaliderà l’accuratezza con matrici di confusione e produrrà mappe di copertura del suolo di qualità pubblicabile. Gli argomenti avanzati includono la mappatura delle inondazioni con SAR, l’analisi dei trend di serie temporali, l’integrazione con l’API Python tramite geemap e la creazione di applicazioni web interattive condivisibili.

Come studi in modo pratico Corso Google Earth Engine

Come metti in pratica Corso Google Earth Engine

Per te che sei un'azienda e vuoi formare il tuo team

Su Dedika per aziende, il corso include esercizi ed esempi personalizzati sul tuo business e secondo le esigenze della tua azienda.

Clicca qui

Contenuto del corso

8 Capitoli • 36 LezioniDurata tra 4 e 360 ore (decidi tu)

Capitolo 1Vedi dettagli

Introduzione a Google Earth Engine

Lezione 1 • Concetti geospaziali fondamentali per GEE
Rivede i sistemi di coordinate, le proiezioni e i dati raster rispetto a quelli vettoriali come applicati in GEE. Fornisce il vocabolario spaziale necessario per tutti i capitoli successivi.
Lezione 2 • Esplorare l'interfaccia dell'Editor del codice
Presenta tutti i pannelli, le barre degli strumenti e le scorciatoie da tastiera dell'Editor del codice. Gli studenti eseguono il loro primo script e interpretano l'output della console.
Lezione 3 • Che cos'è Google Earth Engine
Definisce GEE come una piattaforma di analisi geospaziale basata su cloud e la contrappone al GIS desktop. Stabilisce perché GEE è importante per il monitoraggio ambientale su larga scala.
Lezione 4 • Configurare l'account GEE
Guida alla registrazione dell'account, alla creazione del progetto e alle impostazioni dei permessi. Assicura che ogni studente disponga di un ambiente di lavoro prima di scrivere qualsiasi codice.

Capitolo 2Vedi dettagli

Fondamenti di JavaScript per GEE

Lezione 1 • Sintassi JavaScript e tipi di dati
Tratta variabili, tipi primitivi e operatori come utilizzati negli script GEE. Collega le regole sintattiche direttamente ai modelli dell'API GEE che gli studenti incontreranno.
Lezione 2 • Array, oggetti e dizionari
Spiega gli array e gli oggetti JavaScript come base per le proprietà e i metadati degli oggetti GEE. Gli studenti manipolano dati strutturati prima di passare agli oggetti GEE.
Lezione 3 • Debugging e organizzazione del codice
Introduce le istruzioni print, i messaggi di errore e la struttura modulare degli script. Gli studenti imparano a isolare rapidamente i bug, una competenza critica per pipeline GEE complesse.
Lezione 4 • Flusso di controllo e funzioni
Insegna condizionali, cicli e definizioni di funzioni per automatizzare compiti geospaziali ripetitivi. Gli studenti scrivono funzioni helper utilizzate in tutto il corso.

Capitolo 3Vedi dettagli

Lavorare con il catalogo dati di GEE

Lezione 1 • Caricare immagini e collezioni di immagini
Tratta i costruttori ee.Image e ee.ImageCollection e le loro differenze. Gli studenti caricano immagini satellitari e ne ispezionano le proprietà a livello di codice.
Lezione 2 • Filtrare le collezioni di immagini
Insegna i filtri per data, estensione e proprietà per ridurre le collezioni a sottoinsiemi pertinenti. Un filtraggio efficiente è fondamentale per tutte le analisi di serie temporali e regionali.
Lezione 3 • Dataset satellitari chiave in GEE
Esamina i dataset Landsat, Sentinel, MODIS e di elevazione con i loro compromessi. Gli studenti selezionano il dataset giusto in base alle esigenze spaziali, temporali e spettrali.
Lezione 4 • Navigare nel catalogo dati
Dimostra la ricerca nel catalogo, le pagine dei dataset e l'interpretazione dei metadati. Gli studenti identificano risoluzione, copertura temporale e descrizioni delle bande per qualsiasi dataset.

Capitolo 4Vedi dettagli

Elaborazione delle immagini e matematica delle bande

Lezione 1 • Visualizzazione e stile delle immagini
Configura i parametri di visualizzazione per mappe a colori reali, falsi colori e mappe di indici. Una visualizzazione efficace comunica chiaramente i risultati analitici a qualsiasi pubblico.
Lezione 2 • Calcolare gli indici spettrali
Deriva NDVI, NDWI, NDBI ed EVI dalle bande grezze usando la matematica delle bande. Gli indici spettrali sono l'output analitico più comune nei flussi di lavoro di telerilevamento.
Lezione 3 • Operazioni aritmetiche e logiche
Tratta le operazioni di addizione, sottrazione, moltiplicazione, divisione e bit a bit sulle bande delle immagini. Gli studenti costruiscono espressioni personalizzate combinando più bande spettrali.
Lezione 4 • Selezione e rinomina delle bande
Insegna a selezionare bande specifiche e a standardizzare i nomi delle bande tra diversi sensori. Una denominazione coerente previene errori nei flussi di lavoro multi-sensore.
Lezione 5 • Mascheramento delle nuvole e filtraggio della qualità
Applica maschere di nuvole basate sulle bande QA alle immagini Landsat e Sentinel. Immagini pulite e prive di nuvole sono un prerequisito per analisi accurate della copertura del suolo e dei cambiamenti.

Capitolo 5Vedi dettagli

Dati vettoriali e collezioni di elementi

Lezione 1 • Importare ed esportare dati vettoriali
Carica shapefile e GeoJSON come asset GEE ed esporta i risultati su Drive o Cloud Storage. Le competenze di scambio dati collegano GEE ai flussi di lavoro GIS esterni.
Lezione 2 • Tipi di geometria e costruzione
Costruisce punti, linee, poligoni e multi-geometrie usando i costruttori di geometrie GEE. La creazione di geometrie è il punto di partenza per tutte le analisi basate su regioni.
Lezione 3 • Creare e gestire gli elementi
Associa geometrie con proprietà attributo per formare oggetti ee.Feature. Gli elementi collegano la geometria vettoriale e i dati tabellari per le query spaziali.
Lezione 4 • Lavorare con le collezioni di elementi
Carica, filtra e applica funzioni map su oggetti ee.FeatureCollection dal catalogo e dagli asset utente. Le collezioni di elementi consentono analisi basate su regioni di interesse e analisi zonali.

Capitolo 6Vedi dettagli

Riduttori, composizione e statistiche zonali

Lezione 1 • Riduzioni raggruppate e condizionali
Esegue riduzioni raggruppate per classe e statistiche condizionali usando maschere. Queste tecniche consentono riepiloghi per classe essenziali per l'analisi della copertura del suolo.
Lezione 2 • Riduttori di vicinato e kernel
Applica statistiche focali e kernel di convoluzione per il livellamento spaziale e il rilevamento dei bordi. Le operazioni di vicinato migliorano la qualità dell'immagine e supportano l'analisi della tessitura.
Lezione 3 • Riduzione spaziale e statistiche regionali
Calcola statistiche per regione usando reduceRegion() e reduceRegions(). Questi metodi estraggono riepiloghi quantitativi per qualsiasi dataset di poligoni o punti.
Lezione 4 • Comprendere i riduttori in GEE
Spiega il concetto di riduttore come funzione che aggrega i valori dei pixel attraverso le dimensioni. I riduttori sono alla base della composizione, delle statistiche zonali e della sintesi di serie temporali.
Lezione 5 • Composizione temporale di collezioni di immagini
Riduce le collezioni di immagini nel tempo per produrre compositi stagionali o annuali. La composizione rimuove nuvole e rumore per rappresentazioni più pulite della superficie terrestre.

Capitolo 7Vedi dettagli

Analisi di serie temporali e rilevamento dei cambiamenti

Lezione 1 • Analisi delle tendenze con regressione lineare
Adatta tendenze lineari pixel per pixel a stack di serie temporali usando il riduttore linearFit() di GEE. Le mappe delle tendenze rivelano modelli a lungo termine di inverdimento, imbrunimento o urbanizzazione.
Lezione 2 • Costruire stack di immagini di serie temporali
Costruisce stack annuali e mensili di immagini da collezioni filtrate usando map() e reduce(). Gli stack sono la base per tutte le analisi di tendenza temporale e di cambiamento.
Lezione 3 • Algoritmi avanzati di rilevamento dei cambiamenti
Applica i concetti di LandTrendr e CCDC per il monitoraggio continuo dei cambiamenti in GEE. Questi algoritmi rilevano disturbi improvvisi e transizioni graduali nella copertura del suolo.
Lezione 4 • Grafici di dati di serie temporali
Usa l'API ui.Chart per tracciare serie temporali interattive di pixel e regioni. I grafici rivelano modelli stagionali e anomalie che le sole mappe non possono mostrare.
Lezione 5 • Metodi tematici di rilevamento dei cambiamenti
Implementa la differenza tra immagini, il rapporto e il rilevamento dei cambiamenti basato su soglia tra due date. Gli studenti mappano le aree di guadagno e perdita per la copertura vegetale, idrica e urbana.

Capitolo 8Vedi dettagli

Classificazione e Machine Learning in GEE

Lezione 1 • Flusso di lavoro di classificazione supervisionata
Delinea la pipeline end-to-end dalla raccolta dei dati di addestramento all'output della mappa classificata. Comprendere l'intero flusso di lavoro previene errori comuni in ogni fase successiva.
Lezione 2 • Addestrare e applicare i classificatori
Addestra i classificatori Random Forest, SVM e CART e li applica a immagini complete. Gli studenti confrontano gli output dei classificatori e selezionano il migliore per il loro dataset.
Lezione 3 • Classificazione non supervisionata con K-Means
Applica il clustering k-means per scoprire gruppi spettrali senza dati di addestramento etichettati. I metodi non supervisionati sono utili per l'analisi esplorativa e l'orientamento dei dati di addestramento.
Lezione 4 • Raccogliere e gestire i dati di addestramento
Crea poligoni di addestramento nell'Editor del codice e li unisce in una collezione di elementi etichettata. Dati di addestramento di qualità sono il singolo fattore determinante per l'accuratezza del classificatore.
Lezione 5 • Valutazione dell'accuratezza e validazione
Calcola matrici di confusione, accuratezza complessiva e coefficiente kappa dai dati di test non utilizzati. Una validazione rigorosa è richiesta prima che qualsiasi mappa classificata venga utilizzata per decisioni.

Certificazione

Il tuo certificato valido di completamento

Questo corso è per te:

Scienziati ambientali: desiderosi di ampliare le proprie capacità di analisi spaziale.
Analisti GIS: pronti a passare dai software desktop ai flussi di lavoro basati su cloud.
Studenti di telerilevamento: costruire un portfolio competitivo per il primo impiego nel settore.
Ricercatori nel campo della conservazione: che necessitano di monitorare gli ecosistemi in vaste aree geografiche.
Scienziati dei dati: desiderano aggiungere l'analisi delle immagini satellitari al loro attuale sistema di competenze.
Urbanisti: alla ricerca di strumenti basati su dati concreti per studi sull'uso del suolo e sull'impatto climatico.

Cosa dicono i nostri studenti

Le sue lezioni sono perfette. Ho acquistato il pacchetto annuale e finalmente ho l'opportunità di seguire diversi argomenti di mio interesse senza dover cambiare piattaforma... vi ringrazio per tutto quello che fate, vi ho già raccomandati ad altre persone...