Les fotografies preses des de l’espai permeten estudiar l’impacte i l’evolució de fenòmens naturals i antròpics com ara els incendis forestals, les inundacions o el desglaç de glaceres, així com calcular índexs sobre la temperatura superficial terrestre i marina o l’estat de salut de la vegetació. 

Objectius del curs:  
- Apropar la teledetecció a un públic no especialitzat seguint les pautes de la plataforma Edusat perquè l’estudiant gaudeixi d’una eina d’anàlisi territorial.
- Aprendre de forma autònoma les dinàmiques naturals i antròpiques, així com disposar d’una eina gràfica per a la divulgació dels resultats.

Programari: plataforma d’accés obert EO Browser.
Coneixements previs: No es requereixen coneixements previs.  

Les imatges de satèl·lit són una font d’informació amb molt de potencial i molt assequible per observar i analitzar de forma periòdica una àmplia varietat de fenòmens del nostre planeta. El procés d’obtenció d’aquestes imatges, a través dels sensors a bord dels satèl·lits d’observació de la Terra, és complex i cal tenir-ho en compte abans de començar a utilitzar les imatges en els nostres projectes. 

Objectius del curs:
- Dotar l’alumne dels coneixements necessaris per entendre el procés de captura de les imatges de satèl·lit, així com les seves principals característiques.
- Mostrar els principals sensors que tenim a l’abast i els portals de descàrrega d’imatges que hi ha disponibles.
- Treballar amb els processos necessaris per corregir les imatges de satèl·lit i el flux de treball a seguir per obtenir-ne informació.

Programari: QGIS (amb el plugin SCP) i GRASS.
Coneixements previs:  No es requereixen coneixements previs.

Quan un projecte d’observació de la Terra mitjançant imatges de satèl·lit implica l’ús massiu de dades o l’execució de processos repetitius, és molt recomanable desenvolupar rutines que permetin l’automatització de les tasques, tant en relació amb la cerca i descàrrega d’imatges com en relació amb l’anàlisi d’aquestes. S’aconsegueix així un estalvi de temps molt important i una eficiència més gran, i també es pot fer front a reptes molt més complexos i ambiciosos.

Objectius del curs:  
- Mostrar les potencialitats d’utilitzar rutines en els projectes de teledetecció.
- Donar a conèixer i utilitzar algunes de les principals extensions en llenguatge Python per a cerca, descàrrega i anàlisi d’imatges de satèl·lit.

Programari: Editor de text (Atom), SentinelSat, HARP, CODA, VISAN. 
Coneixements previs: Es requereixen coneixements bàsics de SIG, coneixements genèrics sobre programació i certa experiència amb Python.

LiDAR (light detection and ranging) és una tècnica de percepció remota que permet obtenir un núvol de punts del terreny mitjançant un escàner làser aerotransportat (ALS). Les dades LiDAR són una alternativa a les tradicionals tècniques basades en el treball de camp o en la fotogrametria per a l’adquisició de dades d’altitud o amb informació d’elevacions per al càlcul de models digitals d’elevació d’alta precisió.

Objectius del curs:  
- Conèixer les principals extensions d’eines per al tractament de dades LiDAR.  
- Aprendre a tractar, visualitzar i processar aquestes dades per a l’obtenció de productes derivats com ara models digitals d’elevacions o models digitals de superfícies.

Programari: Es faran servir les extensions LAStools, PDALtools i Fusion des de la interfície d’usuari de QGIS.
Coneixements previs:  Es requereixen coneixements bàsics de QGIS.