Remote sensing: gratis satellietbeelden in QGIS
Gepubliceerd op
Remote sensing, in het Nederlands aardobservatie, is het meten van het aardoppervlak op afstand, met sensoren op satellieten, vliegtuigen en drones, en die metingen omzetten in kaarten. De sensor registreert licht of radiogolven die door de grond worden teruggekaatst, dus niemand hoeft er ter plaatse te zijn. In QGIS is het resultaat een raster dat je opent, samenstelt, doorrekent en classificeert zoals elke andere laag.
is het resultaat een raster dat je opent, samenstelt, doorrekent en classificeert zoals elke andere laag.Een satellietbeeld is geen foto. Het is een stapel metingen, één band per soort licht, en de kleuren op je scherm zijn een keuze: jij beslist welke band in rood, groen en blauw komt. Die keuze is het grootste deel van het vak.
Waarom het ertoe doet
Remote sensing beantwoordt vragen die te groot, te afgelegen of te traag zijn om te voet in kaart te brengen: is dit veld groener dan vorig jaar, hoever reikte de overstroming, hoeveel bos is gekapt, waar is de stad gegroeid. Een gratis satelliet komt om de paar dagen terug op dezelfde plek, dus het antwoord heeft een datum en is te herhalen.
Waarvoor mensen het gebruiken
| Vraag | Wat wordt gemeten | Een sensor die het doet |
|---|---|---|
| Is dit gewas of bos gezond? | Groenheid, via NDVI | Sentinel-2, Landsat 8 en 9 |
| Waar is het water, hoever reikte de overstroming? | Omvang van het water, via een waterindex of radar | Sentinel-2, Sentinel-1-radar |
| Hoe veranderde de landbedekking in 40 jaar? | Klassen vergeleken tussen data | Landsat, waarvan het archief teruggaat tot 1972 |
| Waar staan de gebouwen, bomen, zwembaden? | Individuele objecten | Luchtfoto's en drones met 50 cm of fijner |
| Hoe hoog is het bladerdak, waar ligt de grond? | Hoogte uit laserpulsen | LiDAR |
Hoe het werkt
Een passieve sensor registreert zonlicht dat de grond terugkaatst, in meerdere banden tegelijk. Een actieve sensor zendt een eigen puls uit en meet de tijd tot de echo: radar, zoals Sentinel-1, en LiDAR. Radar kijkt door wolken heen en werkt 's nachts, daarom leunen overstromingskaarten erop.
Materialen reageren in elke band anders. Gezonde bladeren kaatsen nabij-infrarood sterk terug en absorberen rood. Water absorbeert nabij-infrarood en ziet er daarin bijna zwart uit. Kale grond stijgt langzaam van blauw naar infrarood. Elke vegetatie-index en elke classificator leest die verschillen.
Vier soorten resolutie beschrijven elke sensor, en ze wegen tegen elkaar af:
- Ruimtelijk: de grootte van één pixel op de grond. Sentinel-2 geeft 10 m voor vier banden, 20 m voor zes en 60 m voor drie.
- Spectraal: hoeveel banden, en hoe smal. Sentinel-2 registreert er 13, van 443 tot 2190 nm.
- Temporeel: hoe vaak hij terugkomt. Sentinel-2 komt elke 5 dagen terug op de evenaar, en elke 2 tot 3 dagen op middelste breedtegraden.
- Radiometrisch: hoe fijn de helderheid wordt vastgelegd, wat bepaalt of je twee donkere velden uit elkaar kunt houden.
De gratis sensoren die je moet kennen
| Bron | Pixel | Terugkeertijd | Kosten | Het best voor |
|---|---|---|---|---|
| Sentinel-2 (ESA) | 10 m, 20 m, 60 m per band | 5 dagen | Gratis | Velden, bossen, stadsranden, sinds 2015 |
| Landsat 8 en 9 (USGS) | 30 m, 15 m panchromatisch | 8 dagen met beide | Gratis | Lange tijdreeksen, thermische band |
| Sentinel-1-radar (ESA) | Pixels van 10 m in het standaardproduct | 12 dagen per satelliet | Gratis | Overstromingen, bewolkte gebieden, nacht |
| IGN BD ORTHO, Frankrijk | 20 cm | Nieuwe dekking elke 3 tot 4 jaar | Gratis, open licentie | Gebouwen, bomen, zwembaden |
| IGN LiDAR HD, Frankrijk | Minstens 10 punten per m² | Eenmaal gevlogen, heel Frankrijk gedekt in 2026 | Gratis, open licentie | Terrein en kroonhoogte |
De specificaties komen van de Sentinel-2-pagina van ESA, de Sentinel-1-pagina van NASA en de IGN-datasets op data.gouv.fr (BD ORTHO, LiDAR HD), gelezen op 27 oktober 2026. De twee families Sentinel-2 en Landsat worden band voor band vergeleken in Sentinel-2 versus Landsat, en satellietbeeldresolutie vergeleken laat zien wat elke pixelgrootte wel en niet kan zien.
De eerste vraag is altijd dezelfde: hoeveel pixels beslaat mijn object? Een pixel van 10 m kan geen huis bevatten. Een veld wel.
Een remote sensing-workflow in QGIS
Ik voerde de stappen hieronder uit in QGIS op één Sentinel-2-opname van de Camargue, de Rhônedelta in Zuid-Frankrijk, gemaakt op 12 oktober 2026 met minder dan 1% bewolking. De delta mengt open water, zoutpannen, moeras, rijst en droog land in één beeld, en daarom is het een goede test.
Voeg de opname toe
Open Layer > Data Source Manager, kies het tabblad STAC en verbind met Earth Search op https://earth-search.aws.element84.com/v1. Filter op extent, datum en de Sentinel-2 Level-2A-collectie en voeg dan de opname toe. Download Sentinel-2-beelden in QGIS test vier manieren en geeft de tijden.
Kies de banden voor je vraag
Kies in Layer Properties > Symbology voor Multiband color. Rood, groen, blauw als B4, B3, B2 geeft wat het oog zou zien. B8, B4, B3 zet nabij-infrarood in rood, zodat elke gezonde plant rood wordt en het water zwart.
Zet de banden om in een getal
Raster > Raster Calculator, met NDVI als (B8 − B4) / (B8 + B4). Klik eerst met het Identify-gereedschap op een waterpixel. Een waarde rond 0 betekent dat de offset al is verwijderd, zoals in de Earth Search-bestanden die ik gebruikte. Een waarde rond 1000 betekent dat je 1000 van elke band moet aftrekken, wat geldt voor Sentinel-2-producten die sinds 25 januari 2022 van Copernicus zijn gedownload. Wat is NDVI toont hoe 0,82 verandert in 0,56 als je dat vergeet.
Snijd het getal in klassen
Stel een drempel in, bijvoorbeeld NDVI boven 0,6 voor dichte vegetatie, met Raster > Raster Calculator of het algoritme Reclassify by table. Voor meerdere landbedekkingsklassen train je een classificator op polygonen die je zelf tekent, met de gratis plugins SCP of dzetsaka.
Zet klassen om in metingen
Raster > Conversion > Polygonize, daarna de veldcalculator of Zonal statistics voor oppervlakten per klasse. De cijfers gelden op de schaal van de pixel en niet fijner.
Waar AI helpt, en waar niet
Remote sensing valt naar schaal in tweeën, en de gereedschappen gaan mee.
Op 10 of 30 m classificeer je pixels: deze is water, die is gewas. De gratis classificatoren hierboven doen dat goed, en een model voegt weinig toe, want een pixel bevat te weinig detail om een object te herkennen.
Op 50 cm of fijner haal je objecten eruit: dit is een gebouw, dat is een boom. Daar verdient een segmentatiemodel zijn plek. Wij bouwen een van de plugins op dit gebied, AI Segmentation, dus deze alinea gaat over ons eigen gereedschap. Je tekent een zone op een luchtfoto of drone-orthofoto, typt het object, building, tree of swimming pool, en de eigen modellen geven de contouren terug als polygonen met een betrouwbaarheidsscore en een oppervlakte. Beeldmateriaal dat grover is dan het object is de moeite niet waard: onze eigen afstelling mikt op ongeveer 0,18 m per pixel voor een gebouw en 0,09 m voor een auto. De GeoAI-gids legt uit welke vijf dingen het eruit haalt en wat elk kost.
Het trage deel van een remote sensing-klus is geen enkele stap. Het zijn er een dozijn achter elkaar: de opname vinden, de wolken controleren, de offset verwijderen, rekenen, opmaken, meten. Onze andere plugin, AI Agent, voert die keten uit vanuit één zin. Ik vroeg om NDVI over de velden rond Harike, Punjab, uit de nieuwste wolkenvrije Sentinel-2-opname. Hij sloeg twee bewolkte data over, verwijderde de offset, maakte het resultaat op en meldde dat 75% van het gebied van 17 km² boven 0,6 lag, in ongeveer 3 minuten en 30 seconden. Hij liet werklagen achter en gaf de grootte van het gebied verkeerd weer, dus controleer de cijfers die je overneemt.
Probeer AI Agent gratis in QGIS, geen creditcard nodig
Wat je moet onthouden
Remote sensing is het meten van de grond op afstand, en een satellietbeeld is een stapel banden, geen foto.
Sentinel-2 is de standaard gratis bron voor velden, bossen en stadsranden: 13 banden, pixels van 10 m voor vier ervan, elke 5 dagen een nieuw beeld op de evenaar.
Kies de bandcombinatie bij de vraag: B4, B3, B2 om te zien, B8, B4, B3 voor vegetatie, en NDVI om er een getal op te plakken.
Controleer de Sentinel-2-offset vóór elke index: een waterpixel rond 1000 betekent dat je 1000 van elke band aftrekt.
Pixels classificeer je, objecten vragen om fijner beeldmateriaal: onder ongeveer 50 cm haalt een segmentatiemodel gebouwen en bomen eruit, en boven 10 m heeft het niets om te herkennen.
Vragen die mensen stellen
Wat is remote sensing in gewone woorden?
Het is iets leren over de grond zonder hem aan te raken. Een satelliet, vliegtuig of drone registreert het licht of de radiogolven die van het oppervlak terugkomen, en software zet die opname om in een kaart of een getal.
Wat is het verschil tussen remote sensing en GIS?
Remote sensing verzamelt en interpreteert metingen op afstand. GIS slaat ruimtelijke gegevens van elke herkomst op, bewerkt en analyseert ze. In de praktijk overlappen ze: je doet remote sensing binnen een GIS zoals QGIS, en de resultaten worden lagen daarin.
Zijn remote sensing-gegevens gratis?
Veel wel. Sentinel-1 en Sentinel-2 van ESA, Landsat van USGS en in Frankrijk de IGN-luchtfoto's en LiDAR HD zijn gratis te downloaden en te hergebruiken. Commerciële satellieten verkopen scherpere beelden, vanaf ongeveer 30 cm, per opname of per vierkante kilometer.
Kan QGIS aan remote sensing doen?
Ja. Rastergereedschap, de Raster Calculator, bandcomposieten en de gratis plugins SCP en dzetsaka dekken beeldweergave, indices en classificatie. De workflow hierboven gebruikt alleen wat met QGIS wordt meegeleverd.
Wat is de beste satelliet voor gratis beelden?
Sentinel-2 voor het meeste landwerk na 2015, door de pixels van 10 m en de terugkeertijd van 5 dagen. Landsat als je gegevens terug tot 1972 nodig hebt of een thermische band. Sentinel-1-radar als wolken de grond blijven verbergen.
Is GeoAI hetzelfde als remote sensing?
Nee. Remote sensing is hoe de gegevens worden vastgelegd. GeoAI is machine learning op die gegevens, om er objecten, klassen of veranderingen uit te halen.
Voor de aanpalende begrippen gaan NDVI en de andere vegetatie-indices, multispectraal versus hyperspectraal en kartering van boomkronen dieper in op de onderwerpen hierboven, en de QGIS AI-hub laat zien wat elke AI-plugin nodig heeft voordat hij draait.
