prof.dr.ir. A. Stein (Alfred)

Prof. dr. ir. Alfred Stein (1958) is hoogleraar Ruimtelijke Statistiek en Beeldanalyse. Hij behaalde zijn MSc titel in wiskunde en informatiekunde, met een specialisatie toegepaste statistiek aan de TU Eindhoven en zijn doctoraat aan de Wageningen Universiteit. Hij begon zijn carrière bij de afdeling bodemwetenschappen en geologie van wageningen university, dat in 2000 leidde tot een hoogleraarschap aan de leerstoel wiskundige en statistische methoden. In 1995 werd hij benoemd tot gastprofessor aan het - toen nog - Instituut ITC, waar hij in 2002 hoogleraar werd aan de nieuwe afdeling Aardobservatiewetenschap, waar hij meer dan 10 jaar leiding aan heeft gegeven. Na een onderbreking is hij nu opnieuw hoofd van deze afdeling. Van 2008 tot 2020 was hij lid van het faculteitsbestuur, afgewisseld met de portefeuilles onderzoek en onderwijs.

Zijn onderzoeksinteresses richten zich op statistische aspecten van ruimtelijke en spatio-temporele gegevens, zoals monitoringdata, in de breedste zin van het woord. Optimale bemonstering, beeldanalyse, ruimtelijke statistieken, gebruik van voor-informatie, maar ook gegevenskwaliteit, fuzzy technieken, random sets, steeds in een Bayesiaanse context.

Vanaf 1998 zijn ca. 50 promovendi onder zijn supervisie gepromoveerd op een reeks ruimtelijke (en temporele) statistische onderwerpen. Op dit moment begeleidt hij 12 promovendi. Sinds 2011 is hij hoofdredacteur van Spatial Statistics, het nieuwe toonaangevende platform op het gebied van ruimtelijke statistiek. Het publiceert artikelen op het hoogste wetenschappelijke niveau betreffende belangrijke ontwikkelingen in de theorie en de toepassingen van ruimte en spatio-tijdelijke statistieken. Hij is associate editor van het International Journal of Applied Geoinformation and Earth Observation and Environmental and Ecological Statistics.

Voor meer informatie over Alfred Stein zie de UT Featured Scientists pagina:

Engineering & Materials Science

# Remote Sensing
# Satellites

Earth & Environmental Sciences

# Image Resolution
# Method
# Modeling
# Pixel
# Remote Sensing
# Synthetic Aperture Radar

Faculty of Geo-Information Science and Earth Observation (ITC), Department of Earth Observation Science (EOS)

Elsevier
Editor-in-chief Spatial Statistics
MER commissie
MER commissie Waddenzee

Aghababaei, H., Ferraioli, G. , Stein, A., & Vitale, S. (2023). Deep learning based polarimetric data augmentation: Dual2Full-pol extension. IEEE transactions on geoscience and remote sensing, 61. https://doi.org/10.1109/TGRS.2023.3299419

Zhou, W. , Persello, C., Li, M. , & Stein, A. (2023). Building use and mixed-use classification with a transformer-based network fusing satellite images and geospatial textual information. Remote sensing of environment, 297, Article 113767. Advance online publication. https://doi.org/10.1016/j.rse.2023.113767

Bayu, H. G. , Belgiu, M., Embibel, L., Baye, K. , & Stein, A. (2023). Examining energy and nutrient production across the different agroecological zones in rural Ethiopia using statistical methods. Food Science and Nutrition. Advance online publication. https://doi.org/10.1002/fsn3.3676

Lv, X. , Persello, C. , Zhao, W., Huang, X., Hu, Z., Ming, D. , & Stein, A. (2023). Pruning for image segmentation: Improving computational efficiency for large-scale remote sensing applications. ISPRS journal of photogrammetry and remote sensing, 202, 13-29. Advance online publication. https://doi.org/10.1016/j.isprsjprs.2023.05.024

Zhou, W. , Persello, C. , & Stein, A. (2023). Building usage classification using a transformer-based multimodal deep learning method. In 2023 Joint Urban Remote Sensing Event, JURSE 2023 (2023 Joint Urban Remote Sensing Event, JURSE 2023). IEEE. https://doi.org/10.1109/JURSE57346.2023.10144168

Zhao, W. , Persello, C., Ding, H. , & Stein, A. (2023). Learning general representations for semantic segmentation and height estimation from remote sensing images. In 2023 Joint Urban Remote Sensing Event (2023 Joint Urban Remote Sensing Event, JURSE 2023). IEEE. https://doi.org/10.1109/JURSE57346.2023.10144138

Payares-Garcia, D. , Osei, F. B. , Stein, A., & Mateu, J. (2023). A Poisson cokriging method for bivariate count data. Spatial statistics, 57, Article 100769. Advance online publication. https://doi.org/10.1016/j.spasta.2023.100769

Kulshrestha, A. (2023). InSAR time series analysis for sinkhole detection using deep learning. [PhD Thesis - Research UT, graduation UT, University of Twente, Faculty of Geo-Information Science and Earth Observation]. University of Twente, Faculty of Geo-Information Science and Earth Observation (ITC). https://doi.org/10.3990/1.9789036557283