Ishimwe Willy Christian

Zeer gemotiveerde geospatiale onderzoeker met een MSc van ITC (Universiteit Twente), gespecialiseerd in aardobservatie, integratie van ruimtelijke gegevens uit meerdere bronnen en machine learning. Aantoonbaar succesvol in het aanpakken van de schaarste aan referentiedata door het integreren van crowdsourced biodiversiteitswaarnemingen (Pl@ntNet) met Sentinel-1/2 tijdreeksen. Bedreven in het bouwen van schaalbare, reproduceerbare workflows in Python en Google Earth Engine.

Sterk verbonden met de missie van NINA en gemotiveerd om fundamentele machine learning-expertise door te ontwikkelen naar geavanceerde Geo-AI en Deep Learning (foundatiemodellen) voor het karteren van ecosysteemomvang en -condities op fijne schaal ten behoeve van de UN SEEA-EA-kaders.

Academisch Onderzoeker - Analyse van Ecosysteemomvang & Landbedekking Dynamiek - ITC Twente - Enschede, The Netherlands

• Uitgevoerde superviseerde workflows voor landbedekking- en landgebruiksclassificatie op fijne schaal met behulp van Random Forest-algoritmen om structurele overgangen in landschappen in kaart te brengen.
• Uitgevoerde strikte nauwkeurigheidsbeoordelingen per klasse en onzekerheidsanalyses om ruimtelijke modelvoorspellingen te valideren ten opzichte van beperkte referentiedata.
• Ruimtelijke indicatoren geëxtraheerd die direct relevant zijn voor milieuduurzaamheid, veerkrachtbeoordeling en het in kaart brengen van ecosysteemcondities.

Academisch Onderzoeker - Verstoringmonitoring & Beoordeling van Ecosysteemconditie - ITC Twente - Enschede, The Netherlands

• Ontworpen langetermijn NDVI-tijdreeksen (2004–2021) om milieustressoren (droogte-effecten) en vegetatiehersteldynamieken te kwantificeren.
• Geïmplementeerde Sentinel-1 SAR-gebaseerde Radar Vegetation Index (RVI) voor monitoring van vegetatiecondities in regio's met veel bewolking, waarbij de afwegingen tussen optische en radargegevens werden geëvalueerd.
• Ontwikkelde terreingebaseerde maskerings- en filterstrategieën om SAR-fout-positieven te verminderen en hoogwaardige ruimtelijke datalaag te waarborgen.

Academisch Onderzoeker - Monitoring van Bosbiomassa & Koolstofvoorraden - ITC Twente - Enschede, The Netherlands

• Toegepaste machine learning-frameworks om optische en SAR-datasets te combineren voor het nauwkeurig schatten van bovengrondse biomassa.
• Ruimtelijke dataresultaten geïnterpreteerd in de context van klimaatmitigatie, koolstofboekhouding en ecosysteemveerkracht.

MSc - Geo-informatiewetenschappen en Aardobservatie (Beheer van Natuurlijke Hulpbronnen) - Faculty of Geo-Information Science and Earth Observation (ITC), University of Twente (2023-09 - 2025-06)

BSc - Landbouwkunde - University of Rwanda (2015-09 - 2019-06)