Räumliche Daten sind aus vielen Anwendungen in den Agrar- und Umweltwissenschaften nicht mehr wegzudenken. Dies betrifft das Ökosystemmonitoring auf der großen Landschaftsskala und auf nationaler Ebene ebenso wie das Precision Farming auf der zu bewirtschaftenden Anbaufläche (Schlagebene). Sensordaten der Nah- und Fernerkundung nehmen dabei eine besondere Rolle ein: Trägerplattformen umfassen Schleppergezogene on-the-go-Sensoren, Drohnen bzw. unmanned aerial vehicles (UAV) und Satelliten.
Oftmals ist für die Auswertung dieser Daten die Modellierung mittels Algorithmen des maschinellen Lernens notwendig. Nach einer theoretischen Einführung in die Modellierung mittels maschinellen Lernens erfolgt die praktische Implementierung in der Programmier- und Softwareumgebung R anhand von Fragestellungen und Beispieldatensätzen aus den Agrar- und Umweltwissenschaften.