GPT+Python+GEE+ENVI高光谱，多光谱等成像遥感技术应用

原文链接：GPT+Python+GEE+ENVI高光谱，多光谱等成像遥感技术应用https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247594986&idx=2&sn=770b456d434fdbada22e425b35affe08&chksm=fa82320dcdf5bb1b9838b03e13381bdf38ea1b24ebc03526293756a3e4a0efda2b34a4258126&token=1648794999&lang=zh_CN#rd

第一遥感科学与AI基础

一：遥感科学的基本原理和历史

从摄影侦察到卫星图像

遥感的基本原理

遥感的典型应用

最新进展和未来趋势

二：ChatGPT 

什么是ChatGPT？

发展简史和工作原理

ChatGPT可以做什么？

ChatGPT演示使用

ChatGPT的未来

三：prompt 提示词

什么是prompt，有什么用？

Prompt技巧（大几岁）

最好的原则和策略

优质的学术提问prompt

四：ChatGPT遥感提示词示例

提示词1：遥感科学的基础知识和前沿领域

提示词2：编写一段可以运行的深度学习代码

提示词3：编写可以读取遥感数据的python代码

提示词4：集成chatpgt和GEE的全球卫星影像显示

五：ChatGPT遥感应用

目标层面（文献综述协助、创意生成、研发方案和任务规划起草）

执行层面（数据处理分析、工作流程优化、报告文章编写、可视化）

认知层面（数据挖掘、新算法、传感器改进建议、人工智能与遥感集成新方法）

六：ChatGPT、GEE等注册、python、envi等软件安装

ChatGPT 注册方法，升级方法，版本比较 GEE 注册python、envi等软件安装ChatGPT、GEE学习资源分享

第二：遥感影像数据处理分析软件与chatgpt集成

一：遥感影像处理（ENVI+chatgpt）

遥感数据类型和处理流程

预处理技术

图像特征提取

图像分类

多光谱、高光谱分析

Chatgpt辅助下envi遥感数据处理

二：Python遥感影像处理基础

Python

变量和数据类型

控制结构

功能和模块

文件、包、环境

栅格数据处理

三：Python与chatgpt集成

遥感影像读取和元数据分析

基本影像处理操作，如裁剪、重采样

变量和数据类型

遥感影像的可视化

四：GEE 基础

GEE的介绍和操做界面

Javascripe 基础

GEE两种模式客户端与服务端的区别

GEE遥感影像数据集及操做

GEE遥感数据导入导出

GEE 图像分类

五：chatgpt与GEE集成

Chatgpt与GEE集成使用示例（NDVI）

Chatgpt与GEE下载数据

Chatgpt与GEE遥感数据预处理

Chatgpt与GEE 图像分类

六：高级分析技术（机器学习、深度学习）

机器学习与sciki learn 

数据和算法选择

通用学习流程

遥感机器学习模型

第三：多光谱数据分析与实践

一：多光谱遥感基本与数据

多光谱遥感基本概念；

多光谱遥感的主要卫星数据源及下载方法（哨兵、Landsat、Aster、Modis等）

ChatGPT应用：解释波段选择的重要性和多光谱数据的解读。

二：基于chatgpt和python的多光谱数据分析基础

基于chatgpt和python的多光谱数据预处理方法

基于chatgpt和python的多光谱数据分类方法

基于chatgpt和python多光谱数据重组整理、机器学习模型构建、训练方法

三：chatgpt+GEE 多光谱应用案例

干旱指数计算案例

洪水监测案例

城市绿地提取和分析案例

第四：高光谱分析与实践

一：高光谱遥感基本

高光谱遥感、光的波长、光谱分辨率

高光谱遥感的历史和发展

高光谱数据预处理

地物识别与光谱特征

混合像元分解

二：chatgpt+python 高光谱数据处理

数据读取与显示

光谱特征提取

混合像元分解

高光谱图像分类

高光谱参量反演

三：chatgpt+python 高光谱应用案例

矿物填图案例

农作物分类案例

土壤含水量评估案例