前言 |
课程导学 |
第一章 遥感科学与AI基础 | 第一课：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 
|
| 第二课：ChatGPT 简介 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 
|
| 第三课：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
 |
| 第四课：ChatGPT遥感提示词示例 提示词1：了解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 
|
| 第五课：ChatGPT遥感应用介绍 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） 
|
| 第六课：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
|
练习与答疑 | 课程内容讨论、软件安装、注册等 |
第二章 遥感影像数据处理分析软件与chatgpt集成 | 第一课：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 
|
| 第二课：Python遥感影像处理基础 Python简介 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 
|
| 第三课：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 
|
| 第四课：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 
|
| 第五课：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 
|
| 第六课：高级分析技术（机器学习、深度学习） 机器学习与sciki learn 介绍 数据和算法选择 通用学习流程 遥感机器学习模型 
|
练习与答疑 |
遥感数据处理实践 使用chatgpt+python、GEE进行遥感数据处理的实际操作。 |
第三章 多光谱数据分析与实践专题 | 第一课：多光谱遥感基本概念与数据 多光谱遥感基本概念； 多光谱遥感的主要卫星数据源介绍及下载方法（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。 
|
| 第二课：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 
|
| 第三课：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 
|
答疑 | 使用chatgpt + GEE进行多光谱遥感数据处理的实际操作。 |
第四章 高光谱分析与实践专题 | 第一课：高光谱遥感基本概念 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 
|
| 第二课：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 
|
| 第三课：
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 
|
总结与答疑 | 课程回顾与总结 交流答疑 最新技术介绍和讨论 |
