还在为海量的Landsat、Sentinel或MODIS遥感数据预处理而烦恼吗？还在为难以去除的云层噪声和复杂的产品质量控制图层而头疼吗？是时候让您的科研工作实现质的飞跃了！
以ChatGPT、DeepSeek为代表的人工智能大模型技术正以前所未有的深度介入遥感数据处理的每一个环节。从智能化的数据清洗、辅助代码编写，到复杂的模型构建与归因分析，AI大模型展现出传统方法难以企及的技术优势。它不仅能极大地提升数据处理效率，更能帮助我们突破思维局限，将研究焦点从繁琐的数据预处理解放出来，转向更深层次的“智慧洞察”，真正挖掘长时序植被数据背后的动态规律与驱动机制。
本次内容针对遥感科学、生态环境、GIS及农林、气候监测等领域专业人员的实际需求，以“AI技术+Python编程”为双轮驱动，系统拆解从多源遥感数据获取、预处理、植被参数反演、物候期精准提取，到时空趋势分析、归因研究乃至生态环境质量遥感评估的全流程技术逻辑。我们旨在通过系统化实战演练，掌握一套前沿、高效、可落地的研究工具与方法，赋能您在生态环境研究领域取得突破性进展。
专题一 Python遥感数据处理基础
1、常用地理空间数据处理python库的介绍及应用示例
GDAL库的介绍、安装与应用示例
Rasterio库的介绍与应用示例
ArcPy库的介绍、安装及应用示例
Numpy库的介绍、安装与应用示例
2、AI大模型的提问框架、优化提示词工具的介绍与应用
专题二 常用共享数据资源介绍
1、常见卫星遥感反射率数据
Landsat系列反射率数据
Sentinel系列卫星数据
MODIS卫星反射率数据
GF/HJ/ZY…系列卫星数据
2、常见植被参数遥感产品
植被指数、植被叶面积指数、植被总初级生产力、植被净初级生产力、植被光合有效辐射吸收比
3、常用气象水文数据集
ERA5及其ERA5_Land数据集（包括气温、降水、风速和土壤湿度等变量）
CHIPRS、TRMM以及GPM降水数据集
GLDAS数据集（包括土壤湿度、气温和降水等变量）
WorldClim数据集（包括气温、降水和风速等变量）
4、其他常用辅助遥感产品数据
数字高程模型数据、土地覆盖/土地利用数据
专题三 地球科学数据处理方法及python实现
1、结合AI的python遥感数据预处理
遥感数据格式转换与拼接
常用卫星遥感数据的去云处理
MODIS遥感产品质量控制图层读取及含义解读
AI辅助下的遥感数据产品质量控制
数据裁剪、重采样以及时间序列数据筛选与合成等
2、常见植被指数及生态参数计算
植被指数NDVI、EVI、NIRv以及kNDVI等的计算
基于已有遥感产品的植被-生态参数的计算
3、python遥感数据时间序列重构
年内时间序列遥感数据重构以去除噪声点(SG滤波、多项式拟合、…)
长时序逐年份遥感产品年均/最大值、月均/最大值、季节均/最大值批处理运算
距平anomaly及变异系数coefficient of variation计算
不良天气(如云)对长时序遥感数据分析的影响
专题四 植被参数遥感反演基本原理及python实现
遥感反演植被参数类型
PROSAIL模型介绍
模型参数敏感性分析方法及python实现
专题五 地球科学数据分析方法及python实现
1、长时间序列趋势分析
长时序趋势分析方法基本原理
一元线性回归趋势分析方法的python实现
Mann-Kendall (M-K)趋势分析方法的python实现
2、数据主要特征提取方法—主成分分析
主成分分析方法基本原理及应用
python遥感数据主成分分析
专题六 植被物候提取与分析实践应用
1、植被物候及其提取原理与方法
植被物候及其提取原理
植被物候常用提取方法
2、python植被物候提取
年内时间序列数据重构
多种植被物候提取方法的python实现（threshold/logistic/derivative/…）
生长季开始/长度/结束日期提取
区域植被SOS/LOS/EOS制图
专题七 植被时空动态分析及python实践应用
python长时序植被动态变化趋势分析
植被变绿/变黄趋势判断准则
基于一元线性回归的植被变化趋势判断
基于M-K趋势分析的植被变化检测
基于变异系数法(CV)的植被变化稳定性分析
专题八 植被动态变化归因分析及python实践应用
python植被变化归因分析
植被动态归因分析方法介绍
基于相关/偏相关系数的植被动态归因分析
基于多元线性回归方法的植被动态归因分析
基于机器学习方法的植被动态归因分析
专题九 生态环境质量遥感评估及python实践应用
1、遥感生态指数（RSEI）原理与计算方法
2、基于遥感数据的遥感生态指数( RSEI)计算
卫星遥感数据预处理
湿度（WET）、绿度（NDVI）、热度（LST）和干度（NDBSI）等生态指标计算
主成分分析（PCA），计算RSEI值
RSEI归一化处理
关 注【科研充电吧】公 众 号，获取海量教程和资源
转载本文请联系原作者获取授权，同时请注明本文来自王艳科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3539141-1523291.html?mobile=1
收藏
