第一：DeepSeek、Python利器——工具与开发环境搭建
1.1 【原理】机器学习基础
（1）监督学习
（2）非监督学习
（3）深度学习
1.2 【实现】DeepSeek入门与高光谱数据管理
（1）DeepSeek
（2）DeepSeek 使用方法
1.3 【练手】Python环境搭建与基础语法
（1）Python简介
（2）Python的特点
（3）Python的应用场景
（4）安装 Python
（5）Jupyter Notebook
（6）Anaconda
（7）创建第一个程序
（8）图像的读取、显示、保存、基本属性、颜色空间转换、缩放与裁剪、旋转与翻转、几何变换
第二：城市——目标识别（无人机）
2.1 【原理】高光谱图像融合
（1）高光谱图像融合的原理
（2）高光谱图像融合的方法
（3）高光谱图像融合的挑战
（4）编一个程序实现高光谱图像融合
2.2 【实现】图像分类与分割的实现
（1）安装包
（2）图像分割
（3）程序
2.3【练手】城市常见目标的识别与分类
（1）提取不透水面
（2）提取道路
（3）提取小汽车
2.4 【实操】案例实战：采用无人机进行城市变化检测
（1）原理
（2）采用无人机进行城市变化检测
（3）程序
第三：植被——指数模型（卫星）
3.1 【原理】大气校正的原理与实现
（1）原理
（2）卫星数据的大气校正
（3）程序
3.2 【实现】植被指数计算
（1）原理
（2）实现
（3）程序
3.3 【练手】植被光谱特征提取与分析
（1）原理
（2）实现
（3）点选光谱，并求平均
3.4 【实操】案例实战：采用欧比特一号数据提取碳汇
（1）原理
（2）程序
（3）实现——利用遥感指数估算生物量
（4）实现——利用叶面积指数估算生物量
第四：水体——数值计算（地面）
加料包：高光谱水质信息提取与智能实现研究
4.1 【原理】水质和黑白布定标的原理与实现
（1）原理
（2）黑白布定标的实现
4.2 【实现】高光谱数据降维
（1）背景与需求分析
（2）实现
（3）程序实现
4.3 【练手】水质参数反演与建模
（1）背景与需求分析
（2）实现——显示出对应坐标的反射率
（3）程序实现
4.4 【实操】案例实战：采用水面浮标数据计算水质
（1）原理
（2）实现
（3）程序实现
第五：地质——图像分类（空天地一体）
5.1 【原理】图像分类原理与实现
（1）原理
（2）实现——三种非监督分类的实现
（3）程序实现
5.2 【实现】空天地一体化综合处理
（1）原理
（2）实现——显示光谱库数据
（3）实现——光谱角制图
（4）实现——显示出图例名称
（5）实现——光谱波形匹配
5.3 【练手】地质光谱特征提取与分析
（1）原理
（2）实现
（3）程序实现
5.4 【实操】案例实战：采用空天地数据识别地层和岩性
（1）原理
（2）实现
（3）程序实现
第六：土壤——光谱解混（开发软件）
6.1 【原理】混合像元分解的原理
（1）原理
（2）实现
（3）程序实现
6.2 【实现】土壤纯净光谱特征提取与分析（1）原理
（2）实现
（3）程序实现
6.3 【练手】土壤参数反演与建模
（1）原理
（2）实现——叠置采样点数据
（3）实现——计算有机质含量
6.4 【实操】案例实战：采用光谱库进行土壤光谱解混
（1）原理
（2）实现
（3）程序实现
第七：专题制图
7.1 地图绘制基础与高光谱数据可视化
（1）查看经纬度范围
（2）查看地理坐标
（3）查看经纬度范围
（4）真彩色经纬度范围
7.2 专题地图设计与制作
7.3 高光谱专题制图案例实战
7.4总结与项目展示
附赠技能包
（1）激光点云数据处理
（2）PyCharm程序移植
（3）神秘专题报告
基于DeepSeek和Python的高光谱遥感从数据到智能决策全流程实现与城市、植被、水体、地质、土壤五维一体应用
转载本文请联系原作者获取授权，同时请注明本文来自吕向阳科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3595493-1481015.html?mobile=1
收藏
