遥感技术主要通过卫星和飞机从远处观察和测量我们的环境，是理解和监测地球物理、化学和生物系统的基石。
一：成像光谱遥感科学与ChatGPT基础
第一课：成像光谱遥感与chatgpt原理与最新进展
·成像遥感的基本原理
·Chatgpt工作原理
Chatgpt在成像遥感领域的最新进展
第二课：提示词工程与遥感提示词
Prompt技巧和模板
优质的学术提问prompt
遥感提示词示例
遥感类文献综述、润色、翻译、修改提示词
第三课：chatgpt高级分析、插件与遥感类源代码介绍
Chatgpt4 高级分析功能
Chatgp4典型GPTS应用
GitHup 遥感chatgpt源代码介绍
Chatgpt遥感应用经典文献解读
专题二：遥感数据处理软件，开发平台与ChatGPT集成
第一课：ENVI与chatgpt集成
·Chatgpt辅助下envi遥感数据处理
·预处理、图像特征提取、分类
Chatgpt辅助下envi遥感数据批处理
第二课：Python与chatgpt集成
·Chatgpt辅助下python开发基础
·Chatgpt辅助下python遥感数据处理开发基础
Chatgpt辅助下python机器学习
第三课：GEE与chatgpt集成
·Chatgpt辅助下GEE基础开发
·Chatgpt辅助下GEE遥感数据处理基础开发
·Chatgpt辅助下GEE机器学习应用
专题三：无人机遥感数据处理
·无人机遥感介绍
·基于chatgpt和python 的无人机遥感数据处理：
·遥感图像及其相应的标签数据整理与处理
·无人机图像的机器学习分类模型的构建和应用
·模型的保存、成果图片的输出
无人机高光谱的地物分类实践
专题四：深度学习专题
·遥感深度学习研究现状和最新进展
·Chatgpt辅助下Pytorch深度学习框架编程实践：
·数据标准化、清洗
·深度神经网络模型构建和可视化
·遥感深度学习框架源代码解析：
·基于命令行的代码架构
·模型数据的处理与数据管道的构建
·图像分类深度学习模型实践：
·卷积神经网络、递归神经网络模型遥感图像分类实践，包括以下模型：
"hu (1D CNN), "
"hamida (3D CNN + 1D classifier), "
"lee (3D FCN), "
"chen (3D CNN), "
"li (3D CNN), "
"he (3D CNN), "
"luo (3D CNN), "
"sharma (2D CNN), "
"liu (3D semi-supervised CNN), "
"mou (1D RNN)",
专题五：多光谱数据分析与实践专题
第一课：基于哨兵1号雷达数据洪水监测应用
sentinel-1SAR数据介绍下载、显示
sentinel-1SAR数据镶嵌和裁切处理掩膜提取洪水前后水体区域
洪水淹没识别与面积统计
第二课：城市绿化调查监测哨兵2号多光谱数据应用
合成显示城市sentinel-2数据
chatgpt生成 Google Earth Engine JavaScript API 代码，用来绘制选定城市的绿地面积
基于chatgpt与GEE统计城市和绿地面积
第三课：干旱指数Modis数据应用
VCI植被指数chatgpt+GEE计算
温度状况指数 (TCI)计算
基于蒸散量和植被指数的干旱指数计算和显示
专题六：高光谱分析与实践专题
第一课：基于天-空-地高光谱数据的矿物识别和填图
高光谱矿物识别的基础原理、研究现状和最新进展
矿物光谱特征提取与分析
Chatgpt与python集成的卫星、机载和近景地面高光谱数据的处理和混合像元分解
第二课：遥感农作物分类的机器学习和深度学习
随机森林、支持向量机、神经网络农作物分类模型构建与精度评价、制图
Chatgpt与python集成三维卷积神经网络构建与农作物分类
第三课：土壤含水量评估与制图
土壤光谱机理与高光谱调查方法
基于chatgpt与python 的土壤含水量模型构建和评价
高光谱土壤有机质含量评估与制图
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-3595493-1546765.html?mobile=1
收藏
