如何利用ChatGPT辅助下处理：ENVI、GEE、Python等遥感数据

题一

成像光谱遥感科学与chatgpt基础

第一节：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

第二节：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

练习与答疑

内容讨论、软件安装、注册等

专题二

遥感数据处理软件、开发平台与chatgpt集成

第一节：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

第二节：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

第三节：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

第一节：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

第二节：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

第三节：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

第一节：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

第二节：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

第三节：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

总结与答疑

回顾与总结

交流答疑

最新技术介绍和讨论