第一:遥感科学
从摄影侦察到卫星图像
遥感的基本原理
遥感的典型应用
第二:ChatGPT
ChatGPT可以做什么?
ChatGPT演示使用
ChatGPT的未来
第三: prompt 提示词
Prompt技巧(大几岁)
最好的原则和策略
优质的学术提问prompt
第四: ChatGPT遥感提示词示例
提示词1: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 : ChatGPT遥感应用
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 : ChatGPT、GEE等注册、python、envi等软件安
第七: 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
第八 : Python遥感影像处理基础
Python
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
第九 : 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
第十 : GEE
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
第十一 : 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
第十二 : 高级分析技术(机器学习、深度学习)
机器学习与sciki learn
数据和算法选择
通用学习流程
遥感机器学习模
第十三 : 多光谱遥感数据
多光谱遥感;
多光谱遥感的主要卫星数据源及下载方法(哨兵、Landsat、Aster、Modis等)
ChatGPT应用:波段选择的重要性和多光谱数据的解读。
第十四 : 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
第十五 : 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
第十六:高光谱遥感
高光谱遥感、光的波长、光谱分辨率
高光谱数据预处理
地物识别与光谱特征
混合像元分解
第十七: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
第十八 : 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