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★ 点 击 下 方 关 注获取海量教程和资源↓↓↓————————————————