第一部分未来已来——工具与开发环境搭建1.1 机器学习基础1监督学习2非监督学习3深度学习1.2DeepSeek、ChatGPT应用方法1DeepSeek、ChatGPT 简介2DeepSeek、ChatGPT使用方法1.3 Python安装与用法1Python简介2Python的特点3Python的应用场景4安装 Python5Jupyter Notebook6Anaconda7创建第一个程序1.4 OpenCV安装与用法1OpenCV简介2OpenCV的特点3OpenCV的应用场景4图像的读取、显示与保存5图像的基本属性6图像颜色空间转换7图像缩放与裁剪8图像旋转与翻转9图像的几何变换第二部分千里眼——遥感数据应用全流程2.1 遥感数据获取1遥感定义与原理2常见遥感数据源3遥感数据获取方法特别内容遥感技术与AI2.2 遥感数据处理1图像去噪2几何校正3大气校正2.3 遥感数据计算1波段选择2波段计算2.4 案例实战计算家乡的土壤成分含量1计算过程2程序实现3计算结果4结果制图第三部分地面数据——图像分类3.1 学习数据增广1什么是数据增广2数据增广的代码实现3.2 地面化验数据综合处理1地面数据的作用2地面数据采样方案设计和化验方法3数据读取与初步检查4数据清洗与处理5数据的可视化与分布分析3.3 程序实现1描述性统计分析2数据分布3相关性分析4数据正态性检验5元素之间的线性回归分析6箱线图和异常值分析7两元素的T检验3.4 案例实战自动对农作物进行分类1导入必要的库并准备数据2特征提取图像降维3标签编码4训练支持向量机模型5对测试集图片进行分类预测6评估模型性能7使用网格搜索优化SVM参数8使用网格搜索优化SVM参数9使用PCA进行降维第四部分无人机数据——目标检测4.1 学习制作标签数据1标签数据的重要性2制作和标注机器学习的标签数据3常见的标注格式4LabelImg5标注6标注VOC格式7标注YOLO格式9标注并导出为COCO格式4.2 无人机多光谱数据综合处理1无人机机载飞行作业2地面同步数据特点3无人机数据处理4.3 程序实现1数据准备与预处理2环境配置3算法流程4实现基于边缘和轮廓的检测5解释代码6检查结果4.4 案例实战自动检测森林火灾范围1林火2环境设置与依赖安装3加载森林图像和对应的标注文件4实现火点检测算法5批量处理森林图像并标记火灾点第五部分卫星数据——变化检测5.1 学习遥感指数模型1算法与模型库2计算叶绿素含量5.2 卫星数据综合处理1计算二价铁含量2计算全球环境监测指数5.3 程序实现1导入必要的库2设置数据路径3加载遥感图像4水体识别算法5变化检测算法6保存变化结果7导出变化统计表8结果展示5.4 案例实战自动实现水体动态监测1导入必要的库2加载遥感图像并裁剪到一致大小3计算水体指数 (NDWI)4变化检测5保存变化检测结果6导出变化统计表第六部分多源数据——联合分析6.1 学习图像自动配准1图像配准2自动配准的步骤6.2 空天地数据综合处理1图像配准2导入必要的库3读取无人机和卫星图像4生成地理控制点 (GCP)5应用配准算法6保存配准后的无人机图像7保存配准的坐标对应数据6.3 程序实现1导入必要的库2预处理3特征检测和匹配4图像配准5保存6.4 案例实战城市建筑物检测与变化监测1城市建筑物检测与变化监测的原理2图像预处理3建筑物检测4变化检测5输出与可视化6实战第七部分研究热点攻关7.1 案例实战农田作物分类与产量估算7.2 案例实战土地利用与土地覆盖分类7.3 案例实战植被健康监测与病害检测特别课把视频中的物体识别出来7.4 案例实战海岸侵蚀监测变化分析7.5 案例实战空气污染物浓度遥感监测7.6 案例实战沙漠化监测与土地退化分析7.7 案例实战城市违章建筑监控7.8 案例实战碳汇估算与生态服务分析7.9 案例实战地表温度与热岛效应分析7.10案例实战地质灾害预测与监测