如今，Earth Engine憑借其強(qiáng)大的功能正受到越來越多國內(nèi)外科技工作者的關(guān)注，應(yīng)用范圍也在不斷擴(kuò)大。學(xué)習(xí)致力于幫助科研工作者掌握Earth Engine的實(shí)際應(yīng)用能力，以Python編程語言為基礎(chǔ)，結(jié)合實(shí)例講解平臺搭建、影像數(shù)據(jù)分析、經(jīng)典應(yīng)用案例、本地與云端數(shù)據(jù)管理，以及云端數(shù)據(jù)論文出版級可視化等方面的進(jìn)階技能。為了提高教學(xué)質(zhì)量，本課程將融合最先進(jìn)的ChatGPT、文心一言等AI自然語言模型輔助教學(xué)，協(xié)助學(xué)員解答疑惑、提供針對性建議和指導(dǎo)，不僅讓學(xué)員更深入地掌握課程內(nèi)容，還為今后自助學(xué)習(xí)提供高效的個性化的學(xué)習(xí)體驗(yàn)。目前，Earth Engine以其強(qiáng)大的功能受到國內(nèi)外越來越多的科技工作者的重視，應(yīng)用也越來越普遍。

旨在幫助科研工作者掌握Earth Engine的實(shí)際應(yīng)用能力，將以Python編程語言為基礎(chǔ)，結(jié)合案例從平臺搭建、影像數(shù)據(jù)分析、本地和云端數(shù)據(jù)管理，以及云端數(shù)據(jù)論文出版級可視化等方面進(jìn)行講解和進(jìn)階訓(xùn)練。此外，還將強(qiáng)調(diào)批處理和機(jī)器學(xué)習(xí)，適合已掌握一定Earth Engine和Python基礎(chǔ)、或?qū)幊逃袧夂衽d趣的學(xué)員。

第一章 理論基礎(chǔ)

1、Earth Engine平臺及應(yīng)用、主要數(shù)據(jù)資源介紹
2、Earth Engine遙感云重要概念、數(shù)據(jù)類型與對象等
3、JavaScript與Python遙感云編程比較與選擇
4、Python基礎(chǔ)（語法、數(shù)據(jù)類型與程序控制結(jié)構(gòu)、函數(shù)及類與對象等）
5、常用Python軟件包（（pandas、numpy、os等）介紹及基本功能演示（Excel/csv數(shù)據(jù)文件讀取與數(shù)據(jù)處理、目錄操作等）
6、JavaScript和Python遙感云API差異，學(xué)習(xí)方法及資源推薦
7、ChatGPT、文心一言等AI自然語言模型介紹及其遙感領(lǐng)域中的應(yīng)用

第二章 開發(fā)環(huán)境搭建

1、本地端與云端Python遙感云開發(fā)環(huán)境介紹
2、本地端開發(fā)環(huán)境搭建
1）Anaconda安裝，pip/conda軟件包安裝方法和虛擬環(huán)境創(chuàng)建等；
2）earthengine-api、geemap等必備軟件包安裝；
3）遙感云本地端授權(quán)管理；
4）Jupyter Notebook/Visual Studio Code安裝及運(yùn)行調(diào)試。
3、云端Colab開發(fā)環(huán)境搭建
4、geemap介紹及常用功能演示
5、ChatGPT、文心一言帳號申請與主要功能演示，如遙感知識解答、數(shù)據(jù)分析處理代碼生成、方案框架咨詢等。

第三章 遙感大數(shù)據(jù)處理基礎(chǔ)與ChatGPT等AI模型交互

1、遙感云平臺影像數(shù)據(jù)分析處理流程介紹：介紹遙感云平臺影像數(shù)據(jù)分析處理流程的基本框架，包括數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、算法開發(fā)、可視化等。

2、要素和影像等對象顯示和屬性字段探索：介紹如何在遙感云平臺上顯示和探索要素和影像等對象的屬性字段，包括如何選擇要素和影像對象、查看屬性信息、篩選數(shù)據(jù)等。

3、影像/要素集的時間、空間和屬性過濾方法：介紹如何對影像/要素集進(jìn)行時間、空間和屬性過濾，包括如何選擇時間段、地理區(qū)域和屬性條件，以實(shí)現(xiàn)更精確的數(shù)據(jù)分析。

4、波段運(yùn)算、條件運(yùn)算、植被指數(shù)計算、裁剪和鑲嵌等：介紹如何在遙感云平臺上進(jìn)行波段運(yùn)算、條件運(yùn)算、植被指數(shù)計算、裁剪和鑲嵌等操作，以實(shí)現(xiàn)更深入的數(shù)據(jù)分析。

5、Landsat/Sentinel-2等常用光學(xué)影像去云：介紹如何在遙感云平臺上使用不同方法去除Landsat/Sentinel-2等常用光學(xué)影像中的云，以提高影像數(shù)據(jù)質(zhì)量。

6、影像與要素集的迭代循環(huán)：介紹如何使用遙感云平臺的迭代循環(huán)功能對影像和要素集進(jìn)行批量處理，以提高數(shù)據(jù)分析效率。

7、影像數(shù)據(jù)整合（Reducer）：介紹如何使用遙感云平臺的Reducer功能將多個影像數(shù)據(jù)整合成一個數(shù)據(jù)集，以方便后續(xù)數(shù)據(jù)分析。

8、鄰域分析與空間統(tǒng)計：介紹如何在遙感云平臺上進(jìn)行鄰域分析和空間統(tǒng)計，以獲取更深入的空間信息。

9、常見錯誤與代碼優(yōu)化：介紹遙感云平臺數(shù)據(jù)分析過程中常見的錯誤和如何進(jìn)行代碼優(yōu)化，以提高數(shù)據(jù)分析效率和精度。

10、Python遙感云數(shù)據(jù)分析專屬包構(gòu)建：介紹如何使用Python在遙感云平臺上構(gòu)建數(shù)據(jù)分析專屬包，以方便多次使用和分享分析代碼。

第四章 典型案例操作實(shí)踐

11、機(jī)器學(xué)習(xí)分類算法案例：本案例聯(lián)合Landsat等長時間序列影像和機(jī)器學(xué)習(xí)算法展示國家尺度的基本遙感分類過程。具體內(nèi)容包括研究區(qū)影像統(tǒng)計、空間分層隨機(jī)抽樣、樣本隨機(jī)切分、時間序列影像預(yù)處理和合成、機(jī)器學(xué)習(xí)算法應(yīng)用、分類后處理和精度評估等方面。

12、決策樹森林分類算法案例：本案例聯(lián)合L波段雷達(dá)和Landsat光學(xué)時間序列影像，使用決策樹分類算法提取指定地區(qū)2007-2020年度森林分布圖，并與JAXA年度森林產(chǎn)品進(jìn)行空間比較。案例涉及多源數(shù)據(jù)聯(lián)合使用、決策樹分類算法構(gòu)建、閾值動態(tài)優(yōu)化、分類結(jié)果空間分析等方面。

13、洪澇災(zāi)害監(jiān)測案例：本案例基于Sentinel-1 C波段雷達(dá)等影像，對省級尺度的特大暴雨災(zāi)害進(jìn)行監(jiān)測。案例內(nèi)容包括Sentinel-1 C影像處理、多種水體識別算法構(gòu)建、影像差異分析以及結(jié)果可視化等方面。。

14、干旱遙感監(jiān)測案例：本案例使用40年歷史的衛(wèi)星遙感降雨數(shù)據(jù)產(chǎn)品如CHIRPS來監(jiān)測省級尺度的特大干旱情況。案例內(nèi)容包括氣象數(shù)據(jù)基本處理、年和月尺度數(shù)據(jù)整合、長期平均值LPA/偏差計算，以及數(shù)據(jù)結(jié)果可視化等方面。

15、物候特征分析案例：本案例基于Landsat和MODIS等時間序列影像，通過植被指數(shù)變化分析典型地表植被多年的物候差異（樣點(diǎn)尺度）和大尺度（如中國）的物候空間變化特征。案例內(nèi)容包括時間序列影像合成、影像平滑（Smoothing）與間隙填充（Gap-filling）、結(jié)果可視化等方面。

16、森林植被健康狀態(tài)監(jiān)測案例：本案例利用20年的MODIS植被指數(shù)，對選定區(qū)域的森林進(jìn)行長期監(jiān)測，并分析森林植被的綠化或褐變情況。涉及影像的連接和合成、趨勢分析、空間統(tǒng)計以及可視化等方法。

17、生態(tài)環(huán)境質(zhì)量動態(tài)監(jiān)測案例：該案例使用RSEI遙感生態(tài)指數(shù)和Landsat系列影像，對選定城市的生態(tài)狀況進(jìn)行快速監(jiān)測。主要涉及的技術(shù)包括植被指數(shù)的計算、地表溫度的提取、數(shù)據(jù)的歸一化、主成分PCA分析、RSEI生態(tài)指數(shù)的構(gòu)建以及結(jié)果的可視化等。

第五章 輸入輸出及數(shù)據(jù)資產(chǎn)高效管理

1.本地數(shù)據(jù)與云端交互：介紹如何將本地端csv、kml、矢量和柵格數(shù)據(jù)與云端數(shù)據(jù)相互轉(zhuǎn)換，并講解數(shù)據(jù)導(dǎo)出的方法。

2.服務(wù)器端數(shù)據(jù)批量下載：包括直接本地下載、影像集批量下載，以及如何快速下載大尺度和長時間序列數(shù)據(jù)產(chǎn)品，例如全球森林產(chǎn)品和20年的MODIS數(shù)據(jù)產(chǎn)品等。。

3.本地端數(shù)據(jù)上傳與屬性設(shè)置：包括earthengine命令使用，介紹如何上傳少量本地端矢量與柵格數(shù)據(jù)并設(shè)置屬性（小文件），以及如何批量上傳數(shù)據(jù)并自動設(shè)置屬性，還將介紹如何使用快速上傳技巧上傳超大影像文件，例如國產(chǎn)高分影像。

4.個人數(shù)據(jù)資產(chǎn)管理：介紹如何使用Python和earthengine命令行來管理個人數(shù)據(jù)資產(chǎn)，包括創(chuàng)建、刪除、移動、重命名等操作，同時還會講解如何批量取消上傳/下載任務(wù)。

第六章 云端數(shù)據(jù)論文出版級可視化

1.Python可視化及主要軟件包簡介：介紹matplotlib和seaborn可視化程序包，講解基本圖形概念、圖形構(gòu)成以及快速繪制常用圖形等內(nèi)容。

2.研究區(qū)地形及樣地分布圖繪制：結(jié)合本地或云端矢量文件、云端地形數(shù)據(jù)等，繪制研究區(qū)示意圖。涉及繪圖流程、中文顯示、配色美化等內(nèi)容，還會介紹cpt-city精美調(diào)色板palette在線下載與本地端應(yīng)用等。

3.研究區(qū)域影像覆蓋統(tǒng)計和繪圖：對指定區(qū)域的Landsat和Sentinel等系列影像的覆蓋數(shù)量、無云影像覆蓋情況進(jìn)行統(tǒng)計，繪制區(qū)域影像統(tǒng)計圖或像元級無云影像覆蓋專題圖。

4.樣本光譜特征與物候特征等分析繪圖：快速繪制不同類型樣地的光譜和物候特征，動態(tài)下載并整合樣點(diǎn)過去30年縮略圖（thumbnails）和植被指數(shù)時間序列等。

5.分類結(jié)果專題圖繪制及時空動態(tài)延時攝影Timelapse制作：單幅或多幅分類專題圖繪制及配色美化，制作土地利用變化清晰的Timelapse，還會介紹動畫文字添加等內(nèi)容。

6.分類結(jié)果面積統(tǒng)計與繪圖：基于云端的分類結(jié)果和矢量邊界文件，統(tǒng)計不同區(qū)域不同地類面積，提取統(tǒng)計結(jié)果，以不同圖形展示統(tǒng)計面積；制作土地利用變化統(tǒng)計繪圖等。