涵蓋高光譜遙感的基礎(chǔ)、方法和實踐?；A(chǔ)篇以學(xué)員為中心，用通俗易懂的語言解釋高光譜的基本概念和理論，旨在幫助學(xué)員深入理解科學(xué)原理。方法篇結(jié)合Python編程工具，專注于解決高頻技術(shù)難題，通過復(fù)現(xiàn)高光譜數(shù)據(jù)處理和分析過程，并解析代碼，提供高效反饋，使學(xué)員掌握實踐技巧。實踐篇通過礦物識別、農(nóng)業(yè)應(yīng)用、木材含水量提取、土壤有機(jī)碳評估等案例，提供可借鑒的高光譜應(yīng)用技術(shù)方案，結(jié)合Python科學(xué)計算、可視化、數(shù)據(jù)處理和機(jī)器學(xué)習(xí)庫，深入講解應(yīng)用開發(fā)。通過4個應(yīng)用場景和12個實踐案例，學(xué)員將能夠提升高光譜技術(shù)的應(yīng)用水平。此外，還提供機(jī)器學(xué)習(xí)的系統(tǒng)課程，幫助學(xué)員建立個性化的高光譜遙感機(jī)器學(xué)習(xí)知識體系和方法指南。

內(nèi)容詳情：

第一章高光譜基礎(chǔ)

第一課：高光譜遙感基本概念

01)高光譜遙感

02)光的波長

03)光譜分辨率

04)高光譜遙感的歷史和發(fā)展

第二課高光譜傳感器與數(shù)據(jù)獲取

01)高光譜遙感成像原理與傳感器

02)衛(wèi)星高光譜數(shù)據(jù)獲取

03)機(jī)載（無人機(jī)）高光譜數(shù)據(jù)獲取

04)地面光譜數(shù)據(jù)獲取

05)構(gòu)建光譜庫

第三課：高光譜數(shù)據(jù)預(yù)處理

01)圖像的物理意義

02)數(shù)字量化圖像（DN值）

03)輻射亮度數(shù)據(jù)

04)反射率

05)輻射定標(biāo)

06)大氣校正

練習(xí)1:

資源02D高光譜衛(wèi)星數(shù)據(jù)輻射定標(biāo)與大氣校正

第四課：高光譜分析

01)光譜特征分析

02)高光譜圖像分類

03)高光譜地物識別

04)高光譜混合像元分解

練習(xí)2

（1）使用DISPEC 對光譜庫數(shù)據(jù)進(jìn)行光譜吸收特征分析

（2）使用ENVI的沙漏程序?qū)Y源02D高光譜衛(wèi)星數(shù)據(jù)進(jìn)行混合像元分解

第五課：高光譜應(yīng)用

01)植被調(diào)查

02)水質(zhì)監(jiān)測

03)巖石、礦物

04)土壤

第二章高光譜開發(fā)基礎(chǔ)（Python）

第一課：Python編程介紹

01)Python簡介

02)變量和數(shù)據(jù)類型

03)控制結(jié)構(gòu)

04)功能和模塊

05)文件、包、環(huán)境

練習(xí)3

（1）python基礎(chǔ)語法練習(xí)

（2）文件讀寫練習(xí)

（3）包的創(chuàng)建導(dǎo)入練習(xí)

第二課：Python空間數(shù)據(jù)處理

01)空間數(shù)據(jù)Python處理介紹

02)矢量數(shù)據(jù)處理

03)柵格數(shù)據(jù)處理

練習(xí)4

（1）python矢量數(shù)據(jù)處理練習(xí)

（2）python柵格處理練習(xí)

第三課：python 高光譜數(shù)據(jù)處理

01)數(shù)據(jù)讀取

02)數(shù)據(jù)預(yù)處理

03)光譜特征提取

04)混合像元分解

練習(xí)5

（1）高光譜數(shù)據(jù)讀取

（2）高光譜數(shù)據(jù)預(yù)處理

（3）光譜特征提取

（4）混合像元分解

第三章高光譜機(jī)器學(xué)習(xí)技術(shù)（python）

第一課：機(jī)器學(xué)習(xí)概述與python實踐

01)機(jī)器學(xué)習(xí)與sciki learn 介紹

02)數(shù)據(jù)和算法選擇

03)通用學(xué)習(xí)流程

04)數(shù)據(jù)準(zhǔn)備

05)模型性能評估

06)機(jī)器學(xué)習(xí)模型

練習(xí)6

機(jī)器學(xué)習(xí)sciki learn練習(xí)

第二課：深度學(xué)習(xí)概述與python實踐

01)深度學(xué)習(xí)概述

02)深度學(xué)習(xí)框架

03)pytorch開發(fā)基礎(chǔ)-張量

04)pytorch開發(fā)基礎(chǔ)-神經(jīng)網(wǎng)絡(luò)

05)卷積神經(jīng)網(wǎng)絡(luò)

06)手寫數(shù)據(jù)識別

07)圖像識別

練習(xí)7

（1）深度學(xué)習(xí)pytorch基礎(chǔ)練習(xí)

（2）手寫數(shù)字識別與圖像分類練習(xí)

第三課：高光譜深度學(xué)習(xí)機(jī)器學(xué)習(xí)實踐

01)高光譜圖像分類機(jī)器學(xué)習(xí)實踐

02)卷積神經(jīng)網(wǎng)絡(luò)（CNN）在高光譜數(shù)據(jù)分析中的應(yīng)用

03)循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在高光譜數(shù)據(jù)分析中的應(yīng)用

練習(xí)8

（1）高光譜深度學(xué)習(xí)練習(xí)

（2）使用自己數(shù)據(jù)測試02)深度學(xué)習(xí)框架

第四章典型案例操作實踐

第一課：礦物填圖案例

01)巖礦光譜機(jī)理

02)基于光譜特征的分析方法

03)混合像元分解的分析方法

04)礦物識別機(jī)器學(xué)習(xí)分析方法

05)礦物分類圖深度學(xué)習(xí)方法

練習(xí)9

（1）礦物高光譜混合像元分解練習(xí)

（2）礦物識別和分類標(biāo)簽數(shù)據(jù)制作

（3）礦物分類圖深度學(xué)習(xí)方法

第二課：農(nóng)業(yè)應(yīng)用案例

01)植被光譜機(jī)理

02)農(nóng)作物病蟲害分類

03)農(nóng)作物分類深度學(xué)習(xí)實踐

練習(xí)10

（1）農(nóng)作物病蟲害數(shù)據(jù)分類

（2）農(nóng)作物分類深度學(xué)習(xí)練習(xí)

?

第三課：土壤質(zhì)量評估案例

01)土壤光譜機(jī)理

02)土壤質(zhì)量調(diào)查

03)土壤含水量光譜評估方法

04)土壤有機(jī)質(zhì)含量評估與制圖

練習(xí)11

（1）基于9種機(jī)器學(xué)習(xí)模型的土壤水分含量回歸

（2）土壤有機(jī)質(zhì)含量回歸與制圖

第四課：木材含水率評估案例

01)高光譜無損檢測

02)木材無損檢測

03)高光譜木材含水量評估

練習(xí)12

木材含水量評估和制圖

總結(jié)與答疑

課程回顧與總結(jié)

交流答疑

最新技術(shù)介紹和討論

關(guān)注公眾號-科研技術(shù)平臺查看原鏈接