海量遙感數(shù)據(jù)處理與GEE云計(jì)算技術(shù)實(shí)踐應(yīng)用

目前，GEE以其強(qiáng)大的功能受到了國(guó)外越來(lái)越多的科技工作者的重視和應(yīng)用，然而在國(guó)內(nèi)應(yīng)用還十分有限。應(yīng)廣大科學(xué)工作者的要求，本教程將結(jié)合具體范例，重點(diǎn)介紹利用GEE進(jìn)行數(shù)據(jù)處理的常用方法，并通過土地遙感信息提取進(jìn)行進(jìn)階訓(xùn)練，掌握實(shí)際操作能力。

一、初識(shí)GEE及 開發(fā)平臺(tái)
1.GEE平臺(tái)及典型應(yīng)用案例介紹
2.GEE JavaScript開發(fā)環(huán)境及常用數(shù)據(jù)資源介紹
3.JavaScript基礎(chǔ)，包括變量，運(yùn)算符，數(shù)組，判斷及循環(huán)語(yǔ)句等
4.GEE遙感云重要概念與典型數(shù)據(jù)分析流程
5.初識(shí)GEE JavaScript對(duì)象和平臺(tái)上手
?影像與影像集
?幾何體、要素與要素集
?日期、字符、數(shù)字
?數(shù)組、列表、字典
?影像/影像集、要素/要素集數(shù)據(jù)查詢、時(shí)空過濾、可視化、屬性查看等
?主要對(duì)象最常用API介紹
?程序調(diào)試與誤區(qū)提醒

二、影像大數(shù)據(jù)處理基礎(chǔ)
1.關(guān)鍵知識(shí)點(diǎn)講解
?影像數(shù)學(xué)運(yùn)算、關(guān)系/條件/布爾運(yùn)算、形態(tài)濾波、紋理特征提取等
?影像掩碼，裁剪和鑲嵌
?集合對(duì)象的循環(huán)迭代（map/iterate）
?集合對(duì)象聯(lián)合（Join）
?再談數(shù)組及數(shù)組影像
?影像面向?qū)ο蠓治?br>2.主要功能串講與演練
?Landsat/Sentinel-2影像批量去云
?Landsat/Sentinel-2傳感器歸一化、植被指數(shù)計(jì)算與Tasseled cap變換等
?時(shí)間序列光學(xué)影像的平滑與空間插值

三、數(shù)據(jù)整合Reduce
1.關(guān)鍵知識(shí)點(diǎn)講解
?影像與影像集整合，如指定時(shí)窗的年度影像合成
?影像區(qū)域統(tǒng)計(jì)與領(lǐng)域統(tǒng)計(jì)，分類后處理
?要素集屬性列統(tǒng)計(jì)
?柵格與矢量的相互轉(zhuǎn)換
?分組整合與區(qū)域統(tǒng)計(jì)
?影像集、影像和要素集的線性回歸分析
2.主要功能串講與演練
?研究區(qū)可用Landsat影像的數(shù)量和無(wú)云觀測(cè)數(shù)量的統(tǒng)計(jì)分析
?中國(guó)區(qū)域年度NDVI植被數(shù)合成及年度最綠的DOY時(shí)間查找
?國(guó)家尺度30年尺度的降雨量時(shí)空變化趨勢(shì)分析

四、云端數(shù)據(jù)可視化
1.關(guān)鍵知識(shí)點(diǎn)講解
?要素與要素集屬性制圖（條形圖、直方圖、堆積柱形圖、散點(diǎn)圖等）
?影像制圖（區(qū)域統(tǒng)計(jì)、分類圖、直方圖、散點(diǎn)圖、線型圖，餅圖等）
?影像集制圖（樣點(diǎn)時(shí)間序列圖、區(qū)域統(tǒng)計(jì)時(shí)間序列圖等）
?數(shù)組與鏈表制圖（散點(diǎn)圖、樣線圖等）
?圖形風(fēng)格和屬性設(shè)置
2.主要功能串講與演練
?基于MODIS時(shí)間序列影像的不同地表植被物候分析與制圖
?基于Hansen產(chǎn)品的年度森林時(shí)空變化分析與專題圖繪制

五、數(shù)據(jù)導(dǎo)入導(dǎo)出及資產(chǎn)管理
1.關(guān)鍵知識(shí)點(diǎn)講解
?不同矢量數(shù)據(jù)上傳個(gè)人資產(chǎn)
?影像數(shù)據(jù)上傳個(gè)人資產(chǎn)、屬性設(shè)置等
?影像批量導(dǎo)出（Asset和Driver）
?矢量數(shù)據(jù)導(dǎo)出（Asset和Driver）
?統(tǒng)計(jì)分析結(jié)果導(dǎo)出
2.主要功能串講與演練
?中國(guó)通量站點(diǎn)數(shù)據(jù)上傳與顯示，站點(diǎn)基本氣象和地形等數(shù)據(jù)導(dǎo)出
?年度影像合成批量導(dǎo)出或下載到個(gè)人Asset或Driver平臺(tái)

六、機(jī)器學(xué)習(xí)算法
1.關(guān)鍵知識(shí)點(diǎn)講解
?樣本抽樣（隨機(jī)抽樣、分層隨機(jī)抽樣）
?監(jiān)督分類算法（隨機(jī)森林、CART、貝葉斯、SVM、決策樹等）
?非監(jiān)督分類算法（wekaKMeans、wekaLVQ等）
?TensorFlor模型
?分類精度評(píng)估
2.主要功能串講與演練
?聯(lián)合光學(xué)與雷達(dá)時(shí)間序列影像的森林動(dòng)態(tài)監(jiān)測(cè)
?水體自動(dòng)提取與洪澇監(jiān)測(cè)研究

七、專題練習(xí)與回顧
1.以一個(gè)完整的土地利用分類案例來(lái)回顧GEE的主要功能。包含不同地面樣本準(zhǔn)備、多源遙感影像預(yù)處理、算法開發(fā)、分類后處理、精度評(píng)估和空間統(tǒng)計(jì)分析與制圖等環(huán)節(jié)
2.征集案例講解與答疑
3.GEE代碼優(yōu)化、常見錯(cuò)誤與調(diào)試總結(jié)

GPT模型支持下的Python-GEE遙感云大數(shù)據(jù)分析、管理與可視化技術(shù)及多領(lǐng)域案例實(shí)踐應(yīng)用

Earth Engine憑借其強(qiáng)大的功能正受到越來(lái)越多國(guó)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(yǔ)言為基礎(chǔ)，結(jié)合實(shí)例講解平臺(tái)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(jí)可視化等方面的進(jìn)階技能。為了提高教學(xué)質(zhì)量，本教程將融合最先進(jìn)的ChatGPT、文心一言等AI自然語(yǔ)言模型輔助教學(xué)，協(xié)助學(xué)員解答疑惑、提供針對(duì)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(gè)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(guó)內(nèi)外越來(lái)越多的科技工作者的重視，應(yīng)用也越來(lái)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(yǔ)言為基礎(chǔ)，結(jié)合案例從平臺(tái)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(jí)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(tái)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(duì)象等
3、JavaScript與Python遙感云編程比較與選擇
4、Python基礎(chǔ)（語(yǔ)法、數(shù)據(jù)類型與程序控制結(jié)構(gòu)、函數(shù)及類與對(duì)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(yǔ)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(hào)申請(qǐng)與主要功能演示，如遙感知識(shí)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(tái)影像數(shù)據(jù)分析處理流程介紹：介紹遙感云平臺(tái)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(duì)象顯示和屬性字段探索：介紹如何在遙感云平臺(tái)上顯示和探索要素和影像等對(duì)象的屬性字段，包括如何選擇要素和影像對(duì)象、查看屬性信息、篩選數(shù)據(jù)等。

3、影像/要素集的時(shí)間、空間和屬性過濾方法：介紹如何對(duì)影像/要素集進(jìn)行時(shí)間、空間和屬性過濾，包括如何選擇時(shí)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(jì)算、裁剪和鑲嵌等：介紹如何在遙感云平臺(tái)上進(jìn)行波段運(yùn)算、條件運(yùn)算、植被指數(shù)計(jì)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(tái)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(tái)的迭代循環(huán)功能對(duì)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(tái)的Reducer功能將多個(gè)影像數(shù)據(jù)整合成一個(gè)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(jì)：介紹如何在遙感云平臺(tái)上進(jìn)行鄰域分析和空間統(tǒng)計(jì)，以獲取更深入的空間信息。

9、常見錯(cuò)誤與代碼優(yōu)化：介紹遙感云平臺(tái)數(shù)據(jù)分析過程中常見的錯(cuò)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(tái)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(zhǎng)時(shí)間序列影像和機(jī)器學(xué)習(xí)算法展示國(guó)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(jì)、空間分層隨機(jī)抽樣、樣本隨機(jī)切分、時(shí)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(píng)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(shí)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(dòng)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(cè)案例：本案例基于Sentinel-1 C波段雷達(dá)等影像，對(duì)省級(jí)尺度的特大暴雨災(zāi)害進(jìn)行監(jiān)測(cè)。案例內(nèi)容包括Sentinel-1 C影像處理、多種水體識(shí)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(cè)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(lái)監(jiān)測(cè)省級(jí)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(zhǎng)期平均值LPA/偏差計(jì)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(shí)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(guó)）的物候空間變化特征。案例內(nèi)容包括時(shí)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(cè)案例：本案例利用20年的MODIS植被指數(shù)，對(duì)選定區(qū)域的森林進(jìn)行長(zhǎng)期監(jiān)測(cè)，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(shì)分析、空間統(tǒng)計(jì)以及可視化等方法。

17、生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)案例：該案例使用RSEI遙感生態(tài)指數(shù)和Landsat系列影像，對(duì)選定城市的生態(tài)狀況進(jìn)行快速監(jiān)測(cè)。主要涉及的技術(shù)包括植被指數(shù)的計(jì)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?cái)?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(zhǎng)時(shí)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(dòng)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(guó)產(chǎn)高分影像。

4.個(gè)人數(shù)據(jù)資產(chǎn)管理：介紹如何使用Python和earthengine命令行來(lái)管理個(gè)人數(shù)據(jù)資產(chǎn)，包括創(chuàng)建、刪除、移動(dòng)、重命名等操作，同時(shí)還會(huì)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(jí)可視化
1.Python可視化及主要軟件包簡(jiǎn)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(huì)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(jì)和繪圖：對(duì)指定區(qū)域的Landsat和Sentinel等系列影像的覆蓋數(shù)量、無(wú)云影像覆蓋情況進(jìn)行統(tǒng)計(jì)，繪制區(qū)域影像統(tǒng)計(jì)圖或像元級(jí)無(wú)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(dòng)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(shí)間序列等。

5.分類結(jié)果專題圖繪制及時(shí)空動(dòng)態(tài)延時(shí)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(huì)介紹動(dòng)畫文字添加等內(nèi)容。

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

?GEE遙感云大數(shù)據(jù)林業(yè)應(yīng)用典型案例實(shí)踐及GPT模型應(yīng)用

聚焦目前遙感應(yīng)用最熱門領(lǐng)域之一的林業(yè)，重點(diǎn)結(jié)合典型應(yīng)用案例綜合展示GEE云平臺(tái)的使用技巧和強(qiáng)大功能，提升參會(huì)人員解決實(shí)際問題的能力。以JavaScript版本GEE為主進(jìn)行講解，先介紹GEE基本知識(shí)，再結(jié)合微型案例對(duì)關(guān)鍵知識(shí)進(jìn)行串講，最后結(jié)合林業(yè)應(yīng)用典型案例進(jìn)行綜合講解。為了提高教學(xué)質(zhì)量，

將結(jié)合最先進(jìn)的ChatGPT、文心一言等AI自然語(yǔ)言模型輔助教學(xué)，協(xié)助學(xué)員解答疑惑、提供針對(duì)性建議和指導(dǎo)，不僅讓學(xué)員更深入地掌握學(xué)習(xí)內(nèi)容，還為今后自主學(xué)習(xí)提供高效的個(gè)性化的學(xué)習(xí)體驗(yàn)。

一、平臺(tái)及基礎(chǔ)開發(fā)平臺(tái)
?GEE平臺(tái)及典型應(yīng)用案例介紹
?GEE開發(fā)環(huán)境及常用數(shù)據(jù)資源介紹
?ChatGPT、文心一言等GPT模型介紹、帳號(hào)申請(qǐng)及林業(yè)遙感應(yīng)用
?JavaScript基礎(chǔ)簡(jiǎn)介
?GEE遙感云重要概念與典型數(shù)據(jù)分析流程
?GEE基本對(duì)象介紹、矢量和柵格對(duì)象可視化、屬性查看，API查詢、基本調(diào)試等平臺(tái)上手

二、GEE基礎(chǔ)知識(shí)與ChatGPT等AI模型交互
?影像基本運(yùn)算與操作：數(shù)學(xué)運(yùn)算、關(guān)系/條件/布爾運(yùn)算、形態(tài)濾波、紋理特征提取；影像掩碼、裁剪和鑲嵌等；
?要素基本運(yùn)算與操作：幾何緩沖區(qū)，交、并、差運(yùn)算等；
?集合對(duì)象操作：循環(huán)迭代（map/iterate）、合并Merge、聯(lián)合（Join）；
?數(shù)據(jù)整合Reduce：包括影像與影像集整合，影像合成、影像區(qū)域統(tǒng)計(jì)與域統(tǒng)計(jì)，分組整合與區(qū)鄰域統(tǒng)計(jì)，影像集線性回歸分析等；
?機(jī)器學(xué)習(xí)算法：包括監(jiān)督（隨機(jī)森林、CART、SVM、決策樹等）與非監(jiān)督（wekaKMeans、wekaLVQ等）分類算法，分類精度評(píng)估等；
?數(shù)據(jù)資產(chǎn)管理：包括本地端矢量和柵格數(shù)據(jù)上傳、云端矢量和柵格數(shù)據(jù)下載、統(tǒng)計(jì)結(jié)果數(shù)據(jù)導(dǎo)出等；
?繪圖可視化：包括條形圖、直方圖、散點(diǎn)圖、時(shí)間序列等圖形繪制。
?GPT模型交互：結(jié)合上述基本知識(shí)點(diǎn)和ChatGPT、文心一言等AI工具進(jìn)行交互演示，包括輔助答疑、代碼生成與修正等技巧。

三、重要知識(shí)點(diǎn)微型案例串講與GPT模型交互演示
1)Landsat、Sentinel-2影像批量自動(dòng)去云和陰影
2)聯(lián)合Landsat和Sentinel-2批量計(jì)算植被指數(shù)和年度合成
3)研究區(qū)可用影像數(shù)量和無(wú)云觀測(cè)數(shù)量統(tǒng)計(jì)分析
4)中國(guó)區(qū)域年度NDVI植被數(shù)合成及年度最綠DOY時(shí)間查找
5)時(shí)間序列光學(xué)影像數(shù)據(jù)的移動(dòng)窗口平滑
6)分層隨機(jī)抽樣及樣本導(dǎo)出、樣本本地評(píng)估與數(shù)據(jù)上傳云端
7)中國(guó)近40年降雨量變化趨勢(shì)分析
8)某區(qū)域年度森林損失統(tǒng)計(jì)分析（基于Hansen森林產(chǎn)品）

四、典型案例綜合演練
案例一：聯(lián)合多源遙感數(shù)據(jù)的森林識(shí)別
詳細(xì)介紹聯(lián)合Landsat時(shí)間序列光學(xué)影像和PALSAR-2雷達(dá)數(shù)據(jù)，以及決策樹算法實(shí)現(xiàn)森林等典型地類遙感分類的完整流程。專題涉及影像數(shù)據(jù)時(shí)空過濾、光學(xué)影像批量云掩膜與植被指數(shù)計(jì)算；分層隨機(jī)抽樣及樣本導(dǎo)出、本地端質(zhì)量控制與云端上傳、樣本隨機(jī)切分、可分離性分析、分類算法構(gòu)建及應(yīng)用、分類后處理和精度評(píng)估，專題圖繪制等。

案例二：長(zhǎng)時(shí)間尺度的森林
狀態(tài)監(jiān)測(cè) 利用長(zhǎng)時(shí)間序列的MODIS或Landsat影像數(shù)據(jù)，對(duì)森林狀態(tài)進(jìn)行長(zhǎng)期監(jiān)測(cè)，分析森林植被綠化或褐變情況。專題涉及時(shí)間序列影像預(yù)處理、影像集連接、影像合成、變化趨勢(shì)非參數(shù)檢測(cè)、顯著性檢驗(yàn)和變化趨勢(shì)量化與分級(jí)、空間統(tǒng)計(jì)和結(jié)果可視化和專題圖繪制等。

案例三：森林砍伐與退化監(jiān)測(cè)
聯(lián)合Landsat系列影像，光譜分離模型和NDFI歸一化差值分?jǐn)?shù)指數(shù)實(shí)現(xiàn)森林的砍伐和退化監(jiān)測(cè)。專題涉及影像預(yù)處理、混合像元分解、NDFI指數(shù)計(jì)算、函數(shù)封裝、變化檢測(cè)和強(qiáng)度分級(jí)，結(jié)果可視化、專題圖繪制等。

案例四：森林火災(zāi)監(jiān)測(cè)
詳細(xì)介紹利用Landsat和Sentinel-2時(shí)間序列光學(xué)遙感影像，監(jiān)測(cè)森林火災(zāi)損失情況，實(shí)現(xiàn)火災(zāi)強(qiáng)度分級(jí)。專題涉及影像過濾、Landsat和Sentinel-2光學(xué)影像除云等預(yù)處理、植被指數(shù)計(jì)算、影像合成、火災(zāi)區(qū)域識(shí)別和災(zāi)害強(qiáng)度分級(jí)，結(jié)果統(tǒng)計(jì)分析與可視化等。

案例五：長(zhǎng)時(shí)間尺度的森林?jǐn)_動(dòng)監(jiān)測(cè)
聯(lián)合30年的Landsat等光學(xué)影像和經(jīng)典LandTrendr算法實(shí)現(xiàn)森林?jǐn)_動(dòng)的監(jiān)測(cè)。專題涉及長(zhǎng)時(shí)間序列遙感影像預(yù)處理、植被指數(shù)批量計(jì)算、年度影像合成、數(shù)組影像概念和使用方法、LandTrendr算法原理及參數(shù)設(shè)置、森林?jǐn)_動(dòng)結(jié)果解譯與空間統(tǒng)計(jì)分析、可視化及專題圖繪制等。

案例六：森林關(guān)鍵生理參數(shù)
（樹高、生物量/碳儲(chǔ)量）反演 聯(lián)合GEDI激光雷達(dá)、Landsat/Sentinel-2多光譜光學(xué)影像、Sentinel-1 /PALSAR-2雷達(dá)影像等和機(jī)器學(xué)習(xí)算法反演森林的關(guān)鍵物理參數(shù)，如樹高、生物量/碳儲(chǔ)量。專題涉及GEDI激光雷達(dá)數(shù)據(jù)介紹、常見光學(xué)和雷達(dá)數(shù)據(jù)處理、機(jī)器學(xué)習(xí)算法應(yīng)用、反演精度評(píng)估和變量重要性分析、結(jié)果可視化等內(nèi)容。

遙感云大數(shù)據(jù)在災(zāi)害、水體與濕地領(lǐng)域典型案例及GPT模型應(yīng)用

本次學(xué)習(xí)將聚焦目前遙感應(yīng)用最熱門領(lǐng)域之一的災(zāi)害、水體及濕地領(lǐng)域，重點(diǎn)結(jié)合典型應(yīng)用案例綜合展示GEE云平臺(tái)的使用技巧和強(qiáng)大功能，提升參會(huì)人員解決實(shí)際問題的能力。本課程將以JavaScript版本GEE為主進(jìn)行講解，先介紹GEE基本知識(shí)，再結(jié)合微型案例對(duì)關(guān)鍵知識(shí)進(jìn)行串講，最后典型案例進(jìn)行綜合講解。為了提高教學(xué)質(zhì)量，本教程將結(jié)合最先進(jìn)的ChatGPT、文心一言等AI自然語(yǔ)言模型輔助教學(xué)，協(xié)助學(xué)員解答疑惑、提供針對(duì)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(gè)性化的學(xué)習(xí)體驗(yàn)。

第一部分·基礎(chǔ)實(shí)踐

一、平臺(tái)及基礎(chǔ)開發(fā)平臺(tái)

?GEE平臺(tái)及典型應(yīng)用案例介紹；
?GEE開發(fā)環(huán)境及常用數(shù)據(jù)資源介紹；
?ChatGPT、文心一言等GPT模型介紹
?JavaScript基礎(chǔ)簡(jiǎn)介；
?GEE遙感云重要概念與典型數(shù)據(jù)分析流程；
?GEE基本對(duì)象介紹、矢量和柵格對(duì)象可視化、屬性查看，API查詢、基本調(diào)試等平臺(tái)上手。

二、GEE基礎(chǔ)知識(shí)與ChatGPT等AI模型交互

?影像基本運(yùn)算與操作：數(shù)學(xué)運(yùn)算、關(guān)系/條件/布爾運(yùn)算、形態(tài)濾波、紋理特征提??；影像掩碼、裁剪和鑲嵌等；
?要素基本運(yùn)算與操作：幾何緩沖區(qū)，交、并、差運(yùn)算等；
?集合對(duì)象操作：循環(huán)迭代（map/iterate）、合并Merge、聯(lián)合（Join）；
?數(shù)據(jù)整合Reduce：包括影像與影像集整合，影像合成、影像區(qū)域統(tǒng)計(jì)與域統(tǒng)計(jì)，分組整合與區(qū)鄰域統(tǒng)計(jì)，影像集線性回歸分析等；
?機(jī)器學(xué)習(xí)算法：包括監(jiān)督（隨機(jī)森林、CART、SVM、決策樹等）與非監(jiān)督（wekaKMeans、wekaLVQ等）分類算法，分類精度評(píng)估等；
?數(shù)據(jù)資產(chǎn)管理：包括本地端矢量和柵格數(shù)據(jù)上傳、云端矢量和柵格數(shù)據(jù)下載、統(tǒng)計(jì)結(jié)果數(shù)據(jù)導(dǎo)出等；
?繪圖可視化：包括條形圖、直方圖、散點(diǎn)圖、時(shí)間序列等圖形繪制。
?GPT模型交互：結(jié)合上述基本知識(shí)點(diǎn)和ChatGPT等AI工具進(jìn)行交互演示，包括輔助答疑、代碼生成與修正等技巧。

第二部分·進(jìn)階小試

重要知識(shí)點(diǎn)微型案例串講與GPT模型交互演示

1)Landsat、Sentinel-2影像批量自動(dòng)去云和陰影
2)聯(lián)合Landsat和Sentinel-2批量計(jì)算植被指數(shù)和年度合成
3)研究區(qū)可用影像數(shù)量和無(wú)云觀測(cè)數(shù)量統(tǒng)計(jì)分析
4)中國(guó)區(qū)域年度NDVI植被數(shù)合成及年度最綠DOY時(shí)間查找
5)時(shí)間序列光學(xué)影像數(shù)據(jù)的移動(dòng)窗口平滑
6)分層隨機(jī)抽樣及樣本導(dǎo)出、樣本本地評(píng)估與數(shù)據(jù)上傳云端
7)中國(guó)近40年降雨量變化趨勢(shì)分析

第三部分·典型案例綜合演練

案例一：洪澇災(zāi)害監(jiān)測(cè)
基于Sentinel-1 雷達(dá)等影像，以典型洪澇災(zāi)害為例監(jiān)測(cè)受災(zāi)區(qū)域。案例內(nèi)容包括多源影像數(shù)據(jù)處理和不同水體識(shí)別算法構(gòu)建，如OSTU全局自動(dòng)分割與局部自適應(yīng)閾值法，以及采用不同方式確定受災(zāi)區(qū)域，受災(zāi)面積統(tǒng)計(jì)與可視化輸出等。

案例二：洪水敏感性和風(fēng)險(xiǎn)模擬
結(jié)合ESA10m分辨率土地覆蓋產(chǎn)品、地形（海拔與坡度）、MERIT全球水文數(shù)據(jù)、JRC地表水?dāng)?shù)據(jù)產(chǎn)品等空間數(shù)據(jù)集，借助云平臺(tái)計(jì)算不同地類與開闊水域的距離，最近排水系統(tǒng)上方的高度 (HAND) 和降雨頻率（降雨強(qiáng)度和持續(xù)時(shí)間的代表）作為模擬洪災(zāi)敏感性的輸入?yún)?shù)，再應(yīng)用加權(quán)線性組合WLC方法繪制洪災(zāi)敏感性分布圖。內(nèi)容涉及不同數(shù)據(jù)產(chǎn)品再分類分級(jí)、歐幾里得距離計(jì)算、影像集map循環(huán)和分析建模等。

案例三：水體質(zhì)量監(jiān)測(cè)
聯(lián)合近十年的Landsat 8/9、JRC地表水產(chǎn)品，使用如NDSSI歸一化差異懸浮泥沙指數(shù)、NDTI歸一化差分濁度指數(shù)等來(lái)監(jiān)測(cè)水集水區(qū)水質(zhì)變化情況，統(tǒng)計(jì)集水區(qū)域逐月水質(zhì)變化情況。內(nèi)容涉及時(shí)間序列影像預(yù)處理、植被指數(shù)計(jì)算、逐月逐年影像合成、影像集Reducer操作、空值過濾與作圖等。

案例四：河道輪廓監(jiān)測(cè)
展示Earth Engine在河流水文學(xué)和地貌學(xué)中的應(yīng)用。具體演示如何使用云平臺(tái)區(qū)分河流和其它水體，進(jìn)行基本的形態(tài)分析，提取河流的中心線和寬度，檢測(cè)河流形態(tài)隨時(shí)間的變化。內(nèi)容涉及開源程序包調(diào)用、RivWidthCloud關(guān)鍵代碼解讀、時(shí)間序列影像處理、水體遙感識(shí)別和數(shù)據(jù)導(dǎo)出。

案例五：地下水變化監(jiān)測(cè)
詳細(xì)介紹了利用GRACE重力衛(wèi)星的觀測(cè)數(shù)據(jù)來(lái)評(píng)估大型河流流域地下水儲(chǔ)量的變化，包括應(yīng)用遙感估計(jì)的總蓄水異常、陸地表面模型輸出GLDAS和現(xiàn)場(chǎng)觀測(cè)結(jié)果來(lái)解決地下水蓄不變化。內(nèi)容涉及使用GRACE繪制總蓄水量變化、蓄水趨勢(shì)和解決河流流域地下水儲(chǔ)量的變化等，練習(xí)知識(shí)點(diǎn)包括影像集過濾、集合Join、map循環(huán)、趨勢(shì)分析、可視化等。

案例六：紅樹林遙感制圖

聯(lián)合Sentinel-1/2多源遙感影像和機(jī)器學(xué)習(xí)算法繪制紅樹林分布圖。專題涉及光學(xué)和雷達(dá)數(shù)據(jù)處理、機(jī)器學(xué)習(xí)算法應(yīng)用、反演精度評(píng)估、變量重要性分析、結(jié)果可視化、柵格與矢量轉(zhuǎn)換等內(nèi)容，將演示如何利用紅樹林的生境特征信息（如地形、與大海相連等）對(duì)分類結(jié)果進(jìn)行精細(xì)處理，實(shí)現(xiàn)高精度分布圖的繪制。

GPT模型支持下的Python-GEE遙感云大數(shù)據(jù)分析、管理與可視化技術(shù)及多領(lǐng)域案例應(yīng)用