夜雨聆风🌟课程一：最新AI+Python驱动的高光谱遥感全链路解析与典型案例实践高级培训班
🌟课程二：AquaAI水系统遥感智能监测技术暨60个案例覆盖多源数据处理、水体动态监测、水质AI反演与预警系统开发
🌟课程三：面向高质量SCI论文标准：深度挖掘遥感时空大数据价值、GeoAI可解释性建模与机理归因及高质量论文产出全链路实践技术
🌟课程四：人工智能赋能的科研优化前沿技术高级研修班
【注：本课程聚焦前沿AI应用场景，具体技术细节与实操案例将结合实时环境动态展开，故本简介仅作框架性概述。完整知识体系与工作流将在实战教学中全面呈现。】
第一部分 高光谱遥感基础与数据获取
第1课 高光谱遥感概论
教学目标：建立对高光谱遥感的宏观认识，理解其核心概念与优势
1.高光谱遥感的定义与特点（“图谱合一”、高光谱分辨率）。
2.高光谱数据的主要获取平台：
卫星平台（如EO-1 Hyperion, GF-5, EnMAP, PRISMA等）
航空平台（机载/无人机，如AVIRIS, CASI/SASI等）
地面平台（如ASD地物光谱仪）
3.高光谱数据的核心概念：
DN值、辐射亮度、反射率
光谱分辨率、波段、波长
高光谱数据立方体的理解
4.高光谱遥感的发展历程与主要应用领域。
第2课 高光谱数据获取与预处理
教学目标：掌握高光谱数据的获取途径、常见格式及数据预处理流程
1.高光谱数据获取方式：
卫星高光谱数据下载与申请（以EnMAP、GF-5为例）
公开数据集介绍与下载
（Indian Pines,PaviaUniversity,
Houston等）
地面光谱测量流程与规范（以ASD为例）
2.高光谱数据预处理原理与流程：
辐射定标（DN值转辐射亮度）
大气校正（辐射亮度转反射率）：必要性（消除大气影响），方法概述：基于辐射传输模型的FLAASH、6S等
几何校正（空间定位）
第二部分 Python空间数据处理与高光谱数据读取
第3课 Python空间数据处理基础
教学目标：搭建Python空间数据处理环境，掌握矢量与栅格数据的基本操作
第4课 Python高光谱数据读取与可视化
教学目标：熟练使用Python读取多种格式的高光谱数据，并进行初步探索与可视化
1.多源高光谱数据读取：
使用GDAL读取GeoTIFF格式高光谱数据
使用Spectral库读取ENVI格式高光谱数据及光谱库数据（如USGS）
使用Scipy读取.mat格式高光谱公开数据集
2.数据探索与可视化：
查看数据形状、波段信息
使用Matplotlib/Seaborn进行单波段/多波段（RGB合成）显示
绘制典型地物（或感兴趣区域）的光谱曲线
使用view_cube进行高光谱数据立方体的交互式探索
第三部分 高光谱遥感核心分析方法
第5课 高光谱数据降维与特征提取
教学目标：理解高光谱数据“维数灾难”问题，掌握主流降维和特征提取方法
1.光谱特征分析：
包络线去除法（Continuum Removal）与光谱特征参数化（吸收位置、深度、宽度、对称性）
2.光谱特征选择：波段选择（如基于信息熵、相关性）
3.光谱特征提取：
主成分分析（PCA）原理与应用
最小噪声分离（MNF）原理与应用
第6课 高光谱图像分类
教学目标：掌握高光谱图像分类的基本流程和主流机器学习算法
1.分类基本概念：监督分类、无监督分类、分类精度评价（混淆矩阵、准确率、召回率、F1分数）
2.非监督分类算法：K-Means聚类算法
3.监督分类算法：
支持向量机（SVM）原理及参数调优（核函数、C值）
决策树与随机森林原理及实现
第7课 高光谱目标识别与混合像元分解
教学目标：理解高光谱在精细识别中的独特优势，掌握混合像元分解的流程与方法
1.目标识别：光谱角制图（SAM）原理与应用。
2.混合像元分解：
端元数目估计（HySime, HfcVd）
端元光谱提取：纯净像元指数（PPI）、顶点成分分析（N-FINDR）
丰度反演：无约束最小二乘（UCLS）、非负约束最小二乘（NNLS）
第四部分 高光谱机器学习与深度学习实践
第8课 Scikit-learn机器学习模型开发
教学目标：掌握使用Scikit-learn构建和评估机器学习模型的通用流程
1.机器学习通用流程：
数据准备（特征、标签、划分训练集/测试集）
模型选择与训练
模型评估与超参数调优（网格搜索GridSearchCV、交叉验证）
2.高光谱机器学习练习：
基于Indian Pines数据集的分类练习（SVM, RF）
模型性能对比与结果可视化
1.深度学习概述：与传统机器学习的对比，发展里程碑。
2.PyTorch入门：
张量（Tensor）操作与自动求导（Autograd）
构建神经网络（nn.Module）、定义损失函数和优化器
训练流程（前向传播、反向传播、参数更新）
3.卷积神经网络（CNN）：
一维卷积（1D CNN）用于光谱特征提取
二维卷积（2D CNN）用于空间特征提取
三维卷积（3D CNN）用于空谱联合特征提取
4.深度学习练习：基于MNIST/CIFAR-10的手写数字/图像识别。
第10课 高光谱深度学习实践
教学目标：掌握将深度学习模型应用于高光谱图像分类的完整流程
1.基于PyTorch的高光谱数据建模：
构建高光谱数据加载器（Dataset, DataLoader）
设计适用于高光谱的1D-CNN、2D-CNN、3D-CNN模型
处理样本不平衡问题（过采样SMOTE，类别权重）
2.模型训练与评估：
训练循环编写
模型保存与加载
生成分类图与结果分析
第五部分 行业典型案例实践应用
第11课 案例一：城市遥感
教学目标：应用高光谱技术解决城市环境监测与地物精细分类问题
1.城市地物光谱特征：人工材料（沥青、混凝土、金属屋顶）、植被、水体等典型地物光谱特征。
2.城市地物精细分类：利用SVM/随机森林等分类器对城市土地利用类型（如不同材质屋顶、道路、绿地）进行高精度分类。
3.不透水面提取与城市热岛效应分析：结合高光谱数据与热红外数据，评估不透水面分布与城市热岛的关系。
第12课 案例二：农林遥感
教学目标：利用高光谱技术进行农作物精细分类与林业资源监测
1.植被光谱机理：叶绿素、水分、纤维素等生化组分的吸收特征与光谱响应。
2.农作物精细分类：基于高光谱数据区分不同作物类型（如水稻、玉米、大豆）及不同品种，评估种植面积。
3.作物胁迫监测：利用光谱指数（如红边参数）识别作物病虫害、营养胁迫（如氮素亏缺），实现早期预警。
4.林业应用：森林树种识别、森林病虫害（如松材线虫）监测。
第13课 案例三：水环境遥感
教学目标：应用高光谱技术开展水质参数反演与水环境动态监测
1.水体光谱特征：不同水质（清水、富营养化、高悬浮物）的光谱响应机制。
2.水质参数定量反演：
建立叶绿素a浓度、悬浮物浓度、有色可溶性有机物（CDOM）的反演模型（如线性回归、机器学习回归）。
高光谱数据在蓝藻水华监测中的应用。
3.水域环境动态监测：结合多时相数据，分析水体富营养化程度的空间分布与时间变化。
第14课 案例四：土壤遥感
教学目标：应用高光谱技术实现土壤关键属性的定量反演与数字土壤制图
1.土壤光谱机理：有机质、铁氧化物、粘土矿物、水分的诊断性吸收特征。
2.土壤属性反演：
基于回归模型（SVR、RFR、PLSR）反演土壤有机质（SOM）、土壤含水量（SMC）、土壤盐分等关键参数。
光谱预处理与特征波段选择对模型精度的影响分析。
3.数字土壤制图：将反演模型应用于高光谱影像，生成土壤属性空间分布图。
第15课 案例五：地质找矿遥感
教学目标：综合应用高光谱分析技术解决矿物识别、蚀变信息提取与成矿预测问题
1.岩矿光谱机理：电子过程（晶体场、电荷转移）、振动过程（水、羟基、碳酸根）。
2.矿物识别与填图：
基于光谱特征分析（吸收位置、深度）识别蚀变矿物（如高岭石、伊利石、绿泥石、赤铁矿）。
利用混合像元分解（PPI, N-FINDR）提取矿物端元，进行矿物丰度填图。
3.成矿远景区预测：综合蚀变矿物组合与地质背景信息，圈定找矿靶区。
报名方式
详细报名流程，请联系课程负责人
课程二
课程采用“模块化案例驱动”的设计思路，共分为六大章节，涵盖从数据预处理到专题应用，再到综合项目实践的完整工作流。学员将学习60个紧密结合实际需求的遥感案例，包括Landsat、Sentinel、无人机、SAR等多源数据的处理技术，水体提取、水深反演、水温监测、水质参数AI反演等核心专题，并最终通过“太湖蓝藻水华预警系统”“城市黑臭水体识别评价”等综合项目与科研论文级实践，贯通技术方法，提升解决复杂问题的能力。内容设计注重实操与理论结合，既包括经典模型与指数方法，也深度融合机器学习、深度学习等AI技术，全面覆盖当前主流与前沿分析方法。
通过本课程的系统学习，学员将能够独立完成从遥感数据获取、处理到专题信息提取与深度分析的全流程工作。不仅掌握水体范围、水深、水温、水质等关键参数的遥感反演技能，还能针对蓝藻水华、黑臭水体、洪涝灾害等典型场景设计监测方案、构建预测模型，并具备一定的科研问题设计与论文撰写能力。课程致力于培养既懂遥感技术又懂水环境业务的复合型人才，助力学员在生态环境保护、水利水文管理、应急监测、科研咨询等领域提升核心竞争力，实现从技术工具使用到系统性解决方案输出的能力跨越。
培训时间：4月10日-11日、17日-18日
学习方式：直播课程+助学群长期辅助指导+永久回放特权
课程内容：上下滑动查看更多↓
第1章 遥感数据预处理实战（10案例）
案例1：Landsat 8/9、Sentinel-2/3数据的大气校正与水体掩膜生成
解决“如何从原始图像中消除大气干扰，精确分离水体”，通过大气校正与指数阈值分割，为后续分析提供干净的水体掩膜。
案例2：SAR（Sentinel-1）数据去噪与水体提取预处理
解决“如何在阴雨云雾天气下仍能稳定提取水体范围”，通过合成孔径雷达（SAR）数据特有的去噪与后向散射系数分析，实现全天候监测。
案例3：无人机影像拼接与辐射校正
解决“如何将数百张无人机照片拼接成一张精确的专题图”，通过运动恢复结构（SfM）算法与辐射一致性校正，生成高分辨率正射影像。
案例4：多源数据（光学+SAR）时空融合技术
解决“如何弥补光学影像因云遮挡造成的数据缺失”，通过时空融合技术，融合多时相、多源数据，生成高质量无缝数据集。
案例5：云污染区域的影像修复与重建
解决“如何修复被厚云覆盖区域的水体信息”，通过时序插值或深度学习图像修复模型，重建云下地物信息。
案例6：高光谱数据降维与特征波段选择
解决“如何从数百个高光谱波段中提取最有效信息”，通过主成分分析（PCA）与特征选择算法，实现数据降维与关键波段提取。
案例7：夜间灯光数据与水环境污染的关联预处理
解决“如何利用夜间灯光数据间接评估区域水污染压力”，通过空间关联分析与灯光强度校正，建立人类活动与水环境质量的关联模型。
案例8：气象数据（温度、降水）与遥感数据时空对齐
解决“如何让气象数据与遥感影像在时空上精确匹配”，通过重采样、空间插值与时间对齐技术，实现多源异构数据的融合分析。
案例9：海量遥感数据的批量自动化处理流水线设计
解决“如何高效自动化处理TB级的卫星影像”，通过设计基于工作流的批量处理脚本，在云平台实现一键式数据生产。
案例10：基于AI的异常数据检测与质量控制
解决“如何自动识别并剔除影像中的异常值或低质量数据”，通过无监督聚类与统计检验方法，实现数据的智能质量控制。
第2章 水线提取与动态监测（10案例）
案例11：基于阈值分割的湖泊边界提取
解决“如何快速、准确地从影像中圈出湖泊边界”，通过构建归一化差异水体指数（NDWI/MNDWI）并优化阈值，实现自动化提取。
案例12：深度学习提取复杂环境下的河流水体
解决“如何在阴影、山体、建筑等复杂背景下精确提取细小河流”，通过训练U-Net深度学习模型，实现像素级语义分割。
案例13：洪涝淹没范围快速提取与损失评估
解决“洪水来袭时，如何快速确定淹没范围以指导救灾”，通过灾前灾后影像对比与变化检测，实时生成淹没专题图。
案例14：海岸线变迁自动监测与侵蚀预警
解决“海岸线是蚀退还是淤进，变化速度如何”，通过多期影像水线位置序列分析，自动计算变迁速率与面积。
案例15：水库蓄水量变化遥感估算
解决“如何不依赖水文站数据估算大型水库的蓄水量变化”，通过水位-面积关系曲线与遥感提取的水面面积，反演库容动态。
案例16：冰川边界与雪线变化监测
解决“如何监测冰川退缩与雪线上升的长期趋势”，通过多光谱波段比值与雪冰指数，精准划分冰川边界与积雪范围。
案例17：湿地面积季节动态与退化评估
解决“湿地面积为何萎缩，季节性规律是什么”，通过长时间序列分析，量化湿地面积的年内与年际变化，识别退化热点。
案例18：城市内涝模拟与风险制图
解决“城市暴雨后，内涝点分布在哪儿，风险多大”，通过数字高程模型（DEM）与水文分析工具，模拟积水区域并评估风险等级。
案例19：SAR影像在洪水监测中的全天候应用
解决“如何穿透云雾，在恶劣天气下持续监测洪水演进”，利用SAR数据的穿透特性，动态追踪洪水淹没过程。
案例20：开源工具水体提取对比
解决“开源工具在水体提取上孰优孰劣”，通过平行实验对比不同平台的精度、效率与成本。
第3章 水深反演与水下地形（10例）
案例21：基于Stumpf模型的清澈浅海水深反演
解决“如何仅凭卫星颜色估算清澈浅海的水深”，基于Stumpf对数比值模型，利用蓝绿波段反射率与水深的相关性进行反演。
案例22：多光谱数据的河流水深估算
解决“如何利用免费的中分辨率数据估算河流水深”，通过建立Sentinel-2波段反射率与实测水深的机器学习回归模型。
案例23：机器学习融合多特征的水深建模
解决“如何融合多特征（颜色、纹理、位置）提升浅海测深精度”，采用XGBoost等算法，集成多源信息构建高精度水深模型。
案例24：无人机影像生成高精度水下DEM
解决“如何用消费级无人机绘制高精度的湖底地形图”，通过多视角影像生成高密度点云，并校正折射效应，生成水下DEM。
案例25：珊瑚礁、海草床水下地形监测
解决“如何监测珊瑚礁和海草床的分布与健康状况”，通过浅海水深及底质反射率信息，分类识别典型水生栖息地。
案例26：浑浊水体的水深反演挑战与对策
解决“河口浑浊水域，传统光学模型为何失效，如何改进”，分析悬浮泥沙的影响机理，引入浊度补偿因子优化反演算法。
案例27：LiDAR在岸线及浅水地形测绘中的应用
解决“如何快速获取大范围、高精度的近岸地形”，利用机载LiDAR的强穿透能力，高效获取岸线及浅水区地形数据。
案例28：水深变化对航道安全与生态影响评估
解决“水深变化对航道安全与红树林生态有何影响”，结合时序水深数据与生态调查，进行航道淤积评估与生态响应分析。
案例29：全球公开水深数据的融合验证
解决“如何验证并校正遥感反演水深的准确性”，将遥感反演结果与船测、全球公开水深数据集进行交叉验证与融合。
案例30：商业水深产品与遥感反演结果的整合
解决“如何将遥感反演水深集成到专业水力模型中”，将遥感生成的水下地形作为初始边界条件，输入至MIKE、Delft3D等模型。
第4章 水温监测与热污染分析（10例）
案例31：Landsat TIRS数据的水面温度反演
解决“如何从热红外波段数据中反演湖泊表面温度”，应用辐射传输方程和单窗算法，将传感器信号转换为精确的水表温度。
案例32：MODIS数据的湖泊温度长期序列分析
解决“如何分析一个大湖过去20年的温度变化趋势”，利用MODIS日/夜温度产品，构建长时间序列，进行趋势分析与突变点检测。
案例33：核电站温排水扩散范围与影响评估
解决“核电站温排水影响范围有多大，扩散路径如何”，通过热红外影像识别温度羽流，定量分析其面积、温度梯度与扩散方向。
案例34：城市热岛效应与水体降温作用分析
解决“城市水体如何缓解热岛效应，效果如何量化”，通过地表温度反演与空间统计，对比水体与周边建成区的温度差异。
案例35：水温分层现象遥感识别
解决“如何识别深水湖泊或水库的夏季温度分层现象”，通过表层温度空间异质性分析与垂直剖面模拟，推断温跃层存在。
案例36：冰川湖泊温度异常与溃决预警
解决“如何预警冰川湖泊因水温升高导致的溃决风险”，通过监测冰湖表面温度异常与周边冰川消融的关联，评估潜在风险。
案例37：水产养殖区温度适宜性评估
解决“如何为水产养殖选择温度适宜的区域”，利用历史水温数据，分析满足特定鱼类生长的积温和空间分布。
案例38：热污染事件应急监测流程设计
解决“发生工业热污染事件时，如何应急监测与评估”，设计快速响应流程，利用可获取的最新热红外数据划定污染范围。
案例39：夜间热红外数据的水温日变化研究
解决“水体温度在一天内如何变化，有何规律”，融合白天与夜间的热红外数据，分析水体温差的日变化特征。
案例40：水温数据与水质参数的关联建模
解决“水温如何影响水中溶解氧，能否预测缺氧事件”，基于温度与溶解氧的物理生化关系，建立统计或机理预测模型。
第5章 水质参数AI反演 （10例）
案例41：基于波段组合的叶绿素a浓度经验模型
解决“如何利用波段比值经验模型估算湖泊叶绿素浓度”，通过建立蓝绿波段或红光与近红外波段比值与实测叶绿素的相关方程。
案例42：高光谱数据反演CDOM与有色溶解有机物
解决“如何利用高光谱细微特征识别溶解性有机物”，基于CDOM在蓝紫光波段的强吸收特征，构建高光谱吸收反演模型。
案例43：机器学习融合多源数据的水质分类
解决“如何同时反演多种水质参数并分类水质等级”，采用随机森林等算法，融合光谱、纹理与时序特征，实现多参数同步输出与分类。
案例44：深度学习提取复杂水体中的藻华信息
解决“如何精准识别混合像元中的藻华像元及其种类”，利用卷积神经网络（CNN）提取深层光谱空间特征，实现亚像元级藻华信息提取。
案例45：浑浊度与悬浮物浓度的时空分布制图
解决“如何绘制河流悬浮物浓度的空间分布图”，通过建立红或近红外波段反射率与悬浮物浓度的回归模型，进行空间制图。
案例46：黑臭水体遥感识别与等级划分
解决“如何从太空识别和分级城市黑臭水体”，通过分析黑臭水体独特的光谱特征（弱反射、红移），建立遥感识别指数与分级标准。
案例47：营养状态指数遥感计算与富营养化评估
解决“如何用一个综合指数评价湖泊富营养化状态”，通过遥感反演的叶绿素、透明度等参数，计算营养状态指数（TSI）并进行分级。
案例48：无人机高光谱水质走航监测案例
解决“如何用无人机实现河道水质走航快速监测”，集成高光谱传感器与GPS，实现水质参数（如叶绿素、浊度）的连续面状测量。
案例49：水质参数不确定性分析与模型优化
解决“遥感反演的水质结果不确定度有多大，如何降低”，通过误差传播分析与集合建模方法，量化反演不确定性并优化模型。
案例50：实时水质监测预警平台数据接口开发
解决“如何将遥感水质数据接入现有业务平台实现预警”，开发标准化数据接口与可视化插件，实现遥感数据与业务系统的无缝对接。
第6章 项目综合与科研实践（10例）
项目主题：《太湖蓝藻水华监测预警系统》
案例51：太湖蓝藻水华监测方案设计
解决“如何为一个大型湖泊设计全面的遥感监测方案”，通过集成多源卫星（Landsat、Sentinel-2、MODIS）与无人机数据，设计从时空分辨率配置到数据处理流程的完整技术方案。
案例52：太湖蓝藻水华智能识别与动态监测
解决“如何精准识别和追踪蓝藻水华的时空分布变化”，基于深度学习模型（U-Net/CNN）和多时相影像融合技术，实现水华范围的自动提取和动态追踪。
案例53：太湖蓝藻水华预测模型构建与验证
解决“如何提前3-7天预测蓝藻水华暴发风险”，融合气象数据（风速、气温、降水）、水文数据和水质遥感数据，构建基于机器学习的时间序列预测模型。
案例54：太湖蓝藻水华预警平台系统开发
解决“如何将遥感监测和预测结果转化为业务部门可用的预警平台”，开发包含数据管理、模型运算、可视化展示和预警信息推送的WebGIS平台原型。
案例55：太湖蓝藻水华监测预警系统效能评估报告
解决“如何评估整个监测预警系统的应用效果和商业价值”，通过系统误差分析、用户反馈收集和成本效益评估，撰写面向政府和管理部门的综合效能评估报告。
论文主题：《城市黑臭水体遥感识别与评价方法研究》
案例56：城市黑臭水体光谱特征分析与识别机理研究
解决“黑臭水体在遥感影像上有何独特的光谱特征”，通过实地光谱测量和实验室分析，揭示黑臭水体的光学特性及其遥感识别机理。
案例57 数据来源、研究区、理论基础（Data & Theory）
解决“如何建立高精度的黑臭水体遥感识别模型”，基于多光谱和高光谱数据，构建黑臭水体指数（BSI）并验证其在不同城市和季节的适用性。
案例58 模型方法构建与算法流程（Method）
解决“如何从遥感角度评价黑臭水体的污染程度”，建立包含透明度、浊度和有机污染物浓度的多指标综合评价体系。
案例59 实验设计、结果展示与对比分析（Result）
解决“城市黑臭水体有何时空演变规律，影响因素是什么”，结合遥感监测结果和城市发展数据，分析黑臭水体的时空分布特征及主要驱动因素。
案例60讨论、局限性与结论（Discussion & Conclusion）
如何对实验结果进行深入讨论，分析研究中存在的局限性（如数据质量问题、模型泛化能力等），总结研究的主要贡献和发现，并提出未来研究的方向与改进建议。
课程三
培训时间：4月18日-19日、25日-26日
学习方式：直播课程+助学群长期辅助指导+永久回放特权
课程内容：
课程四
培训时间：4月18日-19日、25日-26日
学习方式：直播课程+助学群长期辅助指导+永久回放特权
课程内容：
报名方式
详细报名流程，请联系课程负责人
END
Ai尚研修丨专注科研领域
技术推广，人才招聘推荐，科研活动服务
科研技术云导师，Easy Scientific Research
