模块一:遥感云计算基础与开发环境1.1.遥感云计算概述1.1.1 Earth Engine平台与生态系统1)GEE平台架构与技术特点2)Google Earth AI平台介绍与AlphaEarth Foundations模型原理3)与其他云计算平台Microsoft Planetary Computer、PIE-Engine等比较4)典型应用场景与成功案例简介5)GEE数据目录与存储架构1.1.2 GEE数据资源1)公共数据集分类与索引方法2)主要卫星数据Landsat系列、Sentinel系列、MODIS产品系列3)气象与环境数据CHIRPS、WorldClim、ERA5等4)Satellite Embedding V1数据集全球年度64维嵌入向量2017-20245)气象与环境数据CHIRPS、WorldClim、ERA5等6)专题数据集土地覆盖、植被指数产品、DEM等7)数据更新周期与时效性分析1.1.3 Earth Engine重要概念1)客户端与服务器端计算模型2)延迟计算Lazy computation原理3)代码编辑器与计算任务管理4)影像属性与元数据解析1.1.4 核心数据类型与对象1)基本数据类型ee.Number、ee.String、ee.Date等2)容器类型ee.List、ee.Dictionary、ee.Array等3)地理数据类型ee.Geometry、ee.Feature、ee.FeatureCollection4)栅格数据类型ee.Image、ee.ImageCollection5)Reducer对象与原理1.1.5 JavaScript与Python编程对比1)语法差异与命名规则2)功能等效性与性能考量3)API调用格式比较4)选择Python的优势场景与限制1.1.6 Python基础速成1)语法规则与编程风格2)数据类型与程序控制结构3)函数定义与类对象4)编程实践与调试技巧1.1.7 常用Python软件包1)数据处理pandas、numpy、xarray2)文件操作os、glob、gdal3)统计分析scipy、scikit-learn4)常用功能示例与最佳实践1.1.8 Satellite Embedding数据集详解1)AlphaEarth Foundations模型架构多源数据融合光学、雷达、LiDAR、气候2)64维嵌入向量的数学原理与特性3)单位长度向量与余弦相似度计算4)时空一致性与跨年份可比性5)数据压缩效率16倍存储优化6)ImageCollection访问方式1.2.开发环境搭建1.2.1 本地端开发环境1)Anaconda安装与环境配置2)虚拟环境创建与管理3)Python包管理工具pip与conda4)earthengine-api安装与初始化5)VSCode配置GEE开发环境1.2.2 geemap安装与配置1)geemap功能介绍与架构2)安装与依赖管理3)界面元素与交互控件4)常见问题排查与解决方案1.2.3 GEE云端授权与验证1)注册Earth Engine账号2)授权流程与令牌管理3)私钥配置与多设备授权4)权限管理与资源访问控制1.2.4 Google Colab集成1)Colab环境基础与优势2)GEE API配置与授权3)交互式环境配置技巧4)数据存取与持久化方案1.2.5 AI辅助开发1)AI模型辅助编程原理2)代码生成与补全技术3)错误检测与调试辅助4)最佳实践与应用场景模块二、遥感云数据处理与分析2.1. 影像基础处理2.1.1 波段操作与影像运算1)波段选择与重命名2)波段添加与组合addBands3)多波段运算加、减、乘、除4)自定义波段运算表达式5)常用指数计算原理与实现2.1.2 阈值提取与掩膜1)阈值选择原理与方法2)updateMask与mask函数区别3)条件语句与表达式应用4)多条件组合掩膜策略5)掩膜应用案例分析2.1.3 影像过滤与裁剪1)时间过滤器设计与应用2)空间过滤方法与技巧3)属性过滤器组合策略4)影像裁剪效率优化5)Filter.and/or复合过滤构建2.1.4 植被指数计算1)NDVI、EVI等常用植被指数原理2)指数计算函数封装与重用3)多指数组合分析方法4)时序植被指数提取与分析5)指数数值范围校正与标准化2.1.5 影像云检测与去除1)Landsat系列QA波段解析2)Sentinel-2云检测算法3)多时相合成去云技术4)云阴影识别与移除5)去云效果评估方法2.1.6 影像数据整合1)Reducer家族功能介绍2)空间整合reduceRegion/reduceRegions3)时间整合reduceNeighborhood4)集合整合collection.reduce5)自定义Reducer设计与应用2.1.7 卫星嵌入向量处理技术1)加载和筛选Satellite Embedding数据2)64个波段的整体使用策略3)嵌入向量的可视化方法PCA降维到RGB4)点积相似度计算与应用5)嵌入向量的时间序列分析6)与传统光谱指数的对比优势2. 2高级数据处理2.2.1 像素级变换1)主成分分析PCA原理与实现2)谐波分析Harmonic技术应用3)谱间变换与特征增强4)非线性变换与指数增强5)自定义变换函数设计2.2.2 邻域分析与空间统计1)卷积与核函数设计2)纹理特征提取GLCM3)空间滤波高斯、中值等4)边缘检测与增强5)地形分析与指数计算2.2.3 编程范式应用1)Filter过滤器设计与优化2)Map函数高效应用策略3)Reduce多维数据聚合4)复合操作链构建技巧5)常见性能瓶颈与解决方案2.2.4 时间序列处理1)时间序列数据结构设计2)周期性模式识别与分析3)趋势提取与变化检测4)时序平滑与噪声去除5)异常值检测与处理2.2.5 栅格与矢量数据交互1)栅格转矢量技术vectorization2)矢量转栅格方法rasterization3)混合数据集成分析策略4)栅格统计与矢量属性关联5)精度控制与空间优化2.2.6 基于卫星嵌入数据的高级分析1)无监督聚类k-means在64维空间的应用2)少样本学习少量样本达到90%精度3)相似性搜索实现跨区域生态系统相似性快速匹配4)变化向量分析年际变化检测5)嵌入空间的语义理解与解释2.3. 数据交互与资产管理2.3.1 本地与云端数据交互1)本地文件读写技术2)CSV、GeoJSON等格式转换3)矢量数据交互方法4)栅格数据云端传输技术5)大文件分块处理策略2.3.2 区域统计与分区统计1)zonal statistics实现原理2)多边形内统计计算优化3)分区统计结果输出格式4)统计精度控制技术5)分层统计与标准化方法2.3.3 本地端数据上传1)小型文件上传技术2)大型文件分块上传策略3)上传任务监控与恢复4)元数据与属性设置5)批量上传自动化工具2.3.4 个人资产管理1)资产权限与访问控制2)目录结构设计与管理3)资产元数据维护策略4)版本控制与备份方案5)资源优化与配额管理模模块三精选应用案例实践3.1 机器学习分类算法案例1)多源影像预处理与特征构建2)空间分层随机抽样技术3)样本随机切分与特征筛选4)机器学习算法选择与应用5)分类后处理与精度评估实践案例本案例联合Landsat等长时间序列影像和机器学习算法展示国家尺度的基本遥感分类过程。学员将学习如何进行研究区影像统计分析应用空间分层随机抽样获取训练样本实现样本随机切分以确保模型泛化能力。案例将详细讲解时间序列影像的预处理和合成方法机器学习算法的参数优化与应用技巧以及分类后处理技术。案例同时对比传统特征工程方法与直接使用Satellite Embedding数据集的效果展示后者在分类应用方面的巨大潜力。学员还将掌握基于混淆矩阵的精度评估方法学习如何计算总体精度、用户精度、生产者精度等指标以及如何解释评估结果并改进分类模型。3.2.作物分类与面积估算1)时间序列特征提取与调和回归分析2)多波段植被指数构建与应用3)随机森林分类器训练与优化4)类别精度评估与误差分析5)分类结果空间统计与可视化实践案例本案例将详细讲解如何利用Landsat时间序列影像通过调和回归方法提取农作物特征并进行分类。学员将学习如何处理Landsat影像进行云掩膜处理和植被指数计算应用二阶调和回归提取NIR、SWIR1、SWIR2和GCVI等波段的时间序列特征系数。案例将重点展示如何构建和训练随机森林分类器如何采集训练样本并合理分割训练集和测试集如何评估分类精度并分析错误来源。此外还将展示如何结合Satellite Embeding年度数据在云覆盖严重地区仍能保持稳定的作物分类性能。学员还将掌握基于分类结果进行面积统计和估算的方法学习玉米和大豆的生长特征差异以及如何通过调整分类参数提高分类准确率。3.3.决策树森林分类算法案例1)L波段雷达与光学影像融合技术2)决策树分类算法构建方法3)分类阈值动态优化策略4)多年森林分布变化监测5)分类结果空间对比分析实践案例本案例联合L波段雷达和Landsat光学时间序列影像使用决策树分类算法提取指定地区多年度森林分布图。学员将学习如何处理PALSAR/PALSAR-2雷达数据和Landsat影像理解不同传感器对森林要素的响应特征以及如何基于这些特征构建有效的决策树算法。案例重点介绍分类阈值的动态优化方法使分类结果能够适应不同年份和不同地区的条件变化。学员还将掌握多年森林分布图的时空分析方法学习如何与已有产品进行空间比较和精度评估以及如何解释森林变化的驱动因素。4.4.森林退化与砍伐监测案例1)森林覆盖变化检测技术2)选择性砍伐识别方法3)NDFI指数应用与改进4)连续监测系统设计5)预警机制构建实践案例本案例整合光学卫星影像和L波段雷达数据应用归一化差分分数指数(NDFI)和光谱混合分析(SMA)技术实现热带雨林区域森林退化与砍伐活动的实时监测。学员将学习如何利用时间序列分析区分选择性砍伐和完全砍伐掌握端元丰度变化和连续退化检测(CODED)算法的应用方法。案例将详细讲解森林干扰检测参数优化、变化阈值设定以及结果验证技术。案例还引入Satellite Embedding向量的年际点积计算通过设置不同相似度阈值实现分级监测。学员还将学习如何建立基于云计算的森林监测预警系统设计有效的结果展示方式以及如何将监测结果应用于森林管理和保护决策支持。3.5.物候特征分析案例1)长时间序列植被指数处理2)时间序列平滑与间隙填充3)植被物候关键期提取方法4)多年物候变化趋势分析5)大尺度物候空间变化特征实践案例本案例基于Landsat和MODIS等时间序列影像通过植被指数变化分析研究植被物候特征。学员将学习如何处理和合成多年的植被指数数据掌握时间序列平滑(Smoothing)与间隙填充(Gap-filling)技术以消除云、大气等因素的干扰。案例将重点介绍如何从时间序列曲线中提取返青期、生长期、成熟期等关键物候参数分析样点尺度的物候年际变异特征。学员还将掌握大尺度物候空间变化分析方法学习如何制作物候空间分布图和变化趋势图以及如何解释物候变化与气候变化的关系。3.6.生态环境质量动态监测案例1)RSEI遥感生态指数构建2)多指标归一化处理方法3)主成分分析应用技术4)生态环境质量等级划分5)时空变化特征分析方法实践案例该案例使用RSEI遥感生态指数和Landsat系列影像对选定区域的生态状况进行快速监测。学员将学习RSEI指数的原理和构建方法掌握植被指数计算、地表温度提取、湿度指数和干度指数计算等技术。案例重点介绍数据归一化处理方法以及如何应用主成分分析(PCA)整合绿度、湿度、热度和干度四项指标构建综合的RSEI生态指数。学员还将掌握生态环境质量等级划分方法学习如何制作生态环境质量分布图和变化图分析生态环境质量的时空变化特征及其与人类活动的关系为区域可持续发展提供科学依据。7.洪涝灾害监测案例1)SAR影像预处理与校正方法2)水体识别算法比较与优化3)多时相影像差异分析技术4)非灾害区域掩膜模5)灾情评估与可视化方法实践案例本案例基于Sentinel-1 C波段雷达影像对特大暴雨灾害进行监测与评估。学员将学习Sentinel-1 SAR数据的获取与预处理流程掌握多种水体识别算法的原理与实现包括阈值法、比值法和时间差异法等。案例将重点讲解如何通过灾前灾后影像对比分析识别洪涝区域如何利用JRC永久/季节性水体和高程数据排除非灾害区域。学员还将掌握灾情空间统计分析方法学习如何生成受灾面积统计报告并进行空间可视化为应急管理部门提供科学决策支持。3.8 干旱遥感监测案例1)CHIRPS卫星降雨数据处理2)多时间尺度降雨指数计算3)长期平均值与偏差分析4)干旱等级划分与评估5)结果动态可视化技术实践案例本案例使用40年历史的CHIRPS卫星遥感降雨数据产品来监测区域尺度的干旱情况。学员将学习CHIRPS数据的特点和获取方法掌握气象数据基本处理技术以及年和月尺度数据整合方法。案例重点讲解长期平均值(LPA)计算和降雨偏差分析技术教授如何基于降雨量与长期平均值的百分比偏差确定干旱强度等级。学员还将掌握干旱结果的动态可视化方法学习如何生成干旱监测报告和专题图为水资源管理和农业生产提供决策支持。3.9 保护区人类活动监测1)人类活动压力指标设计2)多源时序数据整合分析3)植被变化趋势评估方法4)气候-人类活动交互作用分析5)缓冲区分级评价体系构建实践案例本案例通过遥感方法分析保护区周边区域近20年的植被变化趋势评估人类活动对保护区的影响。学员将学习如何利用MODIS植被指数产品和Sen斜率线性趋势估计方法分析保护区缓冲区植被绿化趋势的时空变化。案例重点介绍如何计算干季像元绿度的单调趋势指标如何基于趋势指标推断农业实践变化的性质和强度以及如何探索植被绿度变化与生态系统类型由年平均降水量决定之间的关系。学员还将掌握如何设计保护区人类活动压力指标体系构建多源遥感数据的整合分析框架以及如何评估不同降水区域保护区的人类活动强度变化。通过本案例学员将了解如何利用长时间序列植被指数数据监测保护区周边土地利用变化为野生动物保护和人兽冲突管理提供科学依据。3.10 牧场土地覆盖变化监测1)时间序列数据预处理与残差分析2)植被指数长序列变化趋势提取3)基于轨迹的土地覆盖分类方法4)变化点检测与空间模式分析5)监测结果精度评估与可视化实践案例本案例将详细讲解如何利用LandTrendr算法对干旱和半干旱牧场生态系统进行土地覆盖变化监测。学员将学习如何处理Landsat长时间序列影像进行云掩膜处理、大气校正和植被指数计算。案例重点展示如何通过降水和植被指数的回归分析提取残差值消除气候变化的短期影响。学员将掌握如何应用时间序列分割算法识别植被变化的关键转折点并基于变化轨迹的相似性进行土地覆盖分类。案例还将介绍如何评估传统土地覆盖数据产品如MODIS MCD12Q1、ESA WorldCover在牧场生态系统中的适用性及局限性以及如何通过聚类方法创建基于轨迹的新型分类系统。学员将学习如何解读不同类型轨迹所代表的生态学意义以及如何通过空间统计分析评估变化的时空模式。模块四科研级数据可视化4.1.Python科学可视化基础4.1.1 主要可视化库介绍1)Matplotlib核心功能与架构2)Seaborn统计可视化特点3)Plotly交互式可视化能力4)库选择策略与整合方法5)可视化工作流设计4.1.2 基本图形概念与结构1)图形对象层次结构2)坐标系统与投影变换3)元素组合与布局控制4)Figure与Axes操作方法5)图层管理与叠加技术4.1.3 常用图表创建1)散点图与线图2)柱状图与饼图3)热力图与等值线图4)箱线图与小提琴图5)多图组合与共享轴4.1.4 配色与美学1)科学配色原则与标准2)色彩理论与视觉感知3)自定义色板创建4)ColorBrewer色板应用5)视觉层次与突出重点4.1.5 高级栅格可视化1)多波段组合显示2)栅格直方图匹配与拉伸3)透明度与阴影效果4)3D地形渲染技术5)动态栅格可视化4.2.专题图制作与时空可视化4.2.1 研究区地形图绘制1)底图选择与处理2)高程数据渲染技术3)等高线生成与标注4)坡度坡向可视化5)地图要素布局与组织4.2.2 影像覆盖统计与可视化1)空间覆盖密度图2)时间序列覆盖统计3)多维统计结果展示4)交互式查询界面设计5)数据质量空间分布表达4.2.3 分类结果专题图1)分类图例设计原则2)空间分布特征突出3)面积统计图表整合4)比例符号与定量表达5)多时期对比表达技术4.2.4 时空动态可视化1)时间序列动画制作2)关键帧选取策略3)变化突出与标注技术4)GIF与视频输出5)交互式时间轴设计4.2.5 出版级图件优化1)图表元素精细调整2)文字标注规范与排版3)图例设计与布局优化4)出版物尺寸与分辨率5)图形格式选择与导出