Python高光谱遥感数据处理与高光谱遥感机器学习方法教程

详情点击链接:Python高光谱遥感数据处理与高光谱遥感机器学习方法教程

第一:高光谱基础

一:高光谱遥感基本

01)高光谱遥感

02)光的波长

03)光谱分辨率

04)高光谱遥感的历史和发展

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第1张图片

二:高光谱传感器与数据获取

01)高光谱遥感成像原理与传感器

02)卫星高光谱数据获取

03)机载(无人机)高光谱数据获取

04)地面光谱数据获取

05)构建光谱库

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第2张图片

三:高光谱数据预处理

01)图像的物理意义

02)数字量化图像(DN值)

03)辐射亮度数据

04)反射率

05)辐射定标

06)大气校正

资源02D高光谱卫星数据辐射定标与大气校正

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第3张图片

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第4张图片

高光谱分析

01)光谱特征分析

02)高光谱图像分类

03)高光谱地物识别

04)高光谱混合像元分解

(1)使用DISPEC 对光谱库数据进行光谱吸收特征分析

(2)使用ENVI的沙漏程序对资源02D高光谱卫星数据进行混合像元分解

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第5张图片

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第6张图片

高光谱应用

01)植被调查

02)水质监测

03)岩石、矿物

04)土壤

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第7张图片

第二:高光谱开发基础(Python)

Python编程

01)Python简介

02)变量和数据类型

03)控制结构

04)功能和模块

05)文件、包、环境

(1)python基础语法

(2)文件读写

(3)包的创建导入

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第8张图片

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第9张图片

Python空间数据处理

01)空间数据Python处理

02)矢量数据处理

03)栅格数据处理

(1)python矢量数据处理

(2)python栅格处理

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第10张图片

python 高光谱数据处理

01)数据读取

02)数据预处理

03)光谱特征提取

04)混合像元分解

(1)高光谱数据读取

(2)高光谱数据预处理

(3)光谱特征提取

(4)混合像元分解

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第11张图片

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第12张图片

第三:高光谱机器学习技术(python)

机器学习与python实践

01)机器学习与sciki learn 

02)数据和算法选择

03)通用学习流程

04)数据准备

05)模型性能评估

06)机器学习模型

机器学习sciki learn

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第13张图片

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第14张图片

深度学习与python实践

01)深度学习概述

02)深度学习框架

03)pytorch开发基础-张量

04)pytorch开发基础-神经网络

05)卷积神经网络

06)手写数据识别

07)图像识别

(1)深度学习pytorch基础

(2)手写数字识别与图像分类

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第15张图片

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第16张图片

高光谱深度学习机器学习实践

01)高光谱图像分类机器学习实践

02)卷积神经网络(CNN)在高光谱数据分析中的应用

03)循环神经网络(RNN)在高光谱数据分析中的应用

(1)高光谱深度学习

(2)使用自己数据测试02)深度学习框架

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第17张图片

第四:典型案例操作实践

矿物填图案例

01)岩矿光谱机理

02)基于光谱特征的分析方法

03)混合像元分解的分析方法

04)矿物识别机器学习分析方法

05)矿物分类图深度学习方法

(1)矿物高光谱混合像元分解

(2)矿物识别和分类标签数据制作

(3)矿物分类图深度学习方法

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第18张图片

农业应用案例

01)植被光谱机理

02)农作物病虫害分类

03)农作物分类深度学习实践

(1)农作物病虫害数据分类

(2)农作物分类深度学习

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第19张图片

三:土壤质量评估案例

01)土壤光谱机理

02)土壤质量调查

03)土壤含水量光谱评估方法

04)土壤有机质含量评估与制图

(1)基于9种机器学习模型的土壤水分含量回归

(2)土壤有机质含量回归与制图

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第20张图片

木材含水率评估案例

01)高光谱无损检测

02)木材无损检测

03)高光谱木材含水量评估

木材含水量评估和制图

Python高光谱遥感数据处理与高光谱遥感机器学习方法教程_第21张图片

你可能感兴趣的:(生态遥感,人工智能,python,机器学习,开发语言,高光谱,遥感,数据处理,生态学)