遙感技術主要通過衛星和飛機從遠處觀察和測量我們的環境，是理解和監測地球物理、化學和生物系統的基石。ChatGPT是由OpenAI開發的最先進的語言模型，在理解和生成人類語言方面表現出了非凡的能力。本課程重點介紹ChatGPT在遙感中的應用，人工智能在解釋復雜數據、提供見解和幫助決策過程方面的多功能性和強大性，這些都對遙感應用領域，比如環境監測、災害管理、城市規劃等至關重要。ChatGPT先進人工智能模型的開發，開辟了該領域的新領域。
| 前言 | |
| 第一章 遙感科學與AI基礎 | 第一課：遙感科學的基本原理和歷史 從攝影偵察到衛星圖像 遙感的基本原理 遙感的典型應用 最新進展和未來趨勢
|
| 第二課：ChatGPT 簡介 什么是ChatGPT？ 發展簡史和工作原理 ChatGPT可以做什么？ ChatGPT演示使用 ChatGPT的未來
| |
| 第三課：prompt 提示詞 什么是prompt，有什么用？ Prompt技巧（大幾歲） 最好的原則和策略 優質的學術提問prompt
| |
| 第四課：ChatGPT遙感提示詞示例 提示詞1：了解遙感科學的基礎知識和前沿領域 提示詞2：編寫一段可以運行的深度學習代碼 提示詞3：編寫可以讀取遙感數據的python代碼 提示詞4：集成chatpgt和GEE的全球衛星影像顯示
| |
| 第五課：ChatGPT遙感應用介紹 目標層面（文獻綜述協助、創意生成、研發方案和任務規劃起草） 執行層面（數據處理分析、工作流程優化、報告文章編寫、可視化） 認知層面（數據挖掘、新算法、傳感器改進建議、人工智能與遙感集成新方法）
| |
| 第六課：ChatGPT、GEE等注冊、python、envi等軟件安裝 ChatGPT 注冊方法，升級方法，版本比較 GEE 注冊python、envi等軟件安裝ChatGPT、GEE學習資源分享
| |
| 練習與答疑 | 課程內容討論、軟件安裝、注冊等 |
| 第二章 遙感影像數據處理分析軟件與chatgpt集成 | 第一課：遙感影像處理（ENVI+chatgpt） 遙感數據類型和處理流程 預處理技術 圖像特征提取 圖像分類 多光譜、高光譜分析 Chatgpt輔助下envi遙感數據處理
|
| 第二課：Python遙感影像處理基礎 Python簡介 變量和數據類型 控制結構 功能和模塊 文件、包、環境 柵格數據處理
| |
| 第三課：Python與chatgpt集成 遙感影像讀取和元數據分析 基本影像處理操作，如裁剪、重采樣 變量和數據類型 遙感影像的可視化
| |
| 第四課：GEE 基礎 GEE的介紹和操做界面 Javascripe 基礎 GEE兩種模式客戶端與服務端的區別 GEE遙感影像數據集及操做 GEE遙感數據導入導出 GEE 圖像分類
| |
| 第五課：chatgpt與GEE集成 Chatgpt與GEE集成使用示例（NDVI） Chatgpt與GEE下載數據 Chatgpt與GEE遙感數據預處理 Chatgpt與GEE 圖像分類
| |
| 第六課：高級分析技術（機器學習、深度學習） 機器學習與sciki learn 介紹 數據和算法選擇 通用學習流程 遙感機器學習模型
| |
| 練習與答疑 | 遙感數據處理實踐 使用chatgpt+python、GEE進行遙感數據處理的實際操作。 |
| 第三章 多光譜數據分析與實踐專題 | 第一課：多光譜遙感基本概念與數據 多光譜遙感基本概念； 多光譜遙感的主要衛星數據源介紹及下載方法（哨兵、Landsat、Aster、Modis等） ChatGPT應用：解釋波段選擇的重要性和多光譜數據的解讀。
|
| 第二課：基于chatgpt和python的多光譜數據分析基礎 基于chatgpt和python的多光譜數據預處理方法 基于chatgpt和python的多光譜數據分類方法 基于chatgpt和python多光譜數據重組整理、機器學習模型構建、訓練方法
| |
| 第三課：chatgpt+GEE?多光譜應用案例 干旱指數計算案例 洪水監測案例 城市綠地提取和分析案例
| |
| 答疑 | 使用chatgpt + GEE進行多光譜遙感數據處理的實際操作。 |
| 第四章 高光譜分析與實踐專題 | 第一課：高光譜遙感基本概念 高光譜遙感、光的波長、光譜分辨率 高光譜遙感的歷史和發展 高光譜數據預處理 地物識別與光譜特征 混合像元分解
|
| 第二課：chatgpt+python 高光譜數據處理 數據讀取與顯示 光譜特征提取 混合像元分解 高光譜圖像分類 高光譜參量反演
| |
| 第三課：chatgpt+python?高光譜應用案例 礦物填圖案例 農作物分類案例 土壤含水量評估案例
| |
| 總結與答疑 | 課程回顧與總結 交流答疑 最新技術介紹和討論 |
