原文鏈接：如何用ChatGPT+GEE+ENVI+Python進行高光譜，多光譜成像遙感數據處理？
第一：遙感科學
從攝影偵察到衛星圖像
遙感的基本原理
遙感的典型應用
第二：ChatGPT?
ChatGPT可以做什么？
ChatGPT演示使用
ChatGPT的未來
第三：prompt 提示詞
Prompt技巧（大幾歲）
最好的原則和策略
優質的學術提問prompt
第四：ChatGPT遙感提示詞示例
提示詞1：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：ChatGPT遙感應用
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：ChatGPT、GEE等注冊、python、envi等軟件安???????
第七：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
第八：Python遙感影像處理基礎
Python
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
第九：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
第十：GEE?
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
第十一：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
第十二：高級分析技術（機器學習、深度學習）
機器學習與sciki learn?
數據和算法選擇
通用學習流程
遙感機器學習模
第十三：多光譜遙感數據
多光譜遙感；
多光譜遙感的主要衛星數據源及下載方法（哨兵、Landsat、Aster、Modis等）
ChatGPT應用：波段選擇的重要性和多光譜數據的解讀。
第十四：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
第十五：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
第十六：高光譜遙感
高光譜遙感、光的波長、光譜分辨率
高光譜數據預處理
地物識別與光譜特征
混合像元分解
第十七：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
第十八：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
