目錄

?? 一、講講“遙感+深度學習”到底是干啥的？

? 能解決什么問題？

?? 二、基礎原理串講：深度學習如何“看懂”遙感圖？

?? 遙感圖像數據類型：

?? CNN的基本思路：

?? 三、實戰案例：用CNN對遙感圖像做地類分類

?? 所需R包：

??? 步驟一：構建訓練集（模擬影像）

?? 步驟二：構造CNN模型

?? 步驟三：訓練模型

??? 四、真實案例推薦（可復現）

?? 五、展示輸出與結果可視化

?? 六、未來探索方向

?? 小結：遙感 + 深度學習是現代地學分析的“神兵利器”

?? 下一講預告：

---

?? 本講關鍵詞：遙感影像、多光譜、高分辨率影像、卷積神經網絡（CNN）、分類、語義分割、土地利用/覆被變化檢測

---

?? 一、講講“遙感+深度學習”到底是干啥的？

衛星遙感（Remote Sensing）能從太空高效獲取地表信息，但它的圖像往往包含高維、多光譜、大面積、時間序列等復雜特性，人工分析非常吃力。

深度學習，尤其是卷積神經網絡（CNN），則擅長從圖像中提取高層次語義特征，逐漸成為遙感數據分析的“黃金搭檔”。

? 能解決什么問題？

• 地類分類（如：耕地、建筑、水體）

• 變化檢測（林地轉為城市等）

• 作物識別與長勢評估

• 土地覆蓋提取與分割

---

?? 二、基礎原理串講：深度學習如何“看懂”遙感圖？

?? 遙感圖像數據類型：

• 多光譜數據（如Sentinel-2、Landsat 8）：10+個波段，適合地類識別

• 高分辨率影像（如Gaofen、高分辨率商用衛星）：適合精細制圖

• 時序影像：適合變化檢測、作物生長動態建模

?? CNN的基本思路：

• 用卷積核提取空間特征

• 多層卷積疊加，模擬大腦識別圖像的過程

• 最終輸出每個像素的分類或分割結果

---