première partie
pratique de base
un
Plate-forme et plate-forme de développement de base
· Introduction de la plate-forme GEE et des cas d'application typiques ;
· Introduction de l'environnement de développement GEE et des ressources de données couramment utilisées ;
Introduction aux modèles GPT tels que ChatGPT et Wenxinyiyan
· Introduction aux bases de JavaScript ;
· Concepts importants du nuage de télédétection GEE et processus typique d'analyse des données ;
Introduction aux objets de base GEE, visualisation des objets vectoriels et raster, visualisation des attributs, requête API, débogage de base et autres plates-formes pour commencer.
deux
Les connaissances de base de GEE interagissent avec les modèles d'IA tels que ChatGPT
· Opérations et opérations de base sur l'image : opérations mathématiques, relations/conditions/opérations booléennes, filtrage morphologique, extraction de caractéristiques de texture, masquage d'image, recadrage et mosaïque, etc.
· Opérations de base sur les éléments et opérations : tampon géométrique, intersection, union, opérations de différence, etc. ;
Opérations sur les objets de collection : itération de boucle (map/iterate), fusion Fusion, union (Join) ;
· Intégration de données Réduire : y compris l'intégration d'images et d'ensembles d'images, la synthèse d'images, les statistiques de zone d'image et les statistiques de domaine, l'intégration de groupe et les statistiques de voisinage de zone, l'analyse de régression linéaire d'ensemble d'images, etc. ;
· Algorithmes d'apprentissage automatique : comprenant les algorithmes de classification supervisés (forêt aléatoire, CART, SVM, arbre de décision, etc.) et non supervisés (wekaKMeans, wekaLVQ, etc.), l'évaluation de la précision de la classification, etc. ;
Gestion des actifs de données : y compris le téléchargement de données vectorielles et raster locales, le téléchargement de données vectorielles et raster dans le cloud, l'exportation de données de résultats statistiques, etc. ;
· Visualisation de dessin : y compris les diagrammes à barres, les histogrammes, les diagrammes de dispersion, les séries chronologiques et d'autres dessins graphiques.
Interaction du modèle GPT : combinez les points de connaissances de base ci-dessus avec des outils d'IA tels que ChatGPT pour des démonstrations interactives, y compris des compétences telles que la réponse aux questions auxiliaires, la génération et la correction de code.
La seconde partie
quiz avancé
Mini-conférences de cas sur des points de connaissance importants et démonstration interactive du modèle GPT
1) Les images Landsat, Sentinel-2 suppriment automatiquement les nuages et les ombres par lots
2) Combinez Landsat et Sentinel-2 pour calculer l'indice de végétation et la synthèse annuelle par lots
3) Analyse statistique du nombre d'images disponibles et du nombre d'observations sans nuages dans la zone d'étude
4) Synthèse des nombres annuels de végétation NDVI en Chine et recherche de la période DOY la plus verte de l'année
5) Lissage de fenêtre mobile des données d'images optiques de séries temporelles
6) Échantillonnage aléatoire stratifié et exportation d'échantillons, évaluation locale d'échantillons et téléchargement de données dans le cloud
Analyse de la tendance de variation des précipitations en Chine au cours des 40 dernières années
la troisième partie
Exercice complet de cas typique
Cas 1 : Surveillance des inondations
Sur la base d'images telles que le radar Sentinel-1, une inondation typique est prise comme exemple pour surveiller la zone touchée. Le contenu du cas comprend le traitement de données d'images multi-sources et la construction de différents algorithmes de reconnaissance des masses d'eau, tels que la segmentation automatique globale de l'OSTU et la méthode de seuil adaptatif local, et l'utilisation de différentes méthodes pour déterminer la zone sinistrée, les statistiques de la zone sinistrée et la sortie visuelle. , etc.
Cas 2 : Sensibilité aux inondations et modélisation des risques
Combinaison d'ensembles de données spatiales tels que les produits de couverture terrestre de résolution ESA10m, le terrain (élévation et pente), les données hydrologiques mondiales MERIT, les produits de données sur les eaux de surface du JRC, etc., à l'aide d'une plate-forme cloud pour calculer la distance entre différents types de terres et les eaux libres , la hauteur au-dessus du système de drainage le plus proche (HAND) et la fréquence des précipitations (un représentant de l'intensité et de la durée des précipitations) sont utilisées comme paramètres d'entrée pour simuler la sensibilité aux inondations, puis la méthode de combinaison linéaire pondérée WLC est utilisée pour dessiner une carte de distribution de la sensibilité aux inondations . Le contenu implique la reclassification et le classement de différents produits de données, le calcul de la distance euclidienne, le cycle de carte d'images et la modélisation d'analyse, etc.
Cas 3 : Surveillance de la qualité de l'eau
Combiné avec les produits aquatiques de surface Landsat 8/9 et JRC au cours des dix dernières années, utiliser tels que l'indice différentiel normalisé des sédiments en suspension NDSSI, l'indice différentiel normalisé de turbidité NDTI, etc. pour surveiller les changements de qualité de l'eau dans les zones de captage d'eau et compter les zones de captage d'eau Changements mensuels de la qualité de l'eau. Le contenu comprend le prétraitement d'images de séries chronologiques, le calcul de l'indice de végétation, la synthèse d'images mensuelle et annuelle, le fonctionnement du réducteur d'images, le filtrage et la cartographie des valeurs nulles, etc.
Cas 4 : Surveillance du profil de la rivière
Démontrer l'application d'Earth Engine à l'hydrologie et à la géomorphologie des rivières. Démontrez spécifiquement comment utiliser la plate-forme cloud pour distinguer les rivières des autres masses d'eau, effectuer une analyse de forme de base, extraire la ligne médiane et la largeur des rivières et détecter les changements de forme de la rivière au fil du temps. Le contenu implique l'appel de packages open source, l'interprétation du code clé RivWidthCloud, le traitement d'images de séries chronologiques, la reconnaissance par télédétection des plans d'eau et l'exportation de données.
Cas 5 : Surveillance des changements dans les eaux souterraines
L'utilisation des observations satellitaires GRACE pour évaluer les changements de stockage des eaux souterraines dans les grands bassins fluviaux est décrite en détail, y compris l'application des anomalies de stockage total estimées par télédétection, la sortie du modèle de surface terrestre GLDAS et les observations in situ pour traiter l'invariance du stockage des eaux souterraines. Le contenu implique l'utilisation de GRACE pour dessiner des changements dans le stockage total de l'eau, les tendances du stockage de l'eau et résoudre les changements dans le stockage des eaux souterraines dans les bassins fluviaux.Les points de connaissance pratiques incluent le filtrage d'ensemble d'images, l'ensemble de jointure, la boucle de carte, l'analyse des tendances, la visualisation, etc.
Cas 6 : Cartographie par télédétection des mangroves
Combinaison d'images de télédétection multi-sources Sentinel-1/2 et d'algorithmes d'apprentissage automatique pour dessiner des cartes de répartition des mangroves. Les sujets incluent le traitement des données optiques et radar, l'application d'algorithmes d'apprentissage automatique, l'évaluation de la précision d'inversion, l'analyse d'importance variable, la visualisation des résultats, la conversion raster et vectorielle, etc. , etc.) pour affiner les résultats de la classification et réaliser le dessin de cartes de distribution de haute précision.