总结了高光谱遥感技术领域的基础原理与核心概念，采用编程语言复现经典数据处理和应用方法，追踪了最新的技术突破，在消化理解、触类旁通之后，用即使是遥感“小白”也容易接受的方式分享给你。

     高光谱遥感学习的第一季：提供一套基于Matlab编程工具的高光谱数据处理方法和应用案例，从基础、方法、实践三方面对高光谱遥感进行深入讲解，通过8个核心概念，4个功能模块，3个典型应用场景，帮助大家了解高光谱遥感的“底层逻辑”，掌握高光谱遥感的“方法论”，并在具体实践案例中，学会运用上述原理和技术方法，提升了学员高光谱技术的应用能力水平。

从基础、方法、实践三方面对高光谱遥感进行讲解。基础篇，站在学员的角度去理解“高光谱”，用大家能听的懂的语言去讲述高光谱的基本概念和理论，帮助学员深入理解这项技术的底层科学机理。方法篇，将高光谱技术与Python编程工具结合起来，聚焦高频技术难点，明确开发要点，快速复现高光谱数据处理和分析过程，并对每一行代码进行解析，对学习到的理论和方法进行高效反馈。实践篇，通过高光谱矿物识别，木材含水量提取、土壤有机碳评估等案例，提供可借鉴的高光谱应用领域的技术服务方案，结合Python科学计算、可视化、数据处理与机器学习等开源开发库，深入介绍高光谱技术的应用功能开发。

     高光谱遥感信息对于我们了解世界具有重要价值，大多数材料在人眼看来都是一样，而在高光谱遥感的观察下，显示出独特的“光谱特征”。这种看到“本色”的能力对于精准农业、地球观测、艺术分析和医学等一系列应用具有革命性的潜力，希望通过通俗易懂的课程让你了解掌握更多高光谱的知识和技术，祝你学习愉快并有所收获！

适合每一个对高光谱技术感兴趣，并想用python进行实践的人。

学习课程，你将获得：

1、全套的高光谱数据处理方法和应用案例（包含python源码）

2、高光谱与机器学习结合的系统化解决方案

3、最新的技术突破讲解和复现代码

4、科研项目实践和学习方法的专题分享

第一章、高光谱基础

第一课 高光谱遥感简介

²什么是高光谱遥感？

²高光谱遥感为什么重要？

²高光谱遥感与其他遥感技术的区别是什么？

²高光谱遥感的历史和发展

第二课 高光谱传感器与数据获取

²高光谱传感器类型

²如何获取高光谱数据

²高光谱数据获取的挑战和限制

 

第三课 高光谱数据预处理

²高光谱图像物理意义

²辐射定标

²大气校正

²光谱平滑和重采样

第四课 高光谱分析

²光谱特征提取

²降维技术（如PCA、MNF）

²高光谱分类、回归、目标检测

²混合像元分解方法

第五课 高光谱应用

²环境监测（植被分类、水质评估）

²农业（作物产量估计、病害检测）

²矿产勘探（矿物识别、地质调查）

²城市规划（如土地利用/覆盖分类、城市热岛分析）

第二章、高光谱开发基础（Python）

第一课 Python编程介绍

²Python简介

²变量和数据类型

²控制结构

²功能和模块

²文件处理

²第三方包与虚拟环境

 

第二课 Python空间数据处理

²空间数据和Python介绍

²Python空间数据处理库介绍

²Python读取和写入空间数据文件

²Python进行地理空间分析

第三课 python 高光谱数据处理

²高光谱数据读取python实现

²高光谱数据预处理python实现

²高光谱混合像元分解python实现

²高光谱数据可视化python实现

第三章、高光谱机器学习技术（python）

第一课 机器学习概述与python实践

²机器学习介绍

²sciki learn 介绍

²数据和算法选择

²通用学习流程

²机器学习模型

第二课 高光谱机器学习

²机器学习技术在高光谱数据处理、分析中的应用介绍

²高光谱数据机器学习实践

²机器学习模型性能评估和验证技术

第三课 深度学习概述与python实践

²深度学习介绍

²PyTorch概述

²PyTorch开发基础

²PyTorch案例分析

第四课 高光谱深度学习

²自编码器在高光谱数据分析中的应用

²卷积神经网络（CNN）在高光谱数据分析中的应用

²循环神经网络（RNN）在高光谱数据分析中的应用

²高光谱深度学习案例分析

第四章、典型案例操作实践

第一课 矿物填图案例

²岩矿光谱机理

²高光谱矿物填图方法介绍

²高光谱数据矿物填图（ENVI）

²高光谱数据矿物填图（Python）

²高光谱数据矿物填图机器学习案例（ Python ）

第二课 农业应用案例

²植被高光谱机理

²高光谱数据作物分类（ENVI）

²高光谱数据作物识别与分类（Python）

²高光谱数据农业应用机器学习案例（Python）

第三课 土壤质量评估案例

²土壤光谱机理与特征

²土壤质量调查内容

²地面光谱测量与采样

²无人机高光谱测量与土壤调查

²高光谱土壤机器学习程序解析

第四课 木材含水率评估案例

²无损检测原理

²木材无损检测

²木材含水率检测练习

总结与答疑

课程回顾与总结

交流答疑

最新技术介绍和讨论

 推荐：

组合	选择
A类	基于Python近红外光谱分析与机器学习、深度学习方法融合实践技术
B类	近地面无人机植被定量遥感与生理参数反演实践技术
C类	基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割实践技术
D类	无人机遥感在农林信息提取中的实现方法与GIS融合应用
E类	“卫星-无人机-地面”遥感数据快速使用及地物含量计算的实现方法实践

点击查看原文