发帖
雷达卡
近年来，遥感技术取得了显著进展。航天、航空以及临近空间等多种遥感平台持续扩展，数据在空间、时间与光谱分辨率方面不断提升，导致遥感数据量急剧增长，呈现出明显的大数据特征。海量遥感数据的涌现为科学研究带来了前所未有的机遇，同时也对数据处理能力提出了更高要求。传统工作站和服务器已难以满足大范围、多尺度遥感数据分析的需求。
在此背景下，以Google Earth Engine（GEE）和PIE-Engine为代表的全球性地球科学数据在线分析云平台逐渐成为主流工具。这些平台支持对大规模卫星遥感数据进行可视化、计算与分析。其中，GEE平台汇聚了超过80PB的常用遥感数据集，涵盖MODIS、Landsat、Sentinel系列影像，以及气候、气象和地球物理等多源信息，并依托分布在全球的百万级服务器集群，提供强大的并行计算能力。相较于ENVI等本地化遥感处理软件，GEE在处理效率、存储能力和协作便利性方面具有显著优势。它不仅节省了科研人员下载与预处理数据的时间成本，还实现了遥感分析流程的云端集成化，代表了当前遥感领域最先进的技术方向，被视为该领域的一次重大变革。
基础实践篇
一、平台介绍与开发环境搭建
- GEE平台功能概述及其典型应用案例展示；
- 开发环境配置及常用遥感数据资源接入方法；
- JavaScript语言基础语法简介，用于GEE脚本编写；
- ChatGPT、文心一言等生成式AI模型的基本介绍与账号申请流程；
- GEE核心概念解析：如影像集、特征集合、地理坐标系等；
- 典型遥感数据分析流程演示，包括数据调用、处理、结果输出；
- 基本对象操作：矢量与栅格数据的加载、属性查看、可视化设置；
- API查询技巧与代码调试方法入门。
二、GEE核心功能与AI辅助交互
影像基础操作：包括数学运算（加减乘除）、逻辑与条件判断、形态学滤波、纹理特征提取；支持影像掩码设置、区域裁剪、多景影像镶嵌等处理流程。
要素操作：实现几何缓冲区构建，执行交集、并集、差集等空间运算，适用于复杂区域提取与空间关系分析。
集合对象处理：利用map和iterate实现循环迭代，通过Merge合并数据集，使用Join完成不同集合间的关联匹配。
数据整合Reduce操作：涵盖影像集的时间序列合成、区域统计、分组聚合、邻域分析，以及影像集的线性回归建模等功能。
机器学习分类算法：集成监督学习方法如随机森林、CART、SVM、决策树等，以及非监督聚类算法如wekaKMeans、wekaLVQ；支持样本训练、模型构建与分类精度评估。
数据资产管理：支持本地矢量/栅格数据上传至云端，允许将处理结果导出为CSV、GeoTIFF等格式，便于后续分析与共享。
可视化图表绘制：可生成条形图、直方图、散点图及时间序列曲线图，辅助趋势分析与成果展示。
与GPT类AI模型协同工作：结合ChatGPT、文心一言等工具，演示如何借助自然语言进行代码生成、错误修正、函数解释与学习答疑，提升开发效率。
重要知识点微型案例串讲与AI交互演示
- 批量自动去除Landsat与Sentinel-2影像中的云层及阴影干扰；
- 融合Landsat与Sentinel-2数据，计算植被指数并生成年度合成产品；
- 统计特定研究区内可用影像总数与无云有效观测次数；
- 对中国区域进行年度NDVI合成，并识别每年最绿时刻（DOY）；
- 采用移动窗口法对光学遥感时间序列数据进行平滑处理；
- 实施分层随机采样策略，导出样本用于本地验证后上传至云端；
- 分析中国近四十年降雨量变化趋势，识别长期演变规律；
- 基于Hansen全球森林变化产品，开展区域年度森林损失统计。
典型案例综合演练
案例一：多源遥感数据融合下的森林识别
系统讲解如何结合Landsat时间序列光学影像与PALSAR-2雷达数据，运用决策树算法完成森林等地物类别的遥感分类全流程。内容涵盖：时空维度的数据筛选、光学影像批量去云与植被指数计算、分层随机采样与样本导出、本地质量控制与云端上传、样本划分与可分离性检验、分类模型构建与应用、分类后处理及精度验证，并最终生成专题地图。
案例二：长时间序列森林状态动态监测
利用MODIS或Landsat长时间序列数据，开展森林植被绿化或褐变趋势分析。涉及关键步骤包括：时间序列数据预处理、多个影像集拼接、年度影像合成、基于非参数方法的变化趋势检测、显著性检验、趋势量化分级、空间统计分析及可视化表达。
案例三：森林砍伐与退化过程监测
整合Landsat系列影像，结合光谱分解模型与NDFI（归一化差值分数指数）开展森林砍伐与退化监测。具体包括：影像预处理、混合像元分解、NDFI指数计算、函数模块封装、变化检测与强度分级、结果可视化与专题图制作。
案例四：森林火灾影响评估
详细演示基于Landsat与Sentinel-2时间序列光学影像的森林火灾监测流程。包含影像筛选、云污染去除、植被指数计算、灾前灾后影像合成、火灾区域自动识别、灾害强度分级、统计分析与图形化展示。
案例五：长时序森林扰动监测
构建连续多年遥感监测框架，识别森林生态系统中发生的各类扰动事件（如采伐、火灾、病虫害等）。流程覆盖数据准备、扰动检测算法设计、变化信号提取、时间定位与空间分布制图，实现对森林健康状况的持续追踪。
案例六：森林关键生理参数（树高、生物量/碳储量）反演
本专题聚焦于利用多源遥感数据与机器学习算法，实现对森林关键物理参数的反演，包括树高、生物量及碳储量。研究融合了GEDI激光雷达数据、Landsat与Sentinel-2多光谱光学影像，以及Sentinel-1和PALSAR-2雷达影像，构建高精度的反演模型。
内容涵盖GEDI激光雷达数据的基本特性与应用方法，常见光学与雷达遥感数据的预处理流程，机器学习算法在参数反演中的具体实施步骤。同时介绍反演结果的精度验证手段、变量重要性分析方法，并对最终成果进行可视化表达与空间分布特征解读。
基于长时间序列的Landsat等光学遥感影像，结合经典的LandTrendr算法，开展森林扰动监测研究。该专题系统讲解遥感影像的时间序列预处理技术，植被指数的批量计算与年度合成策略，引入数组影像的概念及其操作方式。
深入解析LandTrendr算法的核心原理与关键参数设置方法，指导如何对森林扰动检测结果进行有效解译，并开展空间统计分析。最终通过科学可视化手段完成专题图的绘制与成果展示。
京公网安备 11010802022788号
