【视频教程】遥感云大数据在灾害、水体与湿地领域典型案例实践及GPT模型应用

  前期我们分别以Javascript和Python为编程语言，成功举办了数期关于GEE遥感大数据分析处理的基础培训课程，得到了来多个行业的学员的广泛参与和支持。应广大科研工作者的要求，本次课程将聚焦目前遥感应用最热门领域之一的灾害、水体及湿地领域，重点结合典型应用案例综合展示GEE云平台的使用技巧和强大功能，提升参会人员解决实际问题的能力。本课程将以JavaScript版本GEE为主进行讲解，先介绍GEE基本知识，再结合微型案例对关键知识进行串讲，最后结合林业应用典型案例进行综合讲解。为了提高教学质量，本课程将结合最先进的ChatGPT、文心一言等AI自然语言模型辅助教学，协助学员解答疑惑、提供针对性建议和指导，不仅让学员更深入地掌握课程内容，还为今后自助学习提供高效的个性化的学习体验。

课程大纲图例展示

模块	课程安排	学习内容
第一 部分 · 基础 实践	一 平台及基础 开发平台	· GEE平台及典型应用案例介绍； · GEE开发环境及常用数据资源介绍； · ChatGPT、文心一言等GPT模型介绍 · JavaScript基础简介； · GEE遥感云重要概念与典型数据分析流程； · GEE基本对象介绍、矢量和栅格对象可视化、属性查看，API查询、基本调试等平台上手。
	二 GEE基础知 识与ChatGPT等AI模型交互	· 影像基本运算与操作：数学运算、关系/条件/布尔运算、形态滤波、纹理特征提取；影像掩码、裁剪和镶嵌等； · 要素基本运算与操作：几何缓冲区，交、并、差运算等； · 集合对象操作：循环迭代（map/iterate）、合并Merge、联合（Join）； · 数据整合Reduce：包括影像与影像集整合，影像合成、影像区域统计与域统计，分组整合与区邻域统计，影像集线性回归分析等； · 机器学习算法：包括监督（随机森林、CART、SVM、决策树等）与非监督（wekaKMeans、wekaLVQ等）分类算法，分类精度评估等； · 数据资产管理：包括本地端矢量和栅格数据上传、云端矢量和栅格数据下载、统计结果数据导出等； · 绘图可视化：包括条形图、直方图、散点图、时间序列等图形绘制。 · GPT模型交互：结合上述基本知识点和ChatGPT等AI工具进行交互演示，包括辅助答疑、代码生成与修正等技巧。
第二 部分 · 进阶 小试	重要知识点微型案例串讲与GPT模型交互演示	1) Landsat、Sentinel-2影像批量自动去云和阴影 2) 联合Landsat和Sentinel-2批量计算植被指数和年度合成 3) 研究区可用影像数量和无云观测数量统计分析 4) 中国区域年度NDVI植被数合成及年度最绿DOY时间查找 5) 时间序列光学影像数据的移动窗口平滑 6) 分层随机抽样及样本导出、样本本地评估与数据上传云端 7) 中国近40年降雨量变化趋势分析
第三部分 · 典型案例综合演练	案例一：洪涝灾害监测	基于Sentinel-1 雷达等影像，以典型洪涝灾害为例监测受灾区域。案例内容包括多源影像数据处理和不同水体识别算法构建，如OSTU全局自动分割与局部自适应阈值法，以及采用不同方式确定受灾区域，受灾面积统计与可视化输出等。
	案例二：洪水敏感性和风险模拟	结合ESA10m分辨率土地覆盖产品、地形（海拔与坡度）、MERIT全球水文数据、JRC地表水数据产品等空间数据集，借助云平台计算不同地类与开阔水域的距离，最近排水系统上方的高度 (HAND) 和降雨频率（降雨强度和持续时间的代表）作为模拟洪灾敏感性的输入参数，再应用加权线性组合WLC方法绘制洪灾敏感性分布图。内容涉及不同数据产品再分类分级、欧几里得距离计算、影像集map循环和分析建模等。
	案例三：水体质量监测	联合近十年的Landsat 8/9、JRC地表水产品，使用如NDSSI归一化差异悬浮泥沙指数、NDTI归一化差分浊度指数等来监测水集水区水质变化情况，统计集水区域逐月水质变化情况。内容涉及时间序列影像预处理、植被指数计算、逐月逐年影像合成、影像集Reducer操作、空值过滤与作图等。
	案例四：河道轮廓监测	展示Earth Engine在河流水文学和地貌学中的应用。具体演示如何使用云平台区分河流和其它水体，进行基本的形态分析，提取河流的中心线和宽度，检测河流形态随时间的变化。内容涉及开源程序包调用、RivWidthCloud关键代码解读、时间序列影像处理、水体遥感识别和数据导出。
	案例五：地下水变化监测	详细介绍了利用GRACE重力卫星的观测数据来评估大型河流流域地下水储量的变化，包括应用遥感估计的总蓄水异常、陆地表面模型输出GLDAS和现场观测结果来解决地下水蓄不变化。内容涉及使用GRACE绘制总蓄水量变化、蓄水趋势和解决河流流域地下水储量的变化等，练习知识点包括影像集过滤、集合Join、map循环、趋势分析、可视化等。
	案例六：红树林遥感制图	联合Sentinel-1/2多源遥感影像和机器学习算法绘制红树林分布图。专题涉及光学和雷达数据处理、机器学习算法应用、反演精度评估、变量重要性分析、结果可视化、栅格与矢量转换等内容，将演示如何利用红树林的生境特征信息（如地形、与大海相连等）对分类结果进行精细处理，实现高精度分布图的绘制。