思考的小猴子-CSDN博客

原创 “RWEQ+”集成技术在土壤风蚀模拟与风蚀模数估算、变化归因分析中的实践应用及SCI论文撰写

自20世纪80年代以来，土壤风蚀作为沙漠化的首要环节而得到前所未有的重视，相继开展了大量的实验研究工作，揭示了各种因素对风蚀过程的影响，尤其是人为因素对风蚀的加剧作用，并提出了不同地区的风蚀防治措施。l土壤侵蚀的危害及原因：中国山地丘陵面积广，地形起伏大，地面组成物质疏松深厚，降雨强度大，垦殖历史久，植被覆盖率低等，都是引起土壤侵蚀的重要因素。其中，D为某一影响因子，H为风蚀量，Q为影响因子对风蚀量的贡献度，取值范围是[0-1]，N、σ2为样本量及其方差，h为样本层数，L为影响因子分类数。

2024-05-23 11:03:02 241

原创 MPAS跨尺度、可变分辨率模式实践技术应用及典型案例分析

MPAS构建之初的目的是构建一个新的地球系统模型，可用于全球或区域的天气及气候研究，本次培训主要关注大气模式MPAS-A。MPAS-A模式的大气动力内核求解的是完全可压的非静力学运动方程，其最显著的特点是非结构化的质心 Voronoi 网格。MPAS-A模式正在不断的优化，由于其先进的模式结构和可变分辨率的网格特性，将是未来高分辨率模拟的主要趋势之一。n全球非均匀网格的运行：高分辨率网格中心的旋转；4.掌握 MPAS-A 全球运行及区域运行的方法及其数据制备；n全球均匀网格的运行：初、边界场文件的准备。

2024-05-23 10:31:34 412

原创 python高光谱数据处理技巧

尽管大部分物质在人眼中看似无异，然而高光谱遥感的观察下，它们呈现出独特的"光谱特征"。这种能够窥见事物的"本质"能力具备着革命性的潜能，对精准农业、地球观测、艺术分析和医学等领域带来巨大的影响。通过通俗易懂的课程，我们希望能够让您更加深入地了解和掌握高光谱的知识与技术。5．高光谱数据预处理-机器学习-深度学习-图像分类-参数回归等12个专题练习。1.全套的高光谱数据处理方法和应用案例（包含python源码）02)使用自己的数据进行机器学习（envi标注数据）python高光谱数据处理技巧 (qq.com)

2024-05-22 10:58:24 1026

原创 Python在地球科学中地理、气象、气候变化、水文、生态、传感器等领域

除了Python标准库，几乎所有行业领域都有相应的Python软件库，随着NumPy、SciPy、Matplotlib和Pandas等众多Python应用程序库的开发，Python在科学和工程领域地位日益重要，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面的优异性能使得Python在地球科学中地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目中得到广泛应用并高效解决各种数据分析问题，可以预见未来Python将成为科学和工程领域的主流程序设计语言。

2024-05-22 10:39:39 690

原创 R语言贝叶斯方法在生态环境领域中的高阶技术应用

贝叶斯统计已经被广泛应用到物理学、生态学、心理学、计算机、哲学等各个学术领域，其火爆程度已经跨越了学术圈，如促使其自成统计江湖一派的贝叶斯定理在热播美剧《The Big Bang Theory》中都要秀一把。2）贝叶斯回归模型结果图：散点图、预测图、箱线图、柱状图、提琴图、密度图及峰峦图等。2） R语言基本操作，包括向量、矩阵、数据框及数据列表等生成和数据提取等。5）长宽数据转换、空值（NA）等填充及删除、分组、排序及汇总等。4）数据生成：数据合并、数据拆分、新数据生成（字符操作）等。

2024-05-21 10:06:08 478

原创 R、Python的Copula变量相关性分析及AI大模型应用

在工程、水文和金融等各学科的研究中，总是会遇到很多变量，研究这些相互纠缠的变量间的相关关系是各学科的研究的重点。大多数情况下变量间的相关性非常复杂，而且随着变量取值的变化而变化，而这些相关系数都是全局性的，因此无法提供变量间相关性变化的细节；Copula不但可以提供不同取值范围内变量间相关的结构和函数细节，而且可以应用于相关时间序列及回归分析的研究中，大大拓展了回归及时间序列分析的适用范围。相对于相关系数，Copula理论比较深奥不易掌握，需要借助专门的软件或工具，运用规范的统计学方法才能得到正确的结果。

2024-05-21 09:20:55 792

原创【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用

与传统的处理影像工具（例如ENVI）相比，Earth Engine在处理海量遥感数据方面具有显著优势，提供了丰富的计算资源和巨大的云存储能力，节省大量数据下载和预处理时间。主要涉及的技术包括植被指数的计算、地表温度的提取、数据的归一化、主成分PCA分析、RSEI生态指数的构建以及结果的可视化等。本案例利用20年的MODIS植被指数，对选定区域的森林进行长期监测，并分析森林植被的绿化或褐变情况。介绍如何在遥感云平台上显示和探索要素和影像等对象的属性字段，包括如何选择要素和影像对象、查看属性信息、筛选数据等。

2024-05-20 16:50:02 1093

原创【重磅推荐】GPT-ArcGIS数据处理、空间分析

GIS以其强大的空间数据处理、先进的空间分析工具、灵活的地图制作与可视化能力、广泛的扩展性和定制性，成为地理信息科学的核心工具。而GPT则以其在自然语言处理、文本生成、智能对话和知识库构建方面的优势，为GIS的智能化和自动化带来了新的可能性，提升了文本创作的效率和智能系统的交互体验。ArcGIS作为GIS领域的领先平台，具备处理海量空间数据、执行复杂空间分析、制作专业地图、进行遥感图像处理和分析、实现二次开发等众多优势。6.5 案例：AI助力ArcGIS实现对txt、excel数据的读取及点数据形成。

2024-05-20 16:44:27 742

原创 AquaCrop模型农业水资源管理及代码解析

为了让更多的科研人员和农业工作者能够深入理解AquaCrop模型的原理，有效地运用这一工具，将详细讲解AquaCrop模型的各个组成部分，包括气象、土壤、作物和管理措施等数据的准备和输入。通过模型的实践操作和结果分析，让参与者能够不仅理解模型背后的科学原理，同时掌握如何在实际工作中应用模型来解决问题。模型的核心优势在于其独特的水分管理能力，能够精确模拟作物生长过程中水分的需求与消耗，帮助农业工作者制定更为科学和高效的灌溉策略。4.管理措施的输入：灌溉方式、施肥计划、病虫害管理。3.参数的不确定性分析方法。

2024-05-17 11:27:23 966

原创 ChatGPT在遥感中的应用，人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性

遥感技术主要通过卫星和飞机从远处观察和测量我们的环境，是理解和监测地球物理、化学和生物系统的基石。ChatGPT是由OpenAI开发的最先进的语言模型，在理解和生成人类语言方面表现出了非凡的能力。本课程重点介绍ChatGPT在遥感中的应用，人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性，这些都对遥感应用领域，比如环境监测、灾害管理、城市规划等至关重要。Chatgpt与python集成的卫星、机载和近景地面高光谱数据的处理和混合像元分解。Chatgpt在成像遥感领域的最新进展。

2024-05-17 11:17:46 862

原创探讨高光谱遥感数据处理技术，涵盖了基本概念、成像原理、数据处理和分析方法

尽管大部分物质在人眼中看似无异，然而高光谱遥感的观察下，它们呈现出独特的"光谱特征"。这种能够窥见事物的"本质"能力具备着革命性的潜能，对精准农业、地球观测、艺术分析和医学等领域带来巨大的影响。通过通俗易懂的课程，我们希望能够让您更加深入地了解和掌握高光谱的知识与技术。5．高光谱数据预处理-机器学习-深度学习-图像分类-参数回归等12个专题练习。1.全套的高光谱数据处理方法和应用案例（包含python源码）02)使用自己的数据进行机器学习（envi标注数据）04)高光谱遥感的历史和发展。

2024-05-16 16:53:12 1134

原创无人机摄影测量数据处理、三维建模及在土方量计算中的应用

无人机摄影测量技术凭借其可提供高精度、高空间分辨率的DOM、DSM、DEM以及DTM等数据产品，已在国家重大工程建设、灾害应急与处理、国土监察、矿产开发监测、新农村和小城镇建设、基础测绘、土地资源调查监测、土地利用动态监测、智慧城市建设等方面得到了广泛应用。【算例】对某施工前期的商住综合体建设区分别采用无人机摄影测量与GNSS测量技术进行土方计算的数据采集，并基于两种数据源，采用相同的土方量计算法（方格网法、DTM法）进行计算，对比分析结果。【算例1】利用大疆无人机获取的影像，建立某建筑的三维模型。

2024-05-16 16:42:16 605

原创 “Python+”集成技术高光谱遥感数据处理与机器学习深度应用

涵盖高光谱遥感数据处理的基础、python开发基础、机器学习和应用实践。结合Python编程工具，专注于解决高光谱数据读取、数据预处理、高光谱数据机器学习等技术难题，通过复现高光谱数据处理和分析过程，并解析代码，使学员掌握python高光谱数据处理技巧。通过矿物识别、农业应用、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技术方案，结合Python科学计算、可视化、数据处理和机器学习库，深入讲解应用开发。03)机载（无人机）高光谱数据获取。04)高光谱遥感的历史和发展。

2024-05-15 14:32:14 1058

原创 GPT-ArcGIS数据处理、空间分析、可视化及多案例综合应用

GIS以其强大的空间数据处理、先进的空间分析工具、灵活的地图制作与可视化能力、广泛的扩展性和定制性，成为地理信息科学的核心工具。而GPT则以其在自然语言处理、文本生成、智能对话和知识库构建方面的优势，为GIS的智能化和自动化带来了新的可能性，提升了文本创作的效率和智能系统的交互体验。ArcGIS作为GIS领域的领先平台，具备处理海量空间数据、执行复杂空间分析、制作专业地图、进行遥感图像处理和分析、实现二次开发等众多优势。6.5 案例：AI助力ArcGIS实现对txt、excel数据的读取及点数据形成。

2024-05-15 13:50:55 945

原创双碳目标下基于“遥感+”集成技术的碳储量、碳排放、碳循环、温室气体等多领域监测与模拟实践

卫星遥感具有客观、连续、稳定、大范围、重复观测的优点，已成为监测全球碳盘查不可或缺的技术手段，卫星遥感也正在成为新一代、国际认可的全球碳核查方法。本此课程的目的就是梳理碳中和与碳达峰对卫星遥感的现实需求，系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展，以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题。双碳目标下基于“遥感+”集成技术的碳储量、碳排放、碳循环、温室气体等多领域监测与模拟实践 (qq.com)碳储量、碳收支与碳循环中的遥感技术。

2024-05-14 11:19:26 664

原创吐血整理丨ChatGPT在遥感领域中的应用

ChatGPT是由OpenAI开发的最先进的语言模型，在理解和生成人类语言方面表现出了非凡的能力。本课程重点介绍ChatGPT在遥感中的应用，人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性，这些都对遥感应用领域，比如环境监测、灾害管理、城市规划等至关重要。ChatGPT先进人工智能模型的开发，开辟了该领域的新领域。随着课程的展开，将向学习者介绍各种案例研究和项目，展示人工智能在遥感中的实际应用。这些例子不仅可以说明所讨论的概念，而且可以启发学生在自己的项目和研究中的创新思维和应用。

2024-05-14 11:17:27 241

原创 GPT-ArcGIS数据处理、空间分析、可视化及多案例综合应用

GIS以其强大的空间数据处理、先进的空间分析工具、灵活的地图制作与可视化能力、广泛的扩展性和定制性，成为地理信息科学的核心工具。而GPT则以其在自然语言处理、文本生成、智能对话和知识库构建方面的优势，为GIS的智能化和自动化带来了新的可能性，提升了文本创作的效率和智能系统的交互体验。ArcGIS作为GIS领域的领先平台，具备处理海量空间数据、执行复杂空间分析、制作专业地图、进行遥感图像处理和分析、实现二次开发等众多优势。6.5 案例：AI助力ArcGIS实现对txt、excel数据的读取及点数据形成。

2024-05-13 14:55:48 550

原创 Python语言在地球科学交叉领域中的实践技术融合应用

除了Python标准库，几乎所有行业领域都有相应的Python软件库，随着NumPy、SciPy、Matplotlib和Pandas等众多Python应用程序库的开发，Python在科学和工程领域地位日益重要，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面的优异性能使得Python在地球科学中地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目中得到广泛应用并高效解决各种数据分析问题，可以预见未来Python将成为科学和工程领域的主流程序设计语言。

2024-05-13 14:49:03 831

原创通过大量GIS、生物、地球、农业、气象、生态、环境科学领域中案例，解锁大模型在科研、办公中的高级应用，一起探索如何优雅地使用大模型

3) 国内外经典大模型（ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stable Diffusion、星火大模型、文心一言、千问等）5) 主成分分析、LDA、NMS、T-SNE、UMAP、Kmeans、Agglomerative、DBSCAN。2) 数据清洗方法（重复值、缺失值处理、异常值检验、标准化、归一化、数据长宽转换，数据分组聚合）6) 支持向量机、决策树、随机森林、XGBoost、AdaBoost、LightGBM、高斯过程。2) 线性代数基础、特征值和特征向量。

2024-05-09 14:32:59 1032

原创 python高光谱数据处理技巧

结合Python编程工具，专注于解决高光谱数据读取、数据预处理、高光谱数据机器学习等技术难题，通过复现高光谱数据处理和分析过程，并解析代码，使学员掌握python高光谱数据处理技巧。通过矿物识别、农业应用、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技术方案，结合Python科学计算、可视化、数据处理和机器学习库，深入讲解应用开发。“Python+”集成技术高光谱遥感数据处理与机器学习深度应用 (qq.com)“Python+”集成技术高光谱遥感数据处理与机器学习深度应用 (qq.com)

2024-05-09 14:29:55 924

原创 R语言贝叶斯方法在生态环境领域中的高阶技术应用

贝叶斯统计已经被广泛应用到物理学、生态学、心理学、计算机、哲学等各个学术领域，其火爆程度已经跨越了学术圈，如促使其自成统计江湖一派的贝叶斯定理在热播美剧《The Big Bang Theory》中都要秀一把。2）贝叶斯回归模型结果图：散点图、预测图、箱线图、柱状图、提琴图、密度图及峰峦图等。2） R语言基本操作，包括向量、矩阵、数据框及数据列表等生成和数据提取等。5）长宽数据转换、空值（NA）等填充及删除、分组、排序及汇总等。4）数据生成：数据合并、数据拆分、新数据生成（字符操作）等。

2024-05-07 16:31:23 885

原创重磅！结合AI、高光谱与GEE的双碳目标智能监测与模拟前沿

结合多年AI使用经验，深入分享AI大模型在科研辅助方面的多项实用技巧，包括文献查找、分析总结、论文撰写、图表解读、语言润色等，以助力科研人员在学术研究中取得更大突破并满足国际交流的需求。通过矿物识别、农业应用、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技术方案，结合Python科学计算、可视化、数据处理和机器学习库，深入讲解应用开发。主要涉及的技术包括植被指数的计算、地表温度的提取、数据的归一化、主成分PCA分析、RSEI生态指数的构建以及结果的可视化等。

2024-05-07 16:26:52 992

原创 GPT-ArcGIS数据处理、空间分析、可视化及多案例综合应用

结合ArcGIS和GPT的优势，将重点讲解AI大模型应用、ArcGIS工作流程及功能、Prompt使用技巧、AI助力工作流程、AI助力数据读取与处理、AI助力空间分析、AI助力遥感分析、AI助力二次开发、AI助力科研绘图以及ArcGIS与AI的综合应用。这些内容不仅涵盖了GIS和AI的基础理论和方法，还包括了实际案例分析和操作实践，旨在帮助学员掌握GIS和AI结合应用的前沿技术和方法，提升个人专业技能，为未来的职业发展和科研创新打下坚实的基础。7.4 案例：AI助力ArcGIS实现单环、多环缓冲区分析。

2024-05-06 14:02:44 614

原创 Python语言在地球科学交叉领域中的实践技术融合应用

除了Python标准库，几乎所有行业领域都有相应的Python软件库，随着NumPy、SciPy、Matplotlib和Pandas等众多Python应用程序库的开发，Python在科学和工程领域地位日益重要，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面的优异性能使得Python在地球科学中地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目中得到广泛应用并高效解决各种数据分析问题，可以预见未来Python将成为科学和工程领域的主流程序设计语言。

2024-05-06 13:34:49 830

原创 [重磅] 如何在ChatGPT辅助下处理ENVI遥感数据

遥感技术主要通过卫星和飞机从远处观察和测量我们的环境，是理解和监测地球物理、化学和生物系统的基石。ChatGPT是由OpenAI开发的最先进的语言模型，在理解和生成人类语言方面表现出了非凡的能力。重点介绍ChatGPT在遥感中的应用，人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性，这些都对遥感应用领域，比如环境监测、灾害管理、城市规划等至关重要。Chatgpt与python集成的卫星、机载和近景地面高光谱数据的处理和混合像元分解。关注【科研技术平台公众号】获取更多详情。

2024-04-29 15:20:38 912

原创 “python+”潮汐、风驱动循环、风暴潮等海洋水动力模拟

包含ADCIRC模式的基础到高阶的内容，针对风暴潮的模拟和预报，既有基础理论讲解，又有实践操作环节。理论方面，介绍数值模式基本理论、ADCIRC模式的理论框架和风暴潮模拟方面的侧重点。实践环节，从Linux基础命令和模式安装，到模式前处理、模式运行、模式后处理和可视化等。以科研和业务中的实际案例进行教学，并分享模式使用的经验和技巧，帮助初学者快速掌握ADCIRC模式。作为水动力模式中的佼佼者，ADCIRC功能齐全，无论是作为业务预报的工具还是科研工具，都是不二的选择。

2024-04-29 15:00:22 277

原创 ChatGPT在遥感领域中的应用

本课程重点介绍ChatGPT在遥感中的应用，人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性，这些都对遥感应用领域，比如环境监测、灾害管理、城市规划等至关重要。本课程全面介绍ChatGPT先进人工智能的基本概念及其在遥感中的应用。随着课程的展开，将向学习者介绍各种案例研究和项目，展示人工智能在遥感中的实际应用。这些例子不仅可以说明所讨论的概念，而且可以启发学生在自己的项目和研究中的创新思维和应用。Chatgpt与python集成的卫星、机载和近景地面高光谱数据的处理和混合像元分解。

2024-04-28 16:35:38 732

原创双碳目标下基于“遥感+”集成技术的碳储量、碳排放、碳循环、温室气体等多领域监测与模拟实践

随着碳中和目标以及全球碳盘点的现实压力，基于遥感技术的碳监测成为了领域热点。卫星遥感具有客观、连续、稳定、大范围、重复观测的优点，已成为监测全球碳盘查不可或缺的技术手段，卫星遥感也正在成为新一代、国际认可的全球碳核查方法。基于InVEST模型的土地利用碳储量分析。基于夜间灯光数据碳排放模型的构建与修正。碳储量、碳收支与碳循环中的遥感技术。碳储量（碳库）估算的方法与原理。遥感数据的处理与特征参量的提取。遥感回归模型的构建与碳储量估算。能源消耗碳排放核查的原理与方法。土地利用变化碳排放估算的原理。

2024-04-28 16:28:38 346

原创如何解决高光谱数据读取、数据预处理、高光谱数据机器学习等技术难题......

深入探讨了高光谱遥感数据处理技术，涵盖了基本概念、成像原理、数据处理和分析方法，以及运用机器学习和深度学习模型提取和应用高光谱信息的技术。02)使用自己的数据进行机器学习（envi标注数据）01)基于scklearn高光谱机器学习。03)机载（无人机）高光谱数据获取。01)高光谱遥感成像原理与传感器。04)高光谱遥感的历史和发展。02)数字量化图像（DN值）02)基于光谱特征的分析方法。03)混合像元分解的分析方法。03)农作物分类深度学习实践。03)土壤含水量光谱评估方法。03) 高光谱深度学习框架。

2024-04-26 09:10:31 796

原创遥感大数据处理基础与AI大模型交互

与传统的处理影像工具（例如ENVI）相比，Earth Engine在处理海量遥感数据方面具有显著优势，提供了丰富的计算资源和巨大的云存储能力，节省大量数据下载和预处理时间。在课程最后，还将结合多年AI使用经验，深入分享AI大模型在科研辅助方面的多项实用技巧，包括文献查找、分析总结、论文撰写、图表解读、语言润色等，以助力科研人员在学术研究中取得更大突破并满足国际交流的需求。主要涉及的技术包括植被指数的计算、地表温度的提取、数据的归一化、主成分PCA分析、RSEI生态指数的构建以及结果的可视化等。

2024-04-26 09:01:05 884

原创生态系统碳库的遥感估算—以森林碳储量为例

卫星遥感具有客观、连续、稳定、大范围、重复观测的优点，已成为监测全球碳盘查不可或缺的技术手段，卫星遥感也正在成为新一代、国际认可的全球碳核查方法。本此课程的目的就是梳理碳中和与碳达峰对卫星遥感的现实需求，系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展，以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题。随着碳中和目标以及全球碳盘点的现实压力，基于遥感技术的碳监测成为了领域热点。碳储量、碳收支与碳循环中的遥感技术。遥感回归模型的构建与碳储量估算。

2024-04-25 09:57:35 654

原创如何解决高光谱数据读取、数据预处理、高光谱数据机器学习等技术难题......

尽管大部分物质在人眼中看似无异，然而高光谱遥感的观察下，它们呈现出独特的"光谱特征"。这种能够窥见事物的"本质"能力具备着革命性的潜能，对精准农业、地球观测、艺术分析和医学等领域带来巨大的影响。通过通俗易懂的课程，我们希望能够让您更加深入地了解和掌握高光谱的知识与技术。深入探讨了高光谱遥感数据处理技术，涵盖了基本概念、成像原理、数据处理和分析方法，以及运用机器学习和深度学习模型提取和应用高光谱信息的技术。5．高光谱数据预处理-机器学习-深度学习-图像分类-参数回归等12个专题练习。

2024-04-25 09:52:27 596

原创太强了！关于Fluent计算你必须知道的处理技巧，请逼自己学一学这个....

灵活的非结构化网格和基于解的自适应网格技术及成熟的物理模型，使FLUENT能够处理转捩与湍流、传热与相变、化学反应与燃烧、多相流、旋转机械、动/变形网格、噪声、材料加工、燃料电池等领域的流动、传热及化学反应问题。ANSYS FLUENT在大气科学、航空航天、能源利用、化工、机器制造、汽车、船泊、兵器、电子、铁道、石油天然气、材料工程等行业都有着广泛的应用。1、介绍Fluent中的湍流模型、传热模型、辐射模型、多相流模型、离散相模型介绍、化学反应及燃烧模型；4、完成网格划分后，如何进一步提高网格质量的方法；

2024-04-23 17:29:08 705

原创土地利用变化碳排放效应的遥感监测—以城市扩张为例

卫星遥感具有客观、连续、稳定、大范围、重复观测的优点，已成为监测全球碳盘查不可或缺的技术手段，卫星遥感也正在成为新一代、国际认可的全球碳核查方法。目的就是梳理碳中和与碳达峰对卫星遥感的现实需求，系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展，以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题。随着碳中和目标以及全球碳盘点的现实压力，基于遥感技术的碳监测成为了领域热点。土地利用变化碳排放效应的遥感监测—以城市扩张为例 (qq.com)

2024-04-23 17:25:38 864

原创结合ArcGIS+SWAT模型+Century模型：流域生态系统水-碳-氮耦合过程模拟

碳和氮是陆地生态系统中最重要的两种化学元素，而在流域系统内，水-碳-氮是相互联动、不可分割的耦合体。在人类活动的影响下，陆地水循环过程以及伴随着的碳氮生物地球化学过程都将发生显著变化，并导致气候变化和生态环境问题，因此流域生态系统水-碳-氮耦合过程模拟与环境影响已成为当前关注的焦点。基于ArcGIS的SWAT模型是一类比较典型的流域模型，结合SWAT模型和生物地球化学循环模型可以实现流域水碳氮综合模拟。结合ArcGIS+SWAT模型+Century模型：流域生态系统水-碳-氮耦合过程模拟 (qq.com)

2024-04-18 17:29:26 395

原创 ”Python+”多技术融合在蒸散发与植被总初级生产力估算中的实践应用

熟悉蒸散发ET及其组分（植被蒸腾Ec、土壤蒸发Es、冠层截留Ei）、植被总初级生产力GPP的概念和碳水耦合的基本原理；掌握利用Python与ArcGIS工具进行课程相关的操作；熟练掌握国际上流行的Penman-Monteith模型，并能够应用该模型在各种植被类型上进行冠层导度、蒸散发组分的计算；掌握单站和区域结果的可视化方法、制图方法等。【科研必备】基于”Python+”多技术融合在蒸散发与植被总初级生产力估算中的实践应用 (qq.com)

2024-04-17 14:11:48 608

原创 DSSAT作物模型建模方法与进阶基于Python语言快速批量运行DSSAT模型及交叉融合、扩展应用技术应用

随着数字农业和智慧农业的发展，基于过程的作物生长模型（Process-based Crop Growth Simulation Model）在模拟作物对气候变化的响应与适应、农田管理优化、作物品种和株型筛选、农业碳中和、农田固碳减排等领域扮演着越来越重要的作用。现有版本V4.7能模拟27种主要农作物的生长发育和产量形成过程，被广泛应用于精细农业、水肥管理、气候变化、粮食安全、土壤碳周转、环境影响、农业可持续性、农业生态等诸多与农业生产和科研有关的领域。关注科研技术平台获取更多资源。

2024-04-17 14:04:45 1061

原创流域生态系统水-碳-氮耦合过程模拟

碳和氮是陆地生态系统中最重要的两种化学元素，而在流域系统内，水-碳-氮是相互联动、不可分割的耦合体。在人类活动的影响下，陆地水循环过程以及伴随着的碳氮生物地球化学过程都将发生显著变化，并导致气候变化和生态环境问题，因此流域生态系统水-碳-氮耦合过程模拟与环境影响已成为当前关注的焦点。基于ArcGIS的SWAT模型是一类比较典型的流域模型，结合SWAT模型和生物地球化学循环模型可以实现流域水碳氮综合模拟。流域生态系统水-碳-氮耦合过程模拟 (qq.com)流域生态系统水-碳-氮耦合过程模拟 (qq.com)

2024-04-16 11:00:10 613

原创 Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用

在帮助科研工作者掌握Earth Engine的实际应用能力，以Python为基础，结合实例讲解平台搭建、影像数据分析、经典应用案例、本地与云端数据管理，以及云端数据论文出版级可视化等技能。在最后，还将结合多年AI使用经验，深入分享AI大模型在科研辅助方面的多项实用技巧，包括文献查找、分析总结、论文撰写、图表解读、语言润色等，以助力科研人员在学术研究中取得更大突破并满足国际交流的需求。主要涉及的技术包括植被指数的计算、地表温度的提取、数据的归一化、主成分PCA分析、RSEI生态指数的构建以及结果的可视化等。

2024-04-16 10:56:30 652

原创高光谱遥感数据处理与机器学习深度应用

结合Python编程工具，专注于解决高光谱数据读取、数据预处理、高光谱数据机器学习等技术难题，通过复现高光谱数据处理和分析过程，并解析代码，使学员掌握python高光谱数据处理技巧。通过矿物识别、农业应用、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技术方案，结合Python科学计算、可视化、数据处理和机器学习库，深入讲解应用开发。深入探讨了高光谱遥感数据处理技术，涵盖了基本概念、成像原理、数据处理和分析方法，以及运用机器学习和深度学习模型提取和应用高光谱信息的技术。

2024-04-15 17:23:07 1101

空空如也

空空如也