“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。重点解释高光谱数据处理所涉及的基本概念和理论,旨在帮助学员深入理解科学原理。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。通过4个应用场景和12个实践案例,学员将能够提升高光谱技术的应用水平。
点击查看原文
https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247547295&idx=1&sn=810fcf0621b4e2a0623959845e33b57b&chksm=ce64d374f9135a62366cae3c2de8604ef076c514c172d89d5326ba1b7ca4ec1853324babcfb6&token=82809733&lang=zh_CN#rd
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。此外,通过Python实践练习,课程帮助学员巩固所学知识,使其得以深入理解与实践。
适合对高光谱技术感兴趣,并希望通过Python进行实践的任何人。
学习,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
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
高光谱遥感信息对于我们认识世界具有重要意义。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,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。愿您在学习的道路上获得愉悦,并汲取丰盛的收获!
内容详情:
第一章、高光谱数据处理基础
第一课:高光谱遥感基本概念
01)高光谱遥感
02)光的波长
03)光谱分辨率
04)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
01)高光谱遥感成像原理与传感器
02)卫星高光谱数据获取
03)机载(无人机)高光谱数据获取
04)地面光谱数据获取
05)构建光谱库

第三课:高光谱数据预处理
01)图像的物理意义
02)数字量化图像(DN值)
03)辐射亮度数据
04)反射率
05)辐射定标
06)大气校正
练习1:
资源02D高光谱卫星数据辐射定标与大气校正

第四课:高光谱分析
01)光谱特征分析
02)高光谱图像分类
03)高光谱地物识别
04)高光谱混合像元分解
练习2
(1)使用DISPEC 对光谱库数据进行光谱吸收特征分析
(2)使用ENVI的沙漏程序对资源02D高光谱卫星数据进行混合像元分解

第二章、高光谱开发基础(Python)
第一课:Python编程介绍
01)Python简介
02)变量和数据类型
03)控制结构
04)功能和模块
05)文件、包、环境
练习3
(1)python基础语法练习
(2)文件读写练习
(3)包的创建导入练习
(4)numpy\pandas 练习

第二课:Python空间数据处理
01)空间数据Python处理介绍
02)矢量数据处理
03)栅格数据处理
练习4
(1)python矢量数据处理练习
(2)python栅格处理练习

第三课:python 高光谱数据处理
01)数据读取
02)数据预处理
辐射定标、6S大气校正
03)光谱特征提取
吸收特征提取
04)混合像元分解
PPI、NFINDER端元光谱提取
UCLS、NNLS、FCLS最小二乘端元丰度计算
练习5
(1)高光谱数据读取
(2)高光谱数据预处理
(3)光谱特征提取
(4)混合像元分解

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
01)机器学习与sciki learn 介绍
02)数据和算法选择
03)通用学习流程
04)数据准备
05)模型性能评估
06)机器学习模型
练习6
机器学习sciki learn练习

第二课:深度学习概述与python实践
01)深度学习概述
02)深度学习框架
03)pytorch开发基础-张量
04)pytorch开发基础-神经网络
05)卷积神经网络
06)手写数据识别
07)图像识别
练习7
(1)深度学习pytorch基础练习
(2)手写数字识别与图像分类练习

第三课:高光谱深度学习机器学习实践
01)基于scklearn高光谱机器学习
02)使用自己的数据进行机器学习(envi标注数据)
03) 高光谱深度学习框架
04) 高光谱卷积网络构建
05)使用自己的数据进行深度学习
练习8
(1)高光谱数据分类练习
(2)高光谱深度学习练习
(3)使用自己数据测试

第四章、典型案例操作实践
第一课:矿物填图案例
01)岩矿光谱机理
02)基于光谱特征的分析方法
03)混合像元分解的分析方法
练习9
(1)矿物高光谱特征分析习
(2)基于混合像元分解矿物填图

第二课:农业应用案例
01)植被光谱机理
02)农作物病虫害分类
03)农作物分类深度学习实践
练习10
(1)农作物病虫害机器学习分类
(2)农作物分类深度学习练习

第三课:土壤质量评估案例
01)土壤光谱机理
02)土壤质量调查
03)土壤含水量光谱评估方法
04)土壤有机质含量评估与制图
练习11
(1)基于9种机器学习模型的土壤水分含量回归
(2)土壤有机质含量回归与制图

第四课:木材含水率评估案例
01)高光谱无损检测
02)木材无损检测
03)高光谱木材含水量评估
练习12
木材含水量评估和制图

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
原文链接
https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247547295&idx=1&sn=810fcf0621b4e2a0623959845e33b57b&chksm=ce64d374f9135a62366cae3c2de8604ef076c514c172d89d5326ba1b7ca4ec1853324babcfb6&token=82809733&lang=zh_CN#rd
相关文章:
“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。重点解释高光谱数据处理所涉及的基本概念和理论,旨在帮助学员深入理解科学原理。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…...
Excel 转为 PDF,PNG,HTML等文件
1.安装 Spire.XLS for Java,下载jar包 下载地址 2.引入方式一(我这里这种方式一直无法引入,都是失败,所以用的方式二) <repositories><repository><id>com.e-iceblue</id><name>e-iceblue</na…...
docker中使用GPU+rocksdb
配置环境 delldell-Precision-3630-Tower ~ lsb_release -a No LSB modules are available. Distributor ID: Ubuntu Description: Ubuntu 20.04.6 LTS Release: 20.04 Codename: focaldelldell-Precision-3630-Tower ~ nvcc --version nvcc: NVIDIA (R) Cuda comp…...
好用的跨平台同步笔记工具,手机和电脑可同步的笔记工具
在这个快节奏的工作环境中,每个人都在寻找一种方便又高效的方式来记录工作笔记。记录工作笔记可以帮助大家统计工作进展,了解工作进程,而如果工作中常在一个地方办公,直接选择电脑或者手机中笔记工具来记录即可,但是对…...
【Python 千题 —— 基础篇】浮点数转换为整数
题目描述 题目描述 整数转换为浮点数。 输入描述 输入一个整数。 输出描述 程序将整数转换为浮点数并输出。 示例 示例 ① 2输出: 2.0代码讲解 下面是本题的代码: # 描述: 整数转换为浮点数。 # 输入: 输入一个整数。 # 输出: 程序将整数转换…...
金融科技论文D部分
总结 以每周为例, 动量因子定义每种货币为前一周的回报率 价值因子定义为当前市值与其区块链中过去 7 天平均链上交易价值 利差因子定义为前 7 天硬币发行总量的负数除以在7天期限开始时未偿还的硬币量。 因素定义 为了避免过拟合,我们试图定义每一…...
Apache Tomcat下载安装配置使用超详细
下载安装 tomcat官网 在此我们以Tomcat 9.0.81为例,点击下载压缩包,解压到自己的文件夹。 tar.gz是linux操作系统下的安装版本。zip是windows系统下的压缩版本。Windows Service Installer是windows操作系统下的exe安装版本。 检查是否配置JDK 1.…...
基于Seata的分布式事务方案
在Seata中,有4种分布式事务实现方案 XA、AT、TCC、Saga 其中XA利用了数据库的分布式事务特性,AT相当于框架去控制事务回滚。TCC手写三个方法,saga手写两个方法。 AT的性能和编写比较折中,是最常用的一种。TCC一些视频教程中介绍…...
指令跳转:原来if...else就是goto
目录 CPU 是如何执行指令的? 从 if…else 来看程序的执行和跳转 如何通过 if…else 和 goto 来实现循环? 小结 你平时写的程序中,肯定不只有 int a 1 这样最最简单的代码或者指令。我们总是要用到 if…else 这样的条件判断语句、while 和…...
【数据库系统概论】第四章数据库安全性
数据库的安全性:保护数据库以防止不合法使用所造成的数据泄露、更改或破坏 grant和revoke语法...
如何正确的关闭Redis服务器
Redis官方原生版本是在Linux平台上开发和测试的,但是大多数初学者都是使用Windows系统来学习如何开发的。因此,官方提供了一个叫做“Microsoft Open Tech Redis”的项目,该项目专门为Windows平台提供了一个官方支持的Redis版本,但…...
MySQL日志管理和权限管理(重点)
目录 一、日志管理1.错误日志2.二进制日志3.慢查询日志 二、权限管理(重点)1.用户登录管理2.创建用户及授权3.刷新权限4.权限简介5.查看权限7.修改密码8、删除用户9、查看密码复杂度 一、日志管理 日志类型 1、错误日志:启动,停止,关闭失败报…...
Maven 使用教程(二)
一、如何创建JAR并将其安装在本地存储库中? 制作JAR文件非常简单,可以通过执行以下命令来完成: mvn package现在可以查看${project.basedir}/target目录,您将看到生成的JAR文件。 现在,您需要将生成的工件࿰…...
[Swift]同一个工程管理多个Target
1.准备 先创建一个测试工程“ADemo”,右键其Target选择Duplicate,再复制一个Target为“ADemo2”。 再选择TARGETS下方的“”,添加一个APP到项目中,这个命名为“BDemo”。 2、管理多个Target 可以对三个target分别导入不同的框…...
DevExpress Reporting中文教程 - 如何在macOS等系统中生成导出报表文档
DevExpress Reporting是.NET Framework下功能完善的报表平台,它附带了易于使用的Visual Studio报表设计器和丰富的报表控件集,包括数据透视表、图表,因此您可以构建无与伦比、信息清晰的报表。 在本文中,我们将讨论如何在.NET MA…...
1967作为子字符串出现在单词中的字符串数目
java解法,程度:简单 说明 给你一个字符串数组 patterns 和一个字符串 word ,统计 patterns 中有多少个字符串是 word 的子字符串。返回字符串数目。 子字符串 是字符串中的一个连续字符序列。 示例 1: 输入:patter…...
CocosCreator 面试题(二)JavaScript中的prototype的理解
1、原型(prototype)的作用 在JavaScript中,每个函数都有一个特殊的属性叫做"prototype",它是一个对象。 原型(prototype)在JavaScript中用于实现对象之间的继承和共享属性。当创建一个函数时&am…...
python:从Excel或者CSV中读取因变量与多个自变量,用于训练机器学习回归模型,并输出预测结果
作者:CSDN @ _养乐多_ 本文详细记录了从Excel读取用于训练机器学习模型的数据,包括独立变量和因变量数据,以供用于机器学习模型的训练。这些机器学习模型包括但不限于随机森林回归模型(RF)和支持向量机回归模型(SVM)。随后,我们将测试数据集应用于这些模型,进行预测和…...
pycharm连接gitlab
1、下载安装gitlab 下载地址:Git - Downloading Package 下载后傻瓜式安装,注意勾选配置环境变量 未配置自己配置,电脑-属性-高级系统配置-环境变量 系统变量path:添加git安装目录下bin目录 2、检验安装完成 桌面右键git-open…...
【C/C++数据结构 - 2】:稳定性与优化揭秘,揭开插入排序、希尔排序和快速排序的神秘面纱!
文章目录 排序的稳定性插入排序插入排序的优化 希尔排序快速排序 排序的稳定性 稳定排序:排序前2个相等的数在序列中的前后位置顺序和排序后它们2个的前后位置顺序相同。(比如:冒泡、插入、基数、归并) 非稳定排序:排…...
RestClient
什么是RestClient RestClient 是 Elasticsearch 官方提供的 Java 低级 REST 客户端,它允许HTTP与Elasticsearch 集群通信,而无需处理 JSON 序列化/反序列化等底层细节。它是 Elasticsearch Java API 客户端的基础。 RestClient 主要特点 轻量级ÿ…...
生成xcframework
打包 XCFramework 的方法 XCFramework 是苹果推出的一种多平台二进制分发格式,可以包含多个架构和平台的代码。打包 XCFramework 通常用于分发库或框架。 使用 Xcode 命令行工具打包 通过 xcodebuild 命令可以打包 XCFramework。确保项目已经配置好需要支持的平台…...
React 第五十五节 Router 中 useAsyncError的使用详解
前言 useAsyncError 是 React Router v6.4 引入的一个钩子,用于处理异步操作(如数据加载)中的错误。下面我将详细解释其用途并提供代码示例。 一、useAsyncError 用途 处理异步错误:捕获在 loader 或 action 中发生的异步错误替…...
【大模型RAG】Docker 一键部署 Milvus 完整攻略
本文概要 Milvus 2.5 Stand-alone 版可通过 Docker 在几分钟内完成安装;只需暴露 19530(gRPC)与 9091(HTTP/WebUI)两个端口,即可让本地电脑通过 PyMilvus 或浏览器访问远程 Linux 服务器上的 Milvus。下面…...
【JavaSE】绘图与事件入门学习笔记
-Java绘图坐标体系 坐标体系-介绍 坐标原点位于左上角,以像素为单位。 在Java坐标系中,第一个是x坐标,表示当前位置为水平方向,距离坐标原点x个像素;第二个是y坐标,表示当前位置为垂直方向,距离坐标原点y个像素。 坐标体系-像素 …...
【笔记】WSL 中 Rust 安装与测试完整记录
#工作记录 WSL 中 Rust 安装与测试完整记录 1. 运行环境 系统:Ubuntu 24.04 LTS (WSL2)架构:x86_64 (GNU/Linux)Rust 版本:rustc 1.87.0 (2025-05-09)Cargo 版本:cargo 1.87.0 (2025-05-06) 2. 安装 Rust 2.1 使用 Rust 官方安…...
基于PHP的连锁酒店管理系统
有需要请加文章底部Q哦 可远程调试 基于PHP的连锁酒店管理系统 一 介绍 连锁酒店管理系统基于原生PHP开发,数据库mysql,前端bootstrap。系统角色分为用户和管理员。 技术栈 phpmysqlbootstrapphpstudyvscode 二 功能 用户 1 注册/登录/注销 2 个人中…...
如何应对敏捷转型中的团队阻力
应对敏捷转型中的团队阻力需要明确沟通敏捷转型目的、提升团队参与感、提供充分的培训与支持、逐步推进敏捷实践、建立清晰的奖励和反馈机制。其中,明确沟通敏捷转型目的尤为关键,团队成员只有清晰理解转型背后的原因和利益,才能降低对变化的…...
Leetcode33( 搜索旋转排序数组)
题目表述 整数数组 nums 按升序排列,数组中的值 互不相同 。 在传递给函数之前,nums 在预先未知的某个下标 k(0 < k < nums.length)上进行了 旋转,使数组变为 [nums[k], nums[k1], …, nums[n-1], nums[0], nu…...
华为OD最新机试真题-数组组成的最小数字-OD统一考试(B卷)
题目描述 给定一个整型数组,请从该数组中选择3个元素 组成最小数字并输出 (如果数组长度小于3,则选择数组中所有元素来组成最小数字)。 输入描述 行用半角逗号分割的字符串记录的整型数组,0<数组长度<= 100,0<整数的取值范围<= 10000。 输出描述 由3个元素组成…...
