当前位置: 首页 > news >正文

ChatGPT4与ArcGIS Pro3助力AI 地理空间分析和可视化及助力科研论文写作

在地学领域,ArcGIS几乎成为了每位科研工作者作图、数据分析的必备工具,而ArcGIS Pro3除了良好地继承了ArcMap强大的数据管理、制图、空间分析等能力,还具有二三维融合、大数据、矢量切片制作及发布、任务工作流、时空立方体等特色功能,已经成为提高工作效率的大趋势。

随着chatGPT/GPT4等大语言模型的出现,AI思维也已经成为一种必备的能力,ArcGIS Pro3的卓越性能与ChatGPT的智能交互相结合,将会为您打造一个全新的工作流程。

ChatGPT能够理解您对编程的需求,帮助您编写Python3代码。您只需描述您的目标和需求,ChatGPT将为您生成代码片段或提供编程思路,一旦您得到了ChatGPT生成的代码片段,您可以将其复制到ArcGIS Pro3的ArcGIS Jupyter Notebook笔记本中,一键化执行。通过ArcPy模块和ArcGIS Pro3提供的API,您可以利用ChatGPT生成的代码与地理数据进行交互,执行各种地理处理和空间分析任务。

那么如何将火热的ChatGPT与ArcGIS Pro3相结合,使我们无需自己进行复杂的编程,通过强大的ChatGPT辅助我们完成地理空间分析,各类专题图绘制、渲染,以提高你的10倍生产力和创造力。

【账号事宜】参会即免费赠送每人1个独立可永久使用ChatGPT 账号。

【超级福利】参加本次培训学员,额外赠送1个月ChatGPT Plus会员账号,享受GPT-4模型高级功能。

目标

1. 掌握ChatGPT的使用方法、提示词输入、各插件使用方法。

2. 认识ArcGIS Pro的工作流程及各个功能。

3. 掌握如何利用ChatGPT生成ArcGIS Pro可使用的编程代码,执行各种地理处理和空间分析任务。

4. 能够使用ChatGPT完成撰写及修改论文及工作报告,可以辅助写作论文或写工作报告,提升您的写作能力及提出优化方案。

5. 能够利用ChatGPT完成数据处理分析、科研工作、编程等。

6. 掌握ChatGPT中AI绘图工具的使用,随意生成各种类型的图像。

附件一:大纲

第一部分 如何使用ChatGPT/GPT-4及ArcGIS Pro3基础
1.最新版ChatGPT入门什么是ChatGPT/GPT-4,如何助力ArcGIS Pro3实现AI地理空间分析和可视化操作,如何助力高效科研论文写作。
案例实操:ChatGPT官网使用方法实操
案例实操:ChatGPT-API科学使用方法实操
案例实操:ChatGPT功能实操,面具使用、模型切换、插件切换、本地对话数据导入和导出
案例实操:ChatGPT OpenAI模型详解及演示(gpt-4、gpt-4-0613、gpt-4-vision-preview、gpt-4-dalle、gpt-3.5-turbo等)
案例实操:优秀国内人工智能模型推荐
案例实操:让ChatGPT自己回答“什么是ChatGPT”
2.最新版ArcGIS Pro3入门案例实操:ArcGIS Pro3科学安装方法
案例实操:ArcGIS Pro3界面详解(工程.aprx(地图、工具箱、数据库、样式、文件夹、定位器)、色觉模拟器、内容列表、目录窗格、目录视图、搜索、菜单栏的使用、图层操作、测量等)
案例实操:ArcGIS Jupyter Notebook启动方法
案例实操:ArcGIS Jupyter Notebook基本使用方法
案例实操:ArcGIS Jupyter Notebook安装第三方包
案例实操:直调调用克里金插值工具使用方法案例实操:地理处理工具箱(原ArcToolbox)、添加天地图各类底图、添加ArcGIS Server地图服务
案例实操:让ChatGPT帮助您决定使用什么工具
3.Prompt提示词使用方法案例实操:如何逐步把问题描述清楚案例实操:角色扮演的艺术
案例实操:使用不同的语气和角度提出问题
案例实操:定义具体任务和目标
案例实操:充分利用上下文关联的信息
案例实操:小工具-提示词修改器
案例实操:零样本学习(提示词加上【我们逐步解决问题】)
案例实操:多样本学习(所有问题围绕共同主题提出)案例实操:知识生成(提高模型的信息处理能力)
4.作为强大的搜索引擎案例实操:把ChatGPT当搜索引擎使用(功能、使用方式和内容的异同点)
案例实操:作为专业导游进行景点行程规划
案例实操:作为厨师的菜谱推介
案例实操:作为专业名词、技术方案和疑难问题的方案解决专家
案例实操:制作PPT框架
第二部分 ChatGPT助力ArcGIS Pro3空间数据处理与分析
5.ChatGPT成为你的编程助手案例实操:用ChatGPT实现ArcGIS Pro3中某一特定功能的程序

案例实操:让AI对代码进行详细中文解释
案例实操:让AI对代码进行详细英文解释
案例实操:让AI为代码添加中文注释
案例实操:让AI回复程序代码bug问题并自动修改
案例实操:让AI回答代码疑问
案例实操:使用 AI 工具读取本地数据的技巧
6.ChatGPT助力ArcGIS Pro3矢量数据处理与分析案例实操:让AI实现点和多点的创建
案例实操:让AI实现线的创建
案例实操:让AI实现面的创建
案例实操:让AI实现对文本文件进行读写操作
案例实操:让AI实现对Excel文件进行读写操作并生成点数据
案例实操:让AI实现矢量数据批量入库
案例实操:让AI实现矢量数据裁剪和批量矢量数据裁剪案例实操:让AI矢量数据批量定义投影坐标系析
案例实操:让AI实现对矢量图层属性表操作
案例实操:让AI对多个矢量图层属性联合查询-多表联合查询案例实操:让AI对矢量数据的统计分析结果输出到Excel中案例
实操:让AI沿线固定距离生成点数据
案例实操:让AI实现污染区域缓冲区分
案例实操:让AI实现建设项目选址分析全过程
7.ChatGPT助力ArcGIS Pro3栅格数据处理与分析案例实操:让AI帮我选择遥感数据源(如提取滨海湿地互花米草)
案例实操:让AI实现海量栅格数据管理
案例实操:让AI实现DEM水文分析
案例实操:让AI实现栅格裁剪和批量栅格裁剪
案例实操:让AI实现计算栅格数据平均值
案例实操:让AI实现计算气象栅格日均气温值
案例实操:让AI实现栅格数据批量定义投影坐标系案例实操:让AI实现高分2号遥感影像的归一化植被指数NDVI计算
第三部分 ChatGPT助力ArcGIS空间可视化与专题制图
8.ChatGPT助力ArcGIS Pro3可视化与精细化制图案例实操:让AI实现mxd批量导出jpg
案例实操:
让AI实现IDW反距离插值空间可视化
案例实操:让AI实现经验贝叶斯克里金插值可视化
案例实操:让AI实现批量制作全国各月平均气温专题图案例实操:让AI实现批量制作区域的1800-2000 年人口发展专题图
案例实操:让AI实现数据驱动制作区域影像网格专题图案例实操:让AI实现数据驱动制作多区域的地图
案例实操:让AI实现河流水质动态分段精细化制图
案例实操:让AI实现哨兵2号遥感影像植被覆盖度FVC计算
案例实操:让AI实现DEM山体阴影
案例实操:让AI实现中国区域人均GDP空间分布图
案例实操: 让AI实现制作人口密度图
案例实操:让AI实现中国区域PM2.5空气污染专题图
第四部分 ChatGPT助力高效科研论文写作
9.ChatGPT成为科研论文写作高效助手案例实操:ChatGPT学术科研版功能实操
案例实操:地学相关文献搜索(查找某个观点或内容相关的论文)
案例实操:学术论文中译英
案例实操:学术论文英语润色
案例实操:学术论文中文润色


案例实操:学术论文查找语错误
案例实操:学术论文精准翻译PDF论文
案例实操:上传本地PDF论文ChatGPT充当导师得出论文审稿意见
案例实操:文献综述(针对论文内容问答)
案例实操:生成摘要
案例实操:回复审稿人意见
案例实操:撰写论文全文的技巧
案例实操:如何防止 AI 生成的内容被检测
案例实操:知识类问题一问到底
电脑上课环境;请提前自己安装所需软件。

全文预览:最新版ChatGPT4与ArcGIS Pro3的AI 地理空间分析和可视化及助力科研论文写作

相关文章:

ChatGPT4与ArcGIS Pro3助力AI 地理空间分析和可视化及助力科研论文写作

在地学领域,ArcGIS几乎成为了每位科研工作者作图、数据分析的必备工具,而ArcGIS Pro3除了良好地继承了ArcMap强大的数据管理、制图、空间分析等能力,还具有二三维融合、大数据、矢量切片制作及发布、任务工作流、时空立方体等特色功能&#x…...

okhttp系列-一些上限值

1.正在执行的任务数量最大值是64 异步请求放入readyAsyncCalls后,遍历readyAsyncCalls取出任务去执行的时候,如果发现runningAsyncCalls的数量大于等于64,就不从readyAsyncCalls取出任务执行。 public final class Dispatcher {private int …...

C++面向对象(OOP)编程-STL详解(vector)

本文主要介绍STL六大组件,并主要介绍一些容器的使用。 目录 1 泛型编程 2 CSTL 3 STL 六大组件 4 容器 4.1 顺序性容器 4.1.1 顺序性容器的使用场景 4.2 关联式容器 4.2.1 关联式容器的使用场景 4.3 容器适配器 4.3.1 容器适配器的使用场景 5 具体容器的…...

postman几种常见的请求方式

1、get请求直接拼URL形式 对于http接口,有get和post两种请求方式,当接口说明中未明确post中入参必须是json串时,均可用url方式请求 参数既可以写到URL中,也可写到参数列表中,都一样,请求时候都是拼URL 2&am…...

openai最新探索:超级对齐是否可行?

前言 今天来介绍一篇openai最新的paper:弱到强的对齐。 openai专门成立了一个团队来做大模型的超级对齐即superhuman model,之前chatgpt取得成功依赖RLHF即依赖人类反馈,但是作者期望的superhuman model将会是一个能够处理各种复杂问题的强…...

本地websocket服务端结合cpolar内网穿透实现公网访问

文章目录 1. Java 服务端demo环境2. 在pom文件引入第三包封装的netty框架maven坐标3. 创建服务端,以接口模式调用,方便外部调用4. 启动服务,出现以下信息表示启动成功,暴露端口默认99995. 创建隧道映射内网端口6. 查看状态->在线隧道,复制所创建隧道的公网地址加端口号7. 以…...

关于“Python”的核心知识点整理大全37

目录 13.6.2 响应外星人和飞船碰撞 game_stats.py settings.py alien_invasion.py game_functions.py ship.py 注意 13.6.3 有外星人到达屏幕底端 game_functions.py 13.6.4 游戏结束 game_stats.py game_functions.py 13.7 确定应运行游戏的哪些部分 alien_inva…...

Vivado中的FFT IP核使用(含代码)

本文介绍了Vidado中FFT IP核的使用,具体内容为:调用IP核>>配置界面介绍>>IP核端口介绍>>MATLAB生成测试数据>>测试verilogHDL>>TestBench仿真>>结果验证>>FFT运算。 1、调用IP核 该IP核对应手册pg109_xfft.pd…...

​创新驱动,边缘计算领袖:亚马逊云科技海外服务器服务再进化

2022年亚马逊云科技re:Invent盛会于近日在拉斯维加斯成功召开,吸引了众多业界精英和创新者。亚马逊云科技边缘服务副总裁Jan Hofmeyr在演讲中分享了关于亚马逊云科技海外服务器边缘计算的最新发展和创新成果,引发与会者热烈关注。 re:Invent的核心主题是…...

什么是“人机协同”机器学习?

“人机协同”(HITL)是人工智能的一个分支,它同时利用人类智能和机器智能来创建机器学习模型。在传统的“人机协同”方法中,人们会参与一个良性循环,在其中训练、调整和测试特定算法。通常,它的工作方式如下…...

数学建模笔记-拟合算法

内容:拟合算法 一.概念: 拟合的结果就是找到一个确定的曲线 二.最小二乘法: 1. 2.最小二乘法的二表示的是平方的那个2 3.求解最小二乘法: 三.评价拟合的好坏 1.总体评分和SST: 2.误差平方和SSE: 3.回…...

非线性约束的优化问题_序列二次规划算法代码

1. 理论部分 2. 序列二次规划算法代码及解析 3.完整代码 1.理论部分 a.约束优化问题的极值条件 库恩塔克条件(Kuhn-Tucker conditions,KT条件)是确定某点为极值点的必要条件。如果所讨论的规划是凸规划,那么库恩-塔克条件也是充分条件。 &#xff…...

【数据结构之顺序表】

数据结构学习笔记---002 数据结构之顺序表1、介绍线性表1.1、什么是线性表? 2、什么是顺序表?2.1、概念及结构2.2、顺序表的分类 3、顺序表接口的实现3.1、顺序表动态存储结构的Seqlist.h3.1.1、定义顺序表的动态存储结构3.1.2、声明顺序表各个接口的函数 3.2、顺序表动态存储…...

junit-mock-dubbo

dubbo单元测试分两种情况 Autowired注解是启动上下文环境,使用上下文对象进行测试,适合调试代码 InjectMocks注解是启动上下文环境,使用mock对象替换上下文对象,适合单元测试 BaseTest *** Created by Luohh on 2023/2/10*/ S…...

json解析之fastjson和jackson使用对比

前言 最近项目中需要做埋点分析,首先就需要对埋点日志进行解析处理,刚好这时候体验对比了下fastjson和jackson两者使用的区别,以下分别是针对同一个json串处理,最终的效果都是将json数据解析出来,并统一展示。 一、fa…...

设计模式之-模板方法模式,通俗易懂快速理解,以及模板方法模式的使用场景

系列文章目录 设计模式之-6大设计原则简单易懂的理解以及它们的适用场景和代码示列 设计模式之-单列设计模式,5种单例设计模式使用场景以及它们的优缺点 设计模式之-3种常见的工厂模式简单工厂模式、工厂方法模式和抽象工厂模式,每一种模式的概念、使用…...

微软官方出品:GPT大模型编排工具,支持C#、Python等多个语言版本

随着ChatGPT的火热,基于大模型开发应用已经成为新的风口。虽然目前的大型模型已经具备相当高的智能水平,但它们仍然无法完全实现业务流程的自动化,从而达到用户的目标。 微软官方开源的Semantic Kernel的AI编排工具,就可以很好的…...

docker安装的php 在cli中使用

1: 修改 ~/.bashrc 中新增 php7 () {ttytty -s && tty--ttydocker run \$tty \--interactive \--rm \--volume /website:/website:rw \--workdir /website/project \--networkdnmp_dnmp \dnmp_php php "$" }–networkdnmp_dnmp 重要, 不然连不上数据库, 可通…...

tcp vegas 为什么好

我吹捧 bbr 时曾论证过它在和 buffer 拧巴的时候表现如何优秀,但这一次说 vegas 时,我说的是从拥塞控制这个问题本身看来,vegas 为什么好,并且正确。 接着昨天 tcp vegas 鉴赏 继续扯。 假设一群共享带宽的流量中有流量退出或有…...

【设计模式】命令模式

其他系列文章导航 Java基础合集数据结构与算法合集 设计模式合集 多线程合集 分布式合集 ES合集 文章目录 其他系列文章导航 文章目录 前言 一、什么是命令模式? 二、命令模式的优点和应用场景 三、命令模式的要素和实现 3.1 命令 3.2 具体命令 3.3 接受者 …...

张量维度操控心法:从reshape到升维降维,吃透PyTorch形状操作的底层逻辑

✨ 张量维度操控心法:从reshape到升维降维,吃透PyTorch形状操作的底层逻辑🔐 张量形状操作的黄金法则:形状是视角,内容是本质🔧 reshape函数:零侵入的形状重塑神器核心原理与执行规则实操代码与…...

3步实现视频硬字幕精准提取:本地化多语言解决方案如何解决你的字幕难题

3步实现视频硬字幕精准提取:本地化多语言解决方案如何解决你的字幕难题 【免费下载链接】video-subtitle-extractor 视频硬字幕提取,生成srt文件。无需申请第三方API,本地实现文本识别。基于深度学习的视频字幕提取框架,包含字幕区…...

5分钟部署阿里RexUniNLU:Web界面操作,无需编程基础

5分钟部署阿里RexUniNLU:Web界面操作,无需编程基础 1. 认识RexUniNLU:零样本理解的神器 想象一下,你刚接手一个新项目,老板丢给你一堆用户评论,要求你快速分析出大家对产品"屏幕"、"续航&…...

实战避坑:在Windows上用C++/WinRT搞定双模蓝牙(EDR+Ble)通信的完整流程

实战避坑:在Windows上用C/WinRT搞定双模蓝牙(EDRBle)通信的完整流程 蓝牙技术在现代设备中无处不在,但对于开发者而言,实现Windows桌面应用与双模蓝牙设备(同时支持经典蓝牙EDR和低功耗蓝牙BLE)…...

Wan2.2-I2V-A14B企业应用:法律文书解读AI动画视频生成系统

Wan2.2-I2V-A14B企业应用:法律文书解读AI动画视频生成系统 1. 系统概述与核心价值 法律行业每天需要处理大量文书材料,传统的人工解读和可视化呈现方式效率低下且成本高昂。Wan2.2-I2V-A14B法律文书解读AI动画视频生成系统正是为解决这一痛点而生。 这…...

解锁浏览器潜能:用户脚本实用指南

解锁浏览器潜能:用户脚本实用指南 【免费下载链接】greasyfork An online repository of user scripts. 项目地址: https://gitcode.com/gh_mirrors/gr/greasyfork 你是否常常觉得浏览器功能不够用?想让网页自动完成重复操作?希望个性…...

Stable Diffusion 2.0超分实战:4倍放大图片还能保持清晰度的秘密

Stable Diffusion 2.0超分实战:4倍放大图片还能保持清晰度的秘密 在数字图像处理领域,超分辨率技术一直是设计师和开发者关注的焦点。传统放大方法往往导致图像模糊、细节丢失,而基于深度学习的超分方案正在改变这一局面。Stable Diffusion 2…...

Windows下PyTorch CPU版安装全攻略:从下载到验证(含conda常用命令)

Windows平台PyTorch CPU版高效安装指南:从零基础到环境验证 在深度学习领域,PyTorch已成为最受欢迎的框架之一。对于Windows用户而言,特别是刚接触机器学习的新手,正确安装PyTorch是迈入这一领域的第一步。本文将详细介绍如何在Wi…...

Pixie微型LED链式显示模块技术解析与嵌入式驱动开发

1. Pixie显示模块技术解析与嵌入式驱动开发指南Pixie 是一款面向嵌入式系统的链式可扩展微型LED点阵显示模块,由Lixie Labs LLC(Connor Nishijima)设计并开源。其核心价值在于以极小物理尺寸(20.6mm 34.7mm)集成双57共…...

Pixel Couplet Gen实战案例:某AI开发者大会现场扫码生成像素春联纪念品

Pixel Couplet Gen实战案例:某AI开发者大会现场扫码生成像素春联纪念品 1. 项目背景与创意来源 1.1 传统与创新的碰撞 在2024年某AI开发者大会现场,我们推出了一款名为"Pixel Couplet Gen"的互动装置。这款产品将中国传统春节文化与现代AI技…...