专题一：Python遥感数据处理基础及AI大模型应用技巧

1、常用地理空间数据处理python库的介绍及应用示例

GDAL库的介绍、安装与应用示例（多种栅格数据格式、数据裁剪、重投影以及统计分析等）

 Rasterio库的介绍与应用示例（主要用于数据读取、写入与数据类型变换）

ArcPy库的介绍、安装及应用示例（结合ArcGIS工具的地理空间数据处理）

Numpy库的介绍、安装与应用示例（主要用于数组形式存储数据的处理）

2、AI大模型应用技巧

AI大模型的提问框架（提示词、指令）

优化提示词工具的介绍与应用

 专业级GPT store（定制版ChatGPT）应用

专题二：常用共享数据资源介绍

1、常见卫星遥感反射率数据

Landsat系列反射率数据

Sentinel系列卫星数据

MODIS卫星反射率数据

GF/HJ/ZY…系列卫星数据

2、常见植被参数遥感产品

植被指数遥感产品

植被叶面积指数遥感产品

植被总初级生产力遥感产品

植被净初级生产力遥感产品

植被光合有效辐射吸收比遥感产品

3、常用气象水文数据集

ERA5及其ERA5_Land数据集（包括气温、降水、风速和土壤湿度等变量）

CHIPRS、TRMM以及GPM降水数据集

GLDAS数据集（包括土壤湿度、气温和降水等变量）

WorldClim数据集（包括气温、降水和风速等变量）

4、其他常用辅助遥感产品数据

数字高程模型数据

土地覆盖/土地利用数据

专题三:AI辅助下地球科学数据处理方法及python实现

1、结合AI的python遥感数据预处理

AI辅助下的遥感数据格式转换与拼接

常用卫星遥感数据的去云处理

MODIS遥感产品质量控制图层读取及含义解读

AI辅助下的遥感数据产品质量控制

数据裁剪、重采样以及时间序列数据筛选与合成等

2、结合AI的常见植被指数及生态参数计算

植被指数NDVI、EVI、NIRv以及kNDVI等的计算

基于已有遥感产品的植被-生态参数的计算

3、结合AI的python遥感数据时间序列重构

年内时间序列遥感数据重构以去除噪声点(SG滤波、多项式拟合、…)

长时序逐年份遥感产品年均/最大值、月均/最大值、季节均/最大值批处理运算

距平anomaly及变异系数coefficient of variation计算

不良天气(如云)对长时序遥感数据分析的影响

专题四:AI辅助下植被参数遥感反演基本原理及python实现

遥感反演植被参数类型

PROSAIL模型介绍

模型参数敏感性分析方法及python实现

结合AI的植被参数遥感反演算法及python实现

专题五:AI辅助下地球科学数据分析方法及python实现

1、长时间序列趋势分析

长时序趋势分析方法基本原理

结合AI的一元线性回归趋势分析方法的python实现

结合AI的Mann-Kendall (M-K)趋势分析方法的python实现

2、数据主要特征提取方法—主成分分析

主成分分析方法基本原理及应用

结合AI的python遥感数据主成分分析

专题六:AI辅助下植被物候提取与分析实践应用

1、植被物候及其提取原理与方法

植被物候及其提取原理

植被物候常用提取方法

2、AI辅助下的python植被物候提取

年内时间序列数据重构

多种植被物候提取方法的python实现（threshold/logistic/derivative/…）

生长季开始/长度/结束日期提取

区域植被SOS/LOS/EOS制图

专题七:AI辅助下植被时空动态分析及python实践应用

AI辅助下的python长时序植被动态变化趋势分析

植被变绿/变黄趋势判断准则

基于一元线性回归的植被变化趋势判断

基于M-K趋势分析的植被变化检测

基于变异系数法(CV)的植被变化稳定性分析

结果成图显示与分析

专题八:AI辅助下植被动态变化归因分析及python实践应用

AI辅助下的python植被变化归因分析

植被动态归因分析方法介绍

基于相关/偏相关系数的植被动态归因分析

基于多元线性回归方法的植被动态归因分析

基于机器学习方法的植被动态归因分析

结果成图展示与分析

专题九:AI辅助下生态环境质量遥感评估及python实践应用

1、遥感生态指数（RSEI）原理与计算方法

遥感生态指数（RSEI）原理

遥感生态指数（RSEI）构建方法

2、AI辅助下基于遥感数据的遥感生态指数( RSEI)计算

卫星遥感数据预处理

湿度（WET）、绿度（NDVI）、热度（LST）和干度（NDBSI）等生态指标计算

主成分分析（PCA），计算RSEI值

RSEI归一化处理