本课程以 AI 大模型结合 Python 编程、无人机 SfM 摄影测量为技术主线，系统阐释运动恢复结构三维重建、多光谱辐射传输、植被生物物理参数反演、集成机器学习数理原理，搭建无人机多源遥感 “三维建模 - 特征提取 - 生态定量反演” 一体化技术框架。核心技术涵盖 RTK 无人机航线规范、多光谱辐射校正，依托 Metashape/Pix4D 完成稠密点云、DSM/DTM/CHM 冠层高度模型重建；基于 rasterio、geopandas 等 Python 开源库实现影像批量预处理、NDVI/MSAVI 植被指数、地形纹理特征提取，采用 VIF、PCA 开展特征筛选；集成随机森林、XGBoost、SVM 回归分类算法，配套网格寻优交叉验证、SHAP 偏依赖图模型可解释性分析，落地碳储量、林下生物量、LULC 土地覆被三大定量反演管线，全程借助大模型完成代码生成、排错、图表与论文文本辅助生成。实操环节从 Python 基础与 AI 辅助开发入门，依次开展无人机数据采集、三维点云重建、多源特征融合、机器学习建模、多情景生态空间制图全流程实战，同步解决点云空洞、辐射偏差、模型过拟合、特征多重共线性等建模痛点。整套技术是区域森林碳汇、植被动态、土地资源调查主流低空遥感量化工具，广泛应用林学、生态、国土科研单位。学员可自主完成无人机生态三维建模与 AI 驱动生态参量全域估算，为碳计量、生态监测项目提供可复现标准化遥感建模技术支撑。