本教程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。通过学习，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

Calpuff模型是一种三维非稳态拉格朗日扩散模型，可有效地处理非稳态（如，熏烟、环流、地形和海岸等）下污染物的长距离输送，对污染物浓度进行模拟预测，从而更好地判断受体点污染物的来源。

系统梳理多光谱传感器波段设置、辐射定标与航线规划准则，结合Metashape SfM全流程演示Tie Points筛选、重投影误差控制及点云空洞修复策略；利用Python开源栈（rasterio、GDAL、geopandas、scikit-image）完成批量投影转换、影像裁剪、掩膜过滤与NDVI、MSAVI、GNDVI等植被指数计算；通过随机森林、XGBoost、SVM三套并行建模管线，对碳储量

内容包含ADCIRC模式的基础到高阶，针对风暴潮的模拟和预报，既有基础理论，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，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。

专题一 近十年近地面无人机植被遥感文献分析、传感器选择、观测方式及质量控制要点专题二 辐射度量与地物反射特性专题三 无人机遥感影像辐射与几何处理专题四 光在植被叶片与冠层中的辐射传输机理及平面模型应用专题五 植被覆盖度与叶面积指数遥感估算

通过创建模型或脚本转换为自定义工具， 节省重复性任务的时间、最大限度地减少错误，并高效地对分析进行迭代。您将在具体实践案例中，学会运用上述原理和技术方法，提升GIS技术的应用能力水平和效率。

遥感技术作为一种空间大数据手段，能够从多时、多维、多地等角度，获取大量的农情数据。数据具有面状、实时、非接触、无伤检测等显著优势，是智慧农业必须采用的重要技术之一。

通过详细的理论讲解及多案例操作，从实践技术应用的角度出发，综合该领域学习者的需求及特点，深度掌握实践应用方法。

以生物群落数据分析中的最常用的统计方法回归和混合效应模型、多元统计分析技术及结构方程等数量分析方法为主线，通过多个来自经典研究中的实例，详细讲述各方法的R语言实现途径（详见教学内容）。主要特点为聚焦生态学研究领域，从R语言基础操作和作图、数据准备整理，到各种数量分析方法的应用情景分析，实现从数据整理到分析结果展示的完整科学研究数据分析过程，将《R语言基础》、《tidyverse数据清洗》、《多元统

Calpuff模型是一种三维非稳态拉格朗日扩散模型，可有效地处理非稳态（如，熏烟、环流、地形和海岸等）下污染物的长距离输送，对污染物浓度进行模拟预测，从而更好地判断受体点污染物的来源。模型主要包括：地形、气象数据预处理模块，Calmet模块，Calpuff模块以及Calpost模块。