的全类型科研图形绘制，通过一个个高水平论文案例，从如何画图、如何标注、如何改图、如何美化、如何组合、如何排序来分解科研绘图每个步骤，并且从数据清洗、视觉表现、出版合规等维度构建核心竞争力，帮助学者将复杂科研成果转化为。面对复杂图谱、多维数据、时空动态模型的表达需求，科研绘图。（尺寸、格式、分辨率、字体、配色、高分论文案例）技术路线图的概念与应用：科研工作流程与技术路线。图表设计原则：如何通过图表表

学员将学习如何处理Landsat影像，进行云掩膜处理和植被指数计算，应用二阶调和回归提取NIR、SWIR1、SWIR2和GCVI等波段的时间序列特征系数。学员将学习如何处理和合成多年的植被指数数据，掌握时间序列平滑(Smoothing)与间隙填充(Gap-filling)技术，以消除云、大气等因素的干扰。学员还将掌握基于混淆矩阵的精度评估方法，学习如何计算总体精度、用户精度、生产者精度等指标，以及

优化分析是很多领域中都要面临的一个重要问题，求解优化问题的一般做法是：建立模型、编写算法、求解计算。掌握GAMS这一强大优化工具的使用，更好地解决专业问题，内容包括典型优化模型和算法介绍、GAMS安装和介绍、GAMS程序编写、GAMS程序调试、实际应用算例演示与经验分享等五个章节，算例中除了一般案例展示还涵盖了基于GAMS的实际应用案例分析。三、数学优化方法（分支定界法、动态规划法、拉格朗日松弛法

在讲解过程中会以案例的形式演示与其他软件（如AutoCAD、ArcGIS、MS Office）进行数据交换与协作的方法，以便学员在今后的工作中更加高效的进行多种软件之间的协同工作，以。通过城市内涝一维二维耦合模拟结果，对城市内涝情况进行分析。5.利用GIS软件实现SWMM的快速建模：通过对SWMM模型文件格式的分析，实现SWMM模型文件的快速编辑，从而快速的实现大规模管网模型的建立。1.利用CAD

与传统的处理影像工具（例如ENVI）相比，Earth Engine在处理海量遥感数据方面具有显著优势，提供了丰富的计算资源和巨大的云存储能力，节省大量数据下载和预处理时间。在课程最后，还将结合多年AI使用经验，深入分享AI大模型在科研辅助方面的多项实用技巧，包括文献查找、分析总结、论文撰写、图表解读、语言润色等，以助力科研人员在学术研究中取得更大突破并满足国际交流的需求。主要涉及的技术包括植被指数

特点：Terrasolid是一款专业的激光雷达数据处理软件，主要用于地理信息系统（GIS）和测绘领域，提供了丰富的地理数据处理和分析工具。特点：ArcGISPro是一款专业的地理信息系统（GIS）软件，提供了丰富的地理数据处理、分析和可视化功能，包括激光雷达数据处理工具。特点：ENVI是一款专业的遥感数据处理软件，提供了丰富的遥感图像处理和分析功能，包括对激光雷达数据的处理和分析。特点：LiDAR

随着GNSS导航定位技术在不同领域的广泛应用和技术更新的飞速发展，在大型工程项目的设计、施工、运行和管理各个阶段对工程测量提出了更高的要求，许多测绘、勘测、规划、市政、交通、铁道、水利水电、建筑、矿山、道桥、国土资源、气象、地震等行业部门在大型工程建设过程中需应用到高精度卫星定位方面的技术和服务。(sestbl.、station.info、sittbl.、lfile.、lfile.apr)与详细。

然而现实是，大多数人仍停留在“简单对话式使用AI”的阶段，只是把AI当作一个更聪明的搜索工具，并没有真正将其转化为科研生产力，更谈不上系统性的创新能力提升。第一章、大语言模型（ChatGPT、Claude、Gemini、DeepSeek与NotebookLM的能力边界：从“会用AI”到“因任务选模型”第五章、科研Agent工具全景：Codex、OpenClaw、Hermes、Cursor与Clau

5、成果图：生物量热力图、预测 vs 实测残差图LSTM、GRU、Prophet、XGBoost等时序建模。4、基于Python的统计分析：点云密度热力图、空洞识别、误差地图。1、三维建模精度控制：Tie Points、RMSE、重投影误差。6、Python栅格/矢量预处理：投影、裁剪、掩膜、格式转换。3、模型构建：随机森林、XGBoost、SVM、线性回归。1、目标定义：基于CHM、NDVI、坡

介绍光谱、多光谱、RGB真彩色、彩色图像、反射率、DN值、辐射亮度等基本理论和概念。Landsat和Aster、高光谱数据综合使用矿物识别案例，采用Landsat数据、Aster数据、资源02E数据进行绢云母、绿泥石等蚀变矿物信息提取和定量评估。多光谱遥感的数据处理方法，数据辐射校正、正射校正、地形校正、数据合成、数据镶嵌，基于SNAP软件的哨兵数据预处理方法；从回归、分类、聚类、降维4个方面学习