很多资源环境领域的从业人员也介入到无人机应用中，通过无人机搭载不同的传感器可以灵活高效地进行地表空间要素的动态监测，获取大量宝贵的监测数据，极大地解决了很多传统野外观测手段无法解决的问题。本次融合无人机生态环境监测技术和ArcGIS数据分析技术，通过具体案例分析与软件操作实践，详细介绍包括无人机多源遥感影像数据采集（可见光、多光谱、激光雷达等）、影像数据拼接、空间数据编辑、空间数据分析、空间数据专

北斗/GNSS高精度数据处理：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、地震等行业部门必备

CMIP6数据被广泛应用于全球和地区的气候变化研究、极端天气和气候事件研究、气候变化影响和风险评估、气候变化的不确定性研究、气候反馈和敏感性研究以及气候政策和决策支持等多个领域。

在水文水环境保护中，对于信息的采集、处理和分析是关键步骤。水文水环境及其相关数据均具有空间分布特征，传统的方法难以发挥作用。地理信息系统（GIS）强大的空间数据管理和分析功能，在空间信息处理上有独到的优势，是研究区域水文水环境的空间差异的有力工具，GIS在水文水环境中的应用对解决水文水环境中许多问题起着重要的作用与意义。8.5 案例分析：基于考核断面的水质达标的水环境容量计算。7.5 案例分析：基

在实践中，变量间的因果关系研究往往求助于昂贵的实验，但所得结果又经常与天然环境中的实际因果联系相差甚远。统计学方法是研究天然环境中变量间关系的好方法，但常见的统计学方法往往回答的是变量间的相关关系。自贝叶斯网络模型在上个世纪80年代被正式提出以来，其已经被运用于生态、环境、医学、社会学等各方面的研究，取得了丰硕的成果；本内容以开源的R语言为平台，通过理论和实践相结合的方法，系统介绍了贝叶斯网络结构

机器学习已经成为继理论、实验和数值计算之后的科研“第四范式”，是发现新规律，总结和分析实验结果的利器。机器学习涉及的理论和方法繁多，编程相当复杂，一直是阻碍机器学习大范围应用的主要困难之一，由此诞生了Python，R，SAS，STAT等语言辅助机器学习算法的实现。tidymodels，一个符合tidyverse原则的建模框架，包括了一系列包来完成这个美好的使命。这一系列包，各自肩负着自己的责任，以

植被总初级生产力(GPP)是指植物通过光合作用吸收的碳，是陆地生物圈和大气之间最大的碳通量，GPP的准确量化对于理解气候变化中生态系统功能、农业生产和碳循环的动态以及对气候的反馈具有重要意义蒸散发（Evapotranspiration，ET）广义来说包括土壤及水面水分蒸发、植被蒸腾、植被冠层截留降水蒸发、冰雪升华等，是水圈、大气圈、土壤圈和生物圈中水分和能量交换的主要过程，也是生态过程和水文过程的

DNDC模型是目前国际上最为成功的模拟生物地球化学循环的模型之一，经过不断完善和改进，从模拟简单的农田生态系统发展成为可以模拟几乎所有陆地生态系统的动态模拟模型

WOFOST（WorldFoodStudies）和PCSE（PythonCropSimulationEnvironment）是两个用于农业生产模拟的模型：WOFOST是一个经过多年开发和验证的模型，被广泛用于全球的农业生产模拟和农业政策分析；作物本身的生长发育是一个非常复杂的过程，因此在利用作物模型模拟作物生长过程中涉及的输入参数较多，主要包括气象、作物、土壤、田间管理参数等，在模型参数敏感性分析

大气污染源排放清单不确定性来源及定量分析方法；以VOCs排放为例，掌握排放源核算及组分清单建立方法;基于SMOKE模型的大气污染源排放清单处理技术方法；基于SMOKE的多模式排放清单输入制备方法；掌握在CMAx、CMAQ、WRF-chem等模式中的应用方法；EDGAR/MEIC清单处理技术方法