1、2024 AIGC技术最新进展介绍（生成式人工智能的基本概念与原理、文生视频模型OpenAI Sora vs.Google Veo）2、（实操演练）国内外大语言模型（ChatGPT-4o- 4o、Gemini、Claude、Llama3、温馨一言、星火、通义千问、Kimi、智谱清言等）对比分析3、（实操演练）Llama3开源大语言模型的本地部署、对话与微调训练本地数据4、（实操演练）ChatG

第一章、2024大语言模型最新进展与ChatGPT、DeepSeek等大语言模型1、2024 AIGC技术最新进展介绍（生成式人工智能的基本概念与原理、最新前沿技术和发展趋势简介）2、（实操演练）国内外大语言模型（ChatGPT 4O、Gemini、Claude、Llama3、Perplexity AI、文心一言、星火、通义千问、Kimi、智谱清言、秘塔AI、DeepSeek等）对比分析。

专题一、开启自然科学研究新范式1、基于ChatGPT-4o开启科研新范式1)自然科学研究的主要流程2)AI大模型的助力科研新范式3)AI大模型的提问框架（提示词、指令）和专业级GPT store应用案例1.1：开启大模型科研新范式案例1.2：大模型助力自然科学的经典案例分析案例1.3：经典高效的提问模板，提升模型效率专题二、基于ChatGPT大模型的论文写作2、科学论文写作全面提升案例2.1：大模

Chatgpt与python集成的卫星、机载和近景地面高光谱数据的处理和混合像元分解。Chatgpt与python集成三维卷积神经网络构建与农作物分类。基于chatgpt与python 的土壤含水量模型构建和评价。·Chatgpt辅助下python遥感数据处理开发基础。·Chatgpt辅助下GEE遥感数据处理基础开发。·Chatgpt辅助下envi遥感数据处理。Chatgpt辅助下envi遥感数据

1.6 案例：AI（DeepSeek、ChatGPT）支持下的空间数据处理及分析（直接分析和间接分析）综合案例10：AI（DeepSeek、ChatGPT）支持下全国净初级生产力（NPP）分布特征分析。6.2 案例：AI（DeepSeek、ChatGPT）支持下度量地理分布：标准距离、平均中心等。5.7 案例：AI（DeepSeek、ChatGPT）支持下实现栅格计算（加减乘除等）4.2 案例：A

4、值得研究的若干问题（隐含层神经元个数、学习率、初始权值和阈值等如何设置？3、PyTorch代码实现神经网络的基本流程（Data、Model、Loss、Gradient）及训练过程（Forward、Backward、Update）5、卷积神经网络调参技巧（卷积核尺寸、卷积核个数、移动步长、补零操作、池化核尺寸等参数与特征图的维度，以及模型参数量之间的关系是怎样的？1、迁移学习算法的基本原理（为什

3、利用ChatGPT4及插件总结分析文献内容（三句话摘要、子弹式要点摘要、QA摘要、表格摘要、关键词与关键句提取、页面定位、多文档对比、情感分析）3、ChatGPT4 DALL.E 3常用的提示词库（广告海报、Logo、3D模型、插画、产品包装、烹饪演示、产品外观设计、UI设计、吉祥物设计等）4、ChatGPT4 DALL.E 3中的多种视图（正视图、后视图、侧视图、四分之三视图、鸟瞰视图、全景

式中，WF为气象因子（kg/m）；式中，ai为不同植被类型的系数，其中，林地为 -0.153 5，灌木为 -0.092 1，草地为 -0.151 1，农田为-0.043 8，裸地为-0.076 8；其中，D为某一影响因子，H为风蚀量，Q为影响因子对风蚀量的贡献度，取值范围是[0-1]，N、σ2为样本量及其方差，h为样本层数，L为影响因子分类数。土壤风蚀强度变化是诸多要素共同作用的结果，气象因子、下

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、空间数据专题制图等流程的一条完整作业“流水线”，期望能够为感兴趣的资源环境领域的从业人员提供一个实用的学习教程。“天空地”一体化监测体系是新形势下生态、环境、水文、农业、林业、气象等资源环境领域的重大需求，5.图像拼接处理的一般流程（图像对齐、点云生成、点云编辑、正射影像、数字高程模型等）1.ArcGIS可视化（图层操作

本内容以InVEST模型结合实际项目进行由浅入深的实战，融合体系，对接工作实际项目及论文写作，解决参会者关注的重点及实际项目过程问题，采取逐步延伸的逻辑，不论您是小白亦或是已经能够成功运行InVEST模型生成结果，您可以自由选择课程内容，如果您是小白老师手把手教您，如果您已经是InVEST模型熟悉者，已经为您准备了结合实际项目内容以及通过模型进行高质量的论文重现，还有很重要的一点结合InVEST模