ArcGIS作为GIS领域的领先平台，具备处理海量空间数据、执行复杂空间分析、制作专业地图、进行遥感图像处理和分析、实现二次开发等众多优势。结合ArcGIS和GPT的优势，本次重点：AI大模型应用、ArcGIS工作流程及功能、Prompt使用技巧、AI助力工作流程、AI助力数据读取与处理、AI助力空间分析、AI助力遥感分析、AI助力二次开发、AI助力科研绘图以及ArcGIS与AI的综合应用。AI助

8、（实操演练）ChatGPT-4o科研必备GPT汇总介绍（寻找好用的GPTs模型、提示词优化、生成思维导图、生成PPT、生成视频、制定个性化的学习计划、检索论文、总结论文内容、总结视频内容、撰写论文、论文翻译、论文润色与修改、参考文献格式管理、论文评审、数据分析、生成代码、代码调试等）2、（实操演练）国内外大语言模型（ChatGPT 4O、Gemini、Claude、Llama3、Perplex

1、什么是大模型？大模型（Large Language Model, LLM）是一种基于深度学习技术的大规模自然语言处理模型。代表性大模型：GPT-4、BERT、T5、ChatGPT 等。特点： 多任务能力：可以完成文本生成、分类、翻译、问答等任务。上下文理解：能理解复杂的上下文信息。广泛适配性：适合科研、教育、行业等多领域应用。2、高效提示词设计 什么是提示词？提示词（Prompt）是向大模型输

基础篇：Python编程与地球科学AI工具基础模块一Python与地球科学AI编程基础专题一、Python for Earth Science快速入门与AI编程助手1、面向地球科学的Python编程基础（精简回顾，强调数据处理）2、科学计算基础：NumPy、SciPy、Pandas3、数据可视化技术：Matplotlib、Seaborn、Plotly4、AI编程工具与大模型应用：GitHub Co

从“存论文”升级为“以文献为证据核心的可推理科研系统”，让AI不再“凭空总结”，而是基于真实文献进行可溯源分析与写作。自由发散型思考（ChatGPT/Claude）vs基于资料的严谨推理（NotebookLM）为什么通用LLM会“幻觉”，而 NotebookLM更“克制”【新增】Python是科研的“发动机”，LLM是科研的“驾驶系统”2.NotebookLM：以“你的资料”为核心的科研AI。AI

二、

四、基于GAMS进行数学建模和优化分析的优势。六、Model Libraries模型库。二、人工智能算法（遗传算法、蚁群算法、4.有序集合（SOS1、SOS2）4.数据导入（Excel表格数据）4.数据导入（Excel表格数据）七、计算模型Model solve。四、录入参数Parameter。一、基于GAMS的优化实例分享。五、设置变量Variable。六、构建方程Equation。四、其他软件

此次的主要目的是深入探讨植被净初级生产力（NPP）的模拟、驱动力分析及其气候变化响应，利用LPJ模型为研究工具，帮助学员掌握从GPP到NPP、NEP/NEE等关键量的计算与应用。3.数据预处理： 标准化、空间重采样与投影、缺测插补（Temporal/Spatial）、偏差订正（Bias-Correction）、掩膜与域裁剪（Mask/ROI）1.了解 LPJ-GUESS 的群落/年龄级结构、干扰（

7、PyTorch常用工具包及API简介（torchvision（transforms、datasets、model）、torch.nn、torch.optim、torch.utils（Dataset、DataLoader））1、统计数据的描述与可视化（数据的描述性统计：均值、中位数、众数、方差、标准差、极差、四分位数间距等；2、卷积神经网络的基本原理（什么是卷积核、池化核？4、张量（Tensor

2.WOS与CNKI数据导入、清洗方法。4.CNKI数据导出方法与注意事项。3.学科分布图绘制参数选择与解读。4.共现网络图绘制参数选择与解读。1.R包安装调用、数据加载与过滤。7.国家出版密度及合作分析与解读。3.共被引网络图绘制与解读关键。7.时间线图绘制参数选择与解读。6.WOS数据导出与注意事项。2.WOS与CNKI数据导入。4.叠加网络图绘制与解读关键。5.聚类图绘制参数选择与解读。6.