课程旨在提升课程参与者在数据分析、趋势预测和资源评估等方面的能力，激发创新思维，并通过实践操作深化对AI在气象数据分析中应用的理解。4.2模型堆叠：使用mlxtend库或自定义方法实现模型堆叠，结合不同模型的预测结果作为新的特征，训练一个新的模型。2.4时间序列分割：对于时间序列数据，使用时间顺序分割数据，确保训练集中的数据点时间上早于测试集中的数据点。1.2数据探索：通过统计摘要、可视化方法（如

课程以DeepSeek平台为核心，深度融合Python生态中的科学计算库（如GDAL、scikit-learn、TensorFlow），不仅教授传统的高光谱辐射校正、几何精校正、大气校正等预处理技术，更重点突破深度学习在高光谱领域的应用瓶颈。更重要的是，课程突破了传统遥感培训“重理论轻实践”的局限，通过50GB真实数据集（含欧比特卫星、高分5B、HySpex、双利合谱、地面传感器数据等）和99个完

介绍Fluent的主要模块、工作流场介绍边界条件的类型及设置方法湍流模型选取原则流体物性的正确设置判定计算收敛的标准，及注意事项。

相比于ENVI等传统的遥感影像处理工具，GEE在处理海量遥感数据方面具有不可比拟的优势，一方面提供了丰富的计算资源，另一方面其巨大的云存储节省了科研人员大量的数据下载和预处理的时间，是遥感数据的计算和分析可视化方面代表世界该领域最前沿水平，是遥感领域的一次革命。专题涉及长时间序列遥感影像预处理、植被指数批量计算、年度影像合成、数组影像概念和使用方法、LandTrendr算法原理及参数设置、森林扰动

相比于ENVI等传统的遥感影像处理工具，GEE在处理海量遥感数据方面具有不可比拟的优势，一方面提供了丰富的计算资源，另一方面其巨大的云存储节省了科研人员大量的数据下载和预处理的时间，是遥感数据的计算和分析可视化方面代表世界该领域最前沿水平，是遥感领域的一次革命。专题涉及长时间序列遥感影像预处理、植被指数批量计算、年度影像合成、数组影像概念和使用方法、LandTrendr算法原理及参数设置、森林扰动

随着人工智能技术在地球科学领域的深度融合与快速发展，AI大模型正以前所未有的方式重塑地球科学智能的研究范式与应用边界。本课程系统性地整合了从基础数据处理到高阶智能建模的全链条技术体系，以Python编程为基石，以机器学习与深度学习为核心方法论，深入剖析随机森林（RF）、卷积神经网络（CNN）、长短期记忆网络（LSTM）及Transformer等前沿模型在地学场景中的创新应用。

发明专利作为国家和高校认可的成果形式之一，其申请和授权一直受到教师和学生们的高度重视；基于算法的发明专利作为发明专利的重要分支，每年都有大量的算法专利被授权或者拒绝。虽然高校的教师对论文写作非常熟悉，但是发明专利的写作方式和特点与论文的区别非常大，所以其成功率一直不高。为了帮助高校教师有效申请算法发明专利，特召开此。

该数据库除主数据库外，还有地理底图数据库及地理内容属性库，地质内容属性库、色标库、线型库、花纹库、符号库、图例库等构成。(1) 地理底图数据库及地理内容属性库，包括行政区、行政区界线、居民地、公路、铁路、河流、湖泊、海洋要素、地貌等9类33种内容。(2) 地质内容属性库：包括地层、侵入岩、火山岩、变质岩、特殊岩类、断层、同位素年龄、火山口、钻孔等10类内容。自动绘制地质体符号;(7) 地理底图内容

地质灾害类型地质灾害发育特征与分布规律地质灾害危害特征地质灾害孕灾地质条件分析地质灾害诱发因素与形成机理。

本次包含ADCIRC模式的基础到高阶的内容，针对风暴潮的模拟和预报，既有基础理论讲解，又有实践操作环节。此外，还采用ADCIRC模式+Python语言结合的方式，利用Python在数据处理、科学计算和数据可视化方面的优势，将其结合应用在ADCIRC模式的前后处理当中，助力ADCIRC模式的使用，并在海洋、气象和水文等地学领域的业务、科研和工程项目中得到实际有效的应用。在掌握Python的基础语法上