通过高光谱矿物识别，木材含水量提取、土壤有机碳评估等案例，提供可借鉴的高光谱应用领域的技术服务方案，结合Python科学计算、可视化、数据处理与机器学习等开源开发库，深入介绍高光谱技术的应用功能开发。

高光谱遥感信息对于我们了解世界具有重要价值，大多数材料在人眼看来都是一样，而在高光谱遥感的观察下，显示出独特的“光谱特征”。

第一章、高光谱基础

第一课 高光谱遥感简介

²什么是高光谱遥感？

²高光谱遥感为什么重要？

²高光谱遥感与其他遥感技术的区别是什么？

   ²高光谱遥感的历史和发展

第二课 高光谱传感器与数据获取

²高光谱传感器类型

²如何获取高光谱数据

  ²高光谱数据获取的挑战和限制

第三课 高光谱数据预处理

²高光谱图像物理意义

²辐射定标

²大气校正

  ²光谱平滑和重采样

第四课 高光谱分析

²光谱特征提取

²降维技术（如PCA、MNF）

²高光谱分类、回归、目标检测
²混合像元分解方法

第五课 高光谱应用

²环境监测（植被分类、水质评估）

²农业（作物产量估计、病害检测）

²矿产勘探（矿物识别、地质调查）

  ²城市规划（如土地利用/覆盖分类、城市热岛分析）

第二章、高光谱开发基础（Python）

第一课 Python编程介绍

²Python简介

²变量和数据类型

²控制结构

²功能和模块

²文件处理

  ²第三方包与虚拟环境

第二课 Python空间数据处理

²空间数据和Python介绍

²Python空间数据处理库介绍

²Python读取和写入空间数据文件

  ²Python进行地理空间分析

第三课 python 高光谱数据处理

²高光谱数据读取python实现

²高光谱数据预处理python实现

²高光谱混合像元分解python实现

  ²高光谱数据可视化python实现

第三章、高光谱机器学习技术（python）

第一课 机器学习概述与python实践

²机器学习介绍

²sciki learn 介绍

²数据和算法选择

²通用学习流程

  ²机器学习模型

第二课 高光谱机器学习

²机器学习技术在高光谱数据处理、分析中的应用介绍

²高光谱数据机器学习实践

  ²机器学习模型性能评估和验证技术

第三课 深度学习概述与python实践

²深度学习介绍

²PyTorch概述

²PyTorch开发基础

  ²PyTorch案例分析

第四课 高光谱深度学习

²自编码器在高光谱数据分析中的应用

²卷积神经网络（CNN）在高光谱数据分析中的应用

²循环神经网络（RNN）在高光谱数据分析中的应用

  ²高光谱深度学习案例分析

第四章、典型案例操作实践

第一课 矿物填图案例

²岩矿光谱机理

²高光谱矿物填图方法介绍

²高光谱数据矿物填图（ENVI）

²高光谱数据矿物填图（Python）

  ²高光谱数据矿物填图机器学习案例（ Python ）

第二课 农业应用案例

²植被高光谱机理

²高光谱数据作物分类（ENVI）

²高光谱数据作物识别与分类（Python）

  ²高光谱数据农业应用机器学习案例（Python）

第三课 土壤质量评估案例

²土壤光谱机理与特征

²土壤质量调查内容

²地面光谱测量与采样

²无人机高光谱测量与土壤调查

  ²高光谱土壤机器学习程序解析

第四课 木材含水率评估案例

²无损检测原理

²木材无损检测

  ²木材含水率检测练习

原文链接：

https://mp.weixin.qq.com/s?__biz=MzUyNzczMTI4Mg==&mid=2247652611&idx=6&sn=bd1cd13701e072ece815abefadc28b4e&chksm=fa77ca3ecd004328ce999d8c81eb870a9cb31f55d8eeee1e214d1cacd152df15e732fbdacca4&token=1724138116&lang=zh_CN&scene=21#wechat_redirect