查看原文https://mp.weixin.qq.com/s/vzD-nxulHHewqLi7isKp-g前言本内容以JavaScript 版本 GEE 云平台为核心工具聚焦遥感大数据在林业领域的典型应用实践采用“基础入门—关键知识串讲—综合案”的递进式结构。首先系统介绍 GEE 平台的基本架构、数据资源MODIS、Landsat、Sentinel 等 PB 级遥感数据集和在线可视化计算机制帮助建立云遥感的基本认知。随后通过微型案例对 GEE 的核心功能模块进行串讲涵盖影像筛选与预处理、波段运算与指数计算、时间序列分析、分类与变化检测等关键操作技能夯实实操基础。在此基础上聚焦林业应用专题结合多个典型案例进行综合实战演练例如森林覆盖变化监测、树种分类与生物量估算、林火迹地识别与灾后评估、森林砍伐与退化分析等完整展示从数据获取、方法设计、代码实现到结果可视化的全流程解决方案。值得一提的是全程融合 AI 自然语言模型辅助学习在案例实操中引入 AI 辅助代码调试、思路优化和问题解答提升效率的同时也为今后自主探索新问题提供智能化工具支持。整套内容强调理论与实践并重通过完整的案例数据、代码和永久回放的视频教程帮助掌握利用 GEE 云平台解决林业实际问题的能力。内容简述基础实践篇1.1平台及基础开发平台GEE平台及典型应用案例介绍GEE开发环境及常用数据资源介绍ChatGPT、文心一言等GPT模型介绍、帐号申请及林业遥感应用JavaScript基础简介GEE遥感云重要概念与典型数据分析流程GEE基本对象介绍、矢量和栅格对象可视化、属性查看API查询、基本调试等平台上手。1.2GEE基础知识与ChatGPT等AI模型交互影像基本运算与操作数学运算、关系/条件/布尔运算、形态滤波、纹理特征提取影像掩码、裁剪和镶嵌等要素基本运算与操作几何缓冲区交、并、差运算等集合对象操作循环迭代map/iterate、合并Merge、联合Join数据整合Reduce包括影像与影像集整合影像合成、影像区域统计与域统计分组整合与区邻域统计影像集线性回归分析等机器学习算法包括监督随机森林、CART、SVM、决策树等与非监督wekaKMeans、wekaLVQ等分类算法分类精度评估等数据资产管理包括本地端矢量和栅格数据上传、云端矢量和栅格数据下载、统计结果数据导出等绘图可视化包括条形图、直方图、散点图、时间序列等图形绘制。GPT模型交互结合上述基本知识点和ChatGPT、文心一言等AI工具进行交互演示包括辅助答疑、代码生成与修正等技巧。2、重要知识点微型案例串讲与GPT模型交互演示1) Landsat、Sentinel-2影像批量自动去云和阴影2) 联合Landsat和Sentinel-2批量计算植被指数和年度合成3) 研究区可用影像数量和无云观测数量统计分析4) 中国区域年度NDVI植被数合成及年度最绿DOY时间查找5) 时间序列光学影像数据的移动窗口平滑6) 分层随机抽样及样本导出、样本本地评估与数据上传云端7) 中国近40年降雨量变化趋势分析8) 某区域年度森林损失统计分析基于Hansen森林产品3、典型案例综合演练3.1案例一联合多源遥感数据的森林识别详细介绍联合Landsat时间序列光学影像和PALSAR-2雷达数据以及决策树算法实现森林等典型地类遥感分类的完整流程。专题涉及影像数据时空过滤、光学影像批量云掩膜与植被指数计算分层随机抽样及样本导出、本地端质量控制与云端上传、样本随机切分、可分离性分析、分类算法构建及应用、分类后处理和精度评估专题图绘制等。3.2案例二长时间尺度的森林状态监测利用长时间序列的MODIS或Landsat影像数据对森林状态进行长期监测分析森林植被绿化或褐变情况。专题涉及时间序列影像预处理、影像集连接、影像合成、变化趋势非参数检测、显著性检验和变化趋势量化与分级、空间统计和结果可视化和专题图绘制等。3.3案例三森林砍伐与退化监测联合Landsat系列影像光谱分离模型和NDFI归一化差值分数指数实现森林的砍伐和退化监测。专题涉及影像预处理、混合像元分解、NDFI指数计算、函数封装、变化检测和强度分级结果可视化、专题图绘制等。3.4案例四森林火灾监测详细介绍利用Landsat和Sentinel-2时间序列光学遥感影像监测森林火灾损失情况实现火灾强度分级。专题涉及影像过滤、Landsat和Sentinel-2光学影像除云等预处理、植被指数计算、影像合成、火灾区域识别和灾害强度分级结果统计分析与可视化等。3.5案例五长时间尺度的森林扰动监测联合30年的Landsat等光学影像和经典LandTrendr算法实现森林扰动的监测。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、森林扰动结果解译与空间统计分析、可视化及专题图绘制等。3.6案例六森林关键生理参数树高、生物量/碳储量反演联合GEDI激光雷达、Landsat/Sentinel-2多光谱光学影像、Sentinel-1 /PALSAR-2雷达影像等和机器学习算法反演森林的关键物理参数如树高、生物量/碳储量。专题涉及GEDI激光雷达数据介绍、常见光学和雷达数据处理、机器学习算法应用、反演精度评估和变量重要性分析、结果可视化等内容。