详情点击链接：Python高光谱遥感数据处理与机器学习

一，高光谱

1.高光谱遥感

二，高光谱传感器与数据获取

1.高光谱传感器类型

2.高光谱数据获取

三，高光谱数据预处理

1.高光谱图像

2.辐射定标

3.大气校正

 4.光谱平滑和重采样

四，高光谱分析

1.光谱特征提取

2.降维技术（如PCA、MNF）

3.高光谱分类、回归、目标检测

4.混合像元分解方法

五，高光谱应用

1.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）

3.矿产勘探（矿物识别、地质调查）

4.城市规划（如土地利用/覆盖分类、城市热岛分析）

六，高光谱开发基础（Python）

1.Python编程

1.1Python

1.2变量和数据类型

1.3控制结构

1.4功能和模块

1.5文件处理

 1.6第三方包与虚拟环境

2.Python空间数据处理

2.1空间数据和Python

2.2Python空间数据处理库

2.3Python读取和写入空间数据文件

  2.4Python进行地理空间分析

3.python 高光谱数据处理

3.1高光谱数据读取python

3.2高光谱数据预处理python

3.3高光谱混合像元分解python

3.4高光谱数据可视化python

七，高光谱机器学习技术（python）

1.机器学习与python

1.1机器学习

1.2sciki learn 

1.3数据和算法选择

1.4通用学习流程

 1.5机器学习模型

2.高光谱机器学习

2.1机器学习技术在高光谱数据处理、分析中的应用

2.2高光谱数据机器学习

 2.3机器学习模型性能评估和验证技术

3.深度学习与python

3.1深度学习

3.2PyTorc3.3

3.3PyTorch开发

 3.4PyTorch案例分析

4.高光谱深度学习

4.1自编码器在高光谱数据分析中的应用

4.2卷积神经网络（CNN）在高光谱数据分析

4.3循环神经网络（RNN）在高光谱数据分析

4.4高光谱深度学习案例分析

八.典型案例

1.矿物填图

1.1岩矿光谱机理

1.2高光谱矿物填图方法

1.3高光谱数据矿物填图（ENVI）

1.4高光谱数据矿物填图（Python）

 1.5高光谱数据矿物填图机器学习（ Python ）

2.农业应用

2.1植被高光谱机理

2.2高光谱数据作物分类（ENVI）

2.3高光谱数据作物识别与分类（Python）

2.4高光谱数据农业应用机器学习（Python）

3.壤质量评估

3.1土壤光谱机理与特征

3.2土壤质量调查内容

3.3地面光谱测量与采样

3.4无人机高光谱测量与土壤调查

 3.5高光谱土壤机器学习程序解析

4.木材含水率评估案例

4.1无损检测原理

4.2木材无损检测

4.3木材含水率检测