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
