|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/land-introduction-to-remote-sensing/
课程评论：没有评论
《遥感导论 - AulaGEO》在线课程内容概览 本课程旨在为学习者提供遥感（RS）技术的扎实基础，通过解释遥感技术捕获和分析信息的能力，帮助了解遥感在不实地勘察的情况下如何认识地球表面。课程强调了地球观测数据的丰富性及其在解决紧迫的环境、地理和地质问题中的作用。 **核心学习内容包括：** * **遥感物理原理：** 深入理解电磁辐射（EM）的概念，以及EM辐射与大气、水体、植被、矿物质和各种地表类型在遥感视角下的相互作用。 * **遥感应用领域：** 广泛介绍遥感技术在农业、地质、采矿、水文学、林业、环境等多个领域的具体应用。 * **数据分析与技能提升：** 引导学习者学习和实践遥感数据的分析方法，提升地理空间分析能力。 **课程结构与主要章节：** **第一部分：引言与基础概念** * 课程介绍、定义与组成部分。 * 能量和电磁光谱。 * 光学传感器的主要特点。 * 光谱特征：包括通用光谱特征、植被光谱特征和水体光谱特征。 **第二部分：传感器的特性** * 详细介绍空间分辨率、光谱分辨率、时间分辨率和辐射分辨率。 * 分析不同分辨率之间的相互关系。 **第三部分：卫星影像下载** * 学习如何下载卫星影像及配套数据模型。 **第四部分：QGIS入门** * QGIS软件的简要回顾。 * QGIS插件的安装。 * QGIS 3中的底图绘制。 * SAGA GIS的基础介绍。 **第五部分：卫星影像预处理（增强）** * 预处理技术概述。 * 影像显示与增强。 * QGIS中的影像裁剪（单个及批量）。 * 色彩渲染、假彩色显示和光谱波段组合。 **第六部分：卫星影像预处理（校正）** * 卫星影像校正概述。 * 几何校正、辐射校正（如Banding校正）。 * 大气校正和地形校正算法。 * 在QGIS中进行地形校正和几何校正（影像校正）。 **第七部分：卫星影像处理** * 从卫星影像中提取信息。 * 影像融合技术（如Pansharpening）。 * 在QGIS和SAGA GIS中实现影像融合（包括Brovey、IHS、CPA、Spectral方法）。 * 云层掩膜的制作及无云影像的生成（利用Raster Calculator和插件）。 **第八部分：卫星影像分类** * 卫星影像分类概述。 * 非监督分类：概念、解释与优化。 * 监督分类：配置、训练区选取、光谱特征图、预分类、光谱特征优化、以及不同算法（最小距离、光谱角度、最大似然）的应用。 * 分类结果的蒙版处理及优化。 * 分类精度评估：分类准确性的确定和评估。 * 利用分割（Segmentation）技术识别地物。 **第九部分：光谱指数或辐射指数** * 光谱指数的概念。 * 植被指数，包括NDVI和EVI的计算。 * 分步计算14种植被指数。 **第十部分：其他影像处理与解译工具** * 主成分分析（PCA）。 * 增量算法及其在地物边界提取（如烧毁区、水库水面）中的应用。 * 光谱剖面图的绘制与分析。 本课程通过理论与实践相结合的方式，帮助学习者掌握遥感影像的处理、分析和应用技能，为解决实际的地理空间问题奠定坚实基础。
Remote Sensing (RS) contains a set of remote capture techniques and information analysis that allows us to know the territory without being present. The abundance of Earth observation data allows us to address many urgent environmental, geographical and geological issues.Students will have a solid understanding of the physical principles of Remote Sensing, including the concepts of electromagnetic radiation (EM), and will also explore in detail the interaction of EM radiation with the atmosphere, water, vegetation, minerals and other types. of land from a remote sensing perspective. We will review several fields where Remote Sensing can be used, including agriculture, geology, mining, hydrology, forestry, the environment and many more.#AulaGEO This course guides you to learn and implement data analysis in Remote Sensing and improve your geospatial analysis skills.Content:Lecture 1:IntroductionLecture 2:Definition and componentsLecture 3:Energy and electromagnetic spectrumLecture 4:Main characteristics of sensors opticalLecture 5:Spectral signatureLecture 6:Vegetation spectral signatureLecture 7:Water Spectral SignatureSection 2:Characteristics of the sensorsLecture 8:Spatial resolutionLecture 9:Spectral resolutionLecture 10:Temporary ResolutionLecture 11:Radiometric resolutionLecture 12:Relationships between resolutionsSection 3:Download satellite imagesLecture 13:Image DownloadLecture 14:Image DownloadLecture 15:Download of data modelsSection 4:Remembering QGISLecture 16:A brief review of QGISLecture 17:Add-ons installationLecture 18:Base Maps in QGIS 3Lecture 19:Introduction to SAGA GISSection 5:Pre-processing of satellite images (Improvements)Lecture 20:PreprocessingLecture 21:Display and enhancement of imagesLecture 22:QGIS image cuttingLecture 23:Multiple image cutting - PlugInLecture 24:Color renderingLecture 25:Lecture 25: Pseudocolor RepresentationLecture 26:Spectral Band CompositionSection 6:Satellite Image Pre-Processing (Corrections)Lecture 27:Corrections to satellite imagesLecture 28:Banding CorrectionLecture 29:Atmospheric correction algorithmsLecture 30:Topographic correction algorithmsLecture 31:Topographic Correction in QGISLecture 32:Geometric correctionLecture 33:Lecture 33: Rectificación de una imagen en QGISSection 7:Satellite Image ProcessingLecture 34:What can we extract from satellite images?Lecture 35:Fusion of images (Pansharpening)Lecture 36:QGIS image fusionLecture 37:Fusion of SAGA images (Brovey, IHS, CPA, spectral)Lecture 38:Cloud cover maskLecture 39:Cloudless images Raster Calculator QGISLecture 40:Cloudless Images - PlugInSection 8:Clasificación de imágenes de satéliteLecture 41:Lecture 41: Clasificación de imágenes de sateliteLecture 42:Lecture 42: Clasificaciones no supervisadasLecture 43:Interpret and optimize unsupervised classificationLecture 44:Supervised Classification Configuration and Training AreasLecture 45:Supervised Classification - Spectral Signature ChartLecture 46:Supervised Classification - Previous ClassificationLecture 47:Supervised Classification - Optimizing the spectral signaturesLecture 48:Supervised Classification - Minimum distance, Spectral Angle, Maximum ProbableLecture 49:Supervised Classification - optimizing threshold algorithmsLecture 50:Supervised Classification - Result with MaskLecture 51:Classification AccuracyLecture 52:Determination of classification accuracyLecture 53:Identification of ceilings with SegmentationSection 9:Indices espectrales o radiométricosLecture 54:Spectral indexesLecture 55:Vegetation indicesLecture 56:NDVI spectral index calculationLecture 57:EVI spectral index calculationLecture 58:Calculation of 14 vegetation indices in two stepsSection 10:Other tools for image processing and interpretationLecture 59:Principal component analysisLecture 60:Incremental algorithm, delimiting burned areaLecture 61:Incremental algorithm, delimiting water-reservoir mirrorLecture 62:Development of spectral profiles
