遥感科研新范式

文摘   2024-08-11 23:59   美国  

01


传统遥感科研方式

十年前,遥感数据处理与分析首先是通过数据资源网站下载数据,然后进行图像预处理,包括辐射定标、FLAASH大气校正、几何校正、图像拼接与裁剪,然后得到研究区影像。其次,利用ENVI或者Arcgis、python等进行模型构建与信息提取,最终得到研究结果。

02


如果研究区涉及10000+幅遥感影像,该怎么办?

十年前,遇到这个问题,那就是直接傻眼,大的团队可以召集人马,采用人海战术把一幅一幅的影像处理好,最后再拼接起来,最终实现想要的结果。这个过程少则几个月,多则半年到一年。而对于单兵作战的同学,那直接缴械投降。例如,我国的LUCC从1000米到30米全国的土地利用分类就经历了这么一个过程。

03


遥感云计算的爆发

2017年开始,以Google earth engine(GEE)为首的遥感云计算平台拉开了遥感数据处理与分析的新序幕。基于GEE的科研成果更是如雨后春笋般爆发,包括Nature、Science等正刊即其子刊多达上百篇。因此,掌握GEE成为如今遥感人科研必不可少的工具。基于GEE,可以快速实现大范围,长时序、高精度的多源遥感影像处理。以往几个月的工作量,在GEE上可能只需要半个小时,就可以实现。

04


科研规范与思考

科研需要学习、积累、传承以及创新。学习和积累是科研的基础,开展科研需要专业的学习和技能,这才能更好的助力科研。传承是科研的血脉,几乎绝大部分的科研都是需要基金支撑和课题讨论的,没有传承的科研,更像是空中阁楼,很难得到支持和认可。当然,如今学术科研泛滥和资源不匹配,很多科研也是流于形式,急于成果,难以应用。如今研究生爆发式增加,科研资源明显不足,课题反反复复毫无新意,有的导师转型管理岗已无心科研,这就给研究生们埋下了不知怎么学习,向谁学习,学习什么,哪里学习的难题。

05


多模态知识爆发

2021年,以ChatGPT为首的多模态大语言模型爆发,预示着人工智能首先对语言表达类型的行业进行革新,而首当其冲的便是科研圈。ChatGPT-4、GPTs、GPT-4o等更是具备了行业专家知识,通过科学的设置和巧妙的应用,能够高效提高科研的效率。一方面,通过海量知识库可以找到科研的方向,打开壁垒。另一方面,在应用层面也显得尤为简单容易上手。此外,在论文的课题选择、专业知识问答、论文撰写、论文翻译润色等都可以实现专家级别的及时响应,被称为“泛滥的知识”。因此,掌握ChatGPT的智慧升级和常用技巧,对于论文撰写具有莫大的好处。

06


遥感科研新范式

快速掌握遥感云计算+ChatGPT大语言模型,是如今遥感科研的新范式。虽然GEE和ChatGPT是美国的,但是这些工具已经在科研圈翻起了惊涛骇浪,会使用的和不会使用的,学习的效率天差地别。无奈的是,由于学校对于知识掌握的滞后性,课堂上学到的东西往往滞后3~5年,而当你步入社会的时候,才发现自己已经被淘汰了。

基于此,GEE遥感训练营团队开发了GEE+ChatGPT科研实战课程,里面涉及到了最实用的遥感数据处理方法和技巧最细致的功能及代码讲解最前沿的科学资讯和方法论,帮助大家能够快速掌握,实现高效、实战的目的,轻松有趣的开展科研。

1.GEE+ChatGPT解决遥感科研难题
2.GEE+ChatGPT暑期科研实战特训教学

GEE遥感训练营
分享GEE遥感领域实用教程、最新科研成果及资讯,交流、合作等事宜请加V:GeeStudy_2020
 最新文章