01
遥感影像选购基础
了解卫星遥感基本概念、主要卫星平台（Landsat、Sentinel、高分系列）及数据特点。
概念平台
02
数据源对比与选择
对比光学、雷达、高光谱数据源，根据农业、林业、城市等场景选择合适数据。
对比应用
03
影像分辨率详解
空间、光谱、时间、辐射分辨率的概念及其对应用的影响。
分辨率指标
04
数据获取渠道
官方平台（USGS、ESA、中国资源卫星中心）、商业卫星及第三方平台。
USGSESA
05
数据检索与下载
使用API或图形界面检索，设置云量、时间、空间范围等筛选条件。
API筛选
06
数据格式与元数据
GeoTIFF、HDF、NetCDF格式，元数据解读（投影、坐标系、波段）。
格式元数据
07
预处理概述
遥感影像预处理的意义，从原始数据到可用产品的标准流程。
流程概述
08
辐射定标
DN值转辐射亮度/反射率，理解定标参数（增益、偏移）来源。
定标辐射
09
大气校正
大气校正原理（6S、FLAASH、Sen2Cor），消除散射和吸收影响。
大气6S
10
大气校正实践
使用Sen2Cor对Sentinel-2数据进行大气校正，参数设置与结果检查。
Sen2Cor实践
11
几何校正
几何畸变来源，使用地面控制点（GCP）进行几何精校正。
GCP几何
12
正射校正
消除地形引起的几何变形，使用DEM进行正射校正。
DEM正射
13
影像配准
多时相/多源影像配准方法，确保像素级对齐。
配准对齐
14
影像融合
全色与多光谱融合（Brovey、IHS、PCA、Gram-Schmidt），提高空间分辨率。
融合锐化
15
影像镶嵌
多景影像无缝拼接，接缝线、色彩平衡与羽化处理。
镶嵌拼接
16
影像裁剪
按矢量边界（行政区、研究区）裁剪，批量处理技巧。
裁剪矢量
17
重采样方法
最近邻、双线性、三次卷积等重采样算法选择与适用场景。
重采样算法
18
波段运算与指数计算
NDVI、NDWI、EVI等植被指数计算原理与实现。
指数NDVI
19
影像增强
线性拉伸、直方图均衡化、自适应增强，提升可视化效果。
增强可视化
20
云与阴影检测
基于阈值、机器学习或深度学习的云检测，去除无效像元。
云检测阴影
21
影像去噪
中值滤波、高斯滤波、自适应滤波等去噪方法，保留边缘。
去噪滤波
22
地形校正
消除山体阴影影响，使用C校正、SCS校正等方法。
地形SCS
23
时间序列构建
多时相影像堆叠与时间序列分析，处理缺失数据。
时序堆叠
24
数据质量评估
检查几何精度、辐射精度、云覆盖等质量指标。
质量精度
25
自动化预处理流程
使用Python（GDAL、Rasterio）或ENVI/ERDAS构建批处理脚本。
Python批处理
26
预处理结果验证
对比预处理前后影像，使用地面实测数据验证精度。
验证实测
27
数据存储与管理
预处理后数据组织方式，GeoTIFF、COG等格式优化存储。
COG存储
28
案例实战：农业应用
基于Sentinel-2的作物识别预处理流程。
农业作物
29
案例实战：城市应用
基于高分影像的城市变化检测预处理。
城市变化检测
30
课程总结与进阶
回顾全流程，介绍深度学习在遥感预处理中的应用趋势。
总结深度学习