[中字] 干旱风险制图：基于遥感技术与 GEE 平台的实践课

程（中文字幕英文视频教程） 本课程聚焦干旱风险制图领域，通过 “理论讲解 + 工具实操 + 案例应用” 的三维教学模式，系统传授遥感技术基础、卫星数据应用及谷歌地球引擎（GEE）平台操作技能，最终帮助学习者掌握干旱风险制图的完整流程。课程内容从遥感技术原理切入，逐步深入到卫星数据解析、GEE 平台实操，直至最终完成干旱风险制图项目，形成 “基础 - 进阶 - 应用” 的清晰学习路径。 课程配套资源丰富，每个核心知识点均对应视频讲解（MP4 格式）、中文字幕（SRT 格式）及学习资料（PDF 格式），部分实践模块还提供代码文件（TXT 格式），满足不同学习场景下的需求，无论是课堂教学、自主学习还是技能提升，都能为学习者提供全方位支持。 三、课程模块详细介绍 （一）模块一：遥感技术基础（Lecture 1） 本模块作为课程的入门内容，旨在帮助学习者建立遥感技术的核心认知，为后续学习奠定理论基础。模块包含视频讲解、中文字幕及配套 PDF 学习资料，重点覆盖以下内容： 遥感技术核心概念：系统讲解遥感技术的定义、发展历程及分类，清晰区分主动遥感与被动遥感、航空遥感与航天遥感的差异，结合实际应用场景说明不同遥感类型的适用范围。 遥感数据获取原理：深入解析遥感系统的组成（传感器、平台、数据处理系统），重点讲解传感器的工作机制，包括电磁波谱响应、辐射传输过程及数据记录方式，帮助学习者理解 “地物 - 电磁波 - 传感器 - 数据” 的转化逻辑。 遥感数据特征参数：详细介绍遥感数据的空间分辨率、光谱分辨率、时间分辨率及辐射分辨率四大核心参数，结合实例说明不同参数对数据应用的影响，例如高空间分辨率数据在精细地物识别中的优势、高时间分辨率数据在动态监测中的作用。 遥感技术应用领域：简要介绍遥感技术在农业、林业、水利、生态环境等领域的应用现状，重点突出其在灾害监测（尤其是干旱、洪涝）中的价值，让学习者直观感受遥感技术与干旱风险制图的关联。 通过本模块学习，学习者能够准确理解遥感技术的基本原理，掌握遥感数据的关键特征，明确遥感技术在干旱风险监测中的作用，为后续学习卫星数据解析及平台操作做好理论准备。 （二）模块二：风险制图中的遥感应用（Lecture 2） 本模块承接遥感技术基础，将理论知识与 “风险制图” 场景结合，聚焦遥感技术在风险监测与制图中的实际应用，同样配备视频、中文字幕及 PDF 资料，核心内容包括： 风险制图的基本逻辑：讲解风险制图的定义、目的及核心要素（风险识别、风险评估、风险表达），明确干旱风险制图的特殊性 —— 需结合自然因素（降水、植被覆盖）与人文因素（人口密度、经济水平），形成多维度风险评估体系。 遥感技术在风险制图中的优势：对比传统风险制图方法（如实地调查、统计分析），突出遥感技术的优势：大范围覆盖（可实现区域级、国家级乃至全球级监测）、动态监测（可获取多时相数据，捕捉风险变化趋势）、高效低成本（减少实地调查工作量，降低数据获取成本）。 风险制图中的遥感数据选择：结合干旱风险制图需求，讲解如何根据研究区域大小、监测精度要求选择合适的遥感数据，例如在区域级干旱监测中，中等空间分辨率（如 30 米）、高时间分辨率（如 10 天）的数据更能平衡精度与效率。 风险制图流程与遥感融合：梳理风险制图的标准流程（数据收集 - 预处理 - 风险因子提取 - 风险评估 - 制图输出），重点说明遥感数据在 “风险因子提取” 环节的应用，如通过植被指数（NDVI）提取植被生长状况、通过地表温度数据反演干旱程度，为后续干旱风险因子分析提供方法支撑。 本模块学习完成后，学习者能够建立 “遥感技术 - 风险制图” 的应用思维，掌握风险制图中遥感数据的选择方法与应用逻辑，理解干旱风险制图的核心需求，为后续卫星数据解析及平台实操搭建 “理论 - 应用” 的桥梁。 （三）模块三：哨兵 - 2 号卫星及数据解析（Lecture 3） 本模块聚焦干旱风险制图中常用的卫星数据 —— 哨兵 - 2 号（Sentinel-2）卫星数据，通过视频、中文字幕及 PDF 资料，帮助学习者掌握卫星数据的特征、获取方式及预处理方法： 哨兵 - 2 号卫星系统概况：介绍哨兵 - 2 号卫星的发射背景、轨道参数（太阳同步轨道、重访周期）及传感器配置（多光谱成像仪），说明其在陆地观测中的定位，尤其是在植被监测、土地覆盖分类、灾害评估中的优势。 哨兵 - 2 号数据核心特征：详细解析哨兵 - 2 号数据的参数特点，包括 13 个光谱波段（覆盖可见光、近红外、短波红外）、空间分辨率（10 米、20 米、60 米）及时间分辨率（10 天 / 次，双卫星组网后 5 天 / 次），结合干旱监测需求，重点说明近红外波段与短波红外波段在植被水分含量反演中的作用。 哨兵 - 2 号数据获取与预处理：讲解哨兵 - 2 号数据的官方获取渠道及数据格式（SAFE 格式），介绍数据预处理的关键步骤，包括辐射定标（将 DN 值转化为辐射亮度）、大气校正（消除大气散射、吸收影响）、几何校正（确保数据空间位置准确性），并说明预处理对后续干旱风险因子提取的重要性。 哨兵 - 2 号数据在干旱监测中的应用：结合实例说明如何利用哨兵 - 2 号数据计算植被指数（NDVI、EVI）、水体指数（NDWI），进而反演植被覆盖度、土壤湿度等干旱相关因子，为干旱风险评估提供基础数据支撑。 通过本模块学习，学习者能够熟悉哨兵 - 2 号卫星数据的核心特征与应用方法，掌握数据预处理的关键步骤，具备将卫星数据转化为干旱监测基础数据的能力，为后续 GEE 平台操作及数据应用奠定基础。 （四）模块四：谷歌地球引擎（GEE）平台入门（Lecture 4） 本模块正式进入平台实操环节，聚焦 GEE 平台的基础操作，帮助学习者建立平台使用思维，模块包含视频、中文字幕及 PDF 资料，核心内容如下： GEE 平台核心定位与优势：介绍 GEE 平台的功能定位 —— 集海量遥感数据存储、处理与分析于一体的云端平台，重点说明其优势：无需本地存储大规模数据、支持快速数据计算（基于云端算力）、提供丰富的 API 接口与算法库，适合开展区域级乃至全球级的遥感应用项目。 GEE 平台界面与账号设置：详细讲解 GEE 平台的网页端界面布局（代码编辑器、地图显示区、控制台、资产区），指导学习者完成账号注册与基础设置，包括资产文件夹创建、数据权限管理等，确保学习者能够顺利进入平台操作环节。 GEE 平台基础操作逻辑：梳理 GEE 平台的操作流程，从数据检索（通过数据集名称、时间范围、空间范围筛选数据）、数据可视化（在地图上加载显示数据，调整显示参数）、数据预处理（调用平台内置工具完成辐射校正、裁剪等操作）到简单分析（如计算植被指数），通过简单案例演示 “代码 - 结果” 的转化过程。 GEE 平台核心数据资源：介绍 GEE 平台内置的遥感数据集，包括哨兵系列（Sentinel-1/2/3）、 Landsat 系列、MODIS 系列等，重点说明各数据集的特点及适用场景，帮助学习者掌握在平台中快速找到所需数据的方法。 本模块学习后，学习者能够熟练操作 GEE 平台的基础功能，掌握数据检索、可视化与简单预处理的方法，理解平台的操作逻辑，为后续深入学习平台高级功能及干旱风险制图实操做好准备。 （五）模块五：GEE 平台界面实操入门（Lecture 5） 本模块是 GEE 平台操作的进阶内容，通过视频、中文字幕及实操指导，帮助学习者掌握平台界面的高级操作技巧，提升数据处理效率： GEE 代码编辑器高级功能：详细讲解代码编辑器的常用功能，包括代码自动补全、注释添加、错误排查（控制台日志查看）、代码保存与共享，介绍 GEE 的编程语言（JavaScript）基础语法，如变量定义、函数创建、条件判断等，帮助学习者编写规范、高效的代码。 空间范围与时间范围精准设置：指导学习者通过多种方式定义研究区域（手动绘制矢量边界、导入矢量文件、输入经纬度范围），精确设置数据的时间范围（单个时间点、时间序列），结合实例说明如何根据研究需求调整时空范围，减少数据冗余，提升计算效率。 数据可视化高级设置：讲解如何自定义数据的显示样式，包括颜色映射（色带选择、颜色区间调整）、透明度设置、图例添加，重点说明不同数据类型（如植被指数、地表温度）的可视化技巧，确保制图结果清晰、直观，符合风险制图的展示需求。 数据导出与成果保存：介绍 GEE 平台中数据导出的方法，包括导出图像（TIFF 格式）、导出矢量数据（SHP/KML 格式）、导出统计表格（CSV 格式），详细说明导出参数设置（分辨率、投影坐标系、文件命名），并强调数据导出后的备份与管理，确保成果安全存储。 通过本模块实操，学习者能够熟练运用 GEE 代码编辑器的高级功能，精准设置研究时空范围，优化数据可视化效果，掌握数据导出方法，具备独立完成 GEE 平台基础数据处理的能力，为后续干旱风险制图项目实操奠定实操基础。 （六）模块六：GEE 平台干旱风险制图实践（Lecture 6） 本模块作为课程的核心应用环节，将前面所学的理论知识与实操技能整合，通过完整的干旱风险制图项目，帮助学习者实现 “知识 - 技能 - 应用” 的转化，模块包含视频、中文字幕、PDF 指导资料及代码文件（Code-Drought.txt），核心内容如下： 干旱风险制图项目设计：明确干旱风险制图的项目目标（如某区域季度干旱风险评估）、研究范围（确定具体区域边界）、数据需求（筛选哨兵 - 2 号、MODIS 等数据）及技术路线（梳理 “数据预处理 - 因子提取 - 风险评估 - 制图输出” 的流程），帮助学习者建立项目化思维。 干旱风险因子提取：基于 GEE 平台，指导学习者完成多源数据预处理（哨兵 - 2 号数据大气校正、MODIS 地表温度数据时间序列合成），并提取关键干旱风险因子： 植被因子：通过哨兵 - 2 号数据计算 NDVI 指数，反演植被覆盖度与植被生长状况，评估植被受干旱影响程度； 水分因子：利用 MODIS 数据反演地表温度，结合降水数据（GEE 平台内置降水数据集），计算温度 - 降水指数，反映区域水分供需平衡； 基础地理因子：导入研究区域人口密度、土地利用类型等矢量数据，作为风险评估的人文与下垫面背景。 干旱风险评估模型构建：讲解干旱风险评估的常用模型（如层次分析法 AHP、加权综合评价法），指导学习者在 GEE 平台中实现模型计算： 因子权重确定：结合专家经验与研究区域特点，为各风险因子分配合理权重（如植被因子权重 0.4、水分因子权重 0.4、基础地理因子权重 0.2）； 多因子综合计算：通过 GEE 代码调用数学运算工具，将各风险因子标准化后进行加权求和，得到干旱风险指数；