第一章、高光谱基础
高光谱遥感简介
什么是高光谱遥感？
高光谱遥感为什么重要？
高光谱遥感与其他遥感技术的区别是什么？
高光谱遥感的历史和发展
高光谱传感器与数据获取
高光谱传感器类型
如何获取高光谱数据
高光谱数据获取的挑战和限制
高光谱数据预处理
高光谱图像物理意义
辐射定标
大气校正
光谱平滑和重采样
高光谱分析
光谱特征提取
降维技术（如PCA、MNF）
高光谱分类、回归、目标检测
混合像元分解方法
高光谱应用
环境监测（植被分类、水质评估）
农业（作物产量估计、病害检测）
矿产勘探（矿物识别、地质调查）
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）
Python编程介绍
Python简介
变量和数据类型
控制结构
功能和模块
文件处理
第三方包与虚拟环境
Python空间数据处理
空间数据和Python介绍
Python空间数据处理库介绍
Python读取和写入空间数据文件
Python进行地理空间分析
python 高光谱数据处理
高光谱数据读取python实现
高光谱数据预处理python实现
高光谱混合像元分解python实现
高光谱数据可视化python实现
第三章、高光谱机器学习技术（python）
机器学习概述与python实践
机器学习介绍
sciki learn 介绍
数据和算法选择
通用学习流程
机器学习模型
高光谱机器学习
机器学习技术在高光谱数据处理、分析中的应用介绍
高光谱数据机器学习实践
机器学习模型性能评估和验证技术
深度学习概述与python实践
深度学习介绍
PyTorch概述
PyTorch开发基础
PyTorch案例分析
高光谱深度学习
自编码器在高光谱数据分析中的应用
卷积神经网络（CNN）在高光谱数据分析中的应用
循环神经网络（RNN）在高光谱数据分析中的应用
高光谱深度学习案例分析
第四章、典型案例
矿物填图案例
岩矿光谱机理
高光谱矿物填图方法介绍
高光谱数据矿物填图（ENVI）
高光谱数据矿物填图（Python）
高光谱数据矿物填图机器学习案例（ Python ）
农业应用案例
植被高光谱机理
高光谱数据作物分类（ENVI）
高光谱数据作物识别与分类（Python）
高光谱数据农业应用机器学习案例（Python）
土壤质量评估案例
土壤光谱机理与特征
土壤质量调查内容
地面光谱测量与采样
无人机高光谱测量与土壤调查
高光谱土壤机器学习程序解析
木材含水率评估案例
无损检测原理
木材无损检测
木材含水率检测练习
