高光谱遥感技术正从专业实验室走向更广泛的应用场景。无论是从事农业监测、矿产勘探、环境评估，还是进行深度学习算法研究，系统化的学习资源与工具链都是不可或缺的基础。本文以官方课程与培训平台、数据平台与云计算资源、高光谱专项与软件工具教程、中文教程与社区、学术期刊与竞赛资源五大板块为框架，对国内外高光谱与遥感领域的教程、数据平台、软件工具及学术资源进行系统梳理与深度补充，力求为不同层次的学习者与从业者提供一份清晰、可操作的全景指南。
一、官方课程与培训平台
官方机构提供的课程通常具有体系完整、内容权威、与数据产品紧密衔接的特点。以下平台覆盖了从基础理论到动手实操的完整学习路径，多数资源免费开放。
| 名称 | 链接 | 介绍 |
|---|---|---|
| NASA Earthdata 高光谱与热红外基础培训 | https://earthdata.nasa.gov/ | NASA Earthdata 于2025年7月举办的为期两天在线研讨会，覆盖从可见光-短波红外（VSWIR）到长波红外（LWIR）的高光谱与热红外遥感基础。重点涉及 EMIT、ECOSTRESS、PACE 三个任务的测量采集、标准预处理方法和数据发现，动手练习使用 Python（JupyterHub云平台）和 JavaScript（Google Earth Engine）进行数据处理与可视化。 |
| HYPERedu（EnMAP卫星教育计划） | https://gfzpublic.gfz-potsdam.de/ | 德国地球科学研究中心（GFZ）自2019年起作为 EnMAP 卫星任务的一部分开发的在线高光谱遥感教育项目。提供系列 MOOCs、幻灯片集、动手教程（基于 EnMAP-Box 软件）和视频录屏，覆盖高光谱遥感基础、数据处理方法和应用案例。项目论文详细阐述了在线教育项目的设计理念与实施经验。 |
| ESA EO4Society 培训与教育 | https://eo4society.esa.int/training-education/ | 欧空局（ESA）对地观测培训与教育的中心门户，整合了 MOOCs、网络研讨会和视频教程。提供多次高级陆地遥感培训课程的幻灯片、视频和练习数据下载，涵盖农业遥感、林业遥感、水循环等专题，配套 SNAP 工具箱实操。 |
| ESA LearnEO! | https://www.learn-eo.org/ | ESA 支持的在线对地观测学习门户，为遥感教育社区提供软件描述与下载链接、图像处理与显示教程。设计用于支持教学和学习，资源以易于访问的方式组织。 |
| 联合国训练研究所（UNITAR）— 中国卫星对地观测课程 | https://lc.unu.edu/courses/ | 由 UNOOSA/UN-SPIDER 北京办公室与武汉大学联合开发，四模块在线课程，系统介绍中国对地观测卫星（高分、资源、环境、海洋系列）及其数据获取、光学与SAR数据处理方法，最终通过真实案例展示中国EO数据在可持续发展目标中的应用。含预录视频讲座、分步演示和可下载数据集。 |
| 国家高等教育智慧教育平台 — 遥感课程 | https://www.chinaooc.com.cn/ | 包含遥感图像解译、高级遥感技术等课程。遥感图像解译课程涵盖高光谱遥感系统（3.3节）等核心章节，系统讲授电磁波与地物光谱特性、多光谱与高光谱遥感系统、热红外与微波遥感、遥感变化检测及应用。 |
| NOAA CoastWatch 卫星与海洋数据培训 | https://coastwatch-training.github.io/ | NOAA CoastWatch 提供的卫星与海洋数据培训课程，包含 ERDDAP 平台数据可视化与下载、NetCDF 文件处理（Panoply 软件）、时间序列分析等教程模块，提供 R 和 Python 两种版本的代码示例。所有讲座录屏在 YouTube 频道可查看。 |
| NASA ARSET 应用遥感培训 | https://appliedsciences.nasa.gov/what-we-do/capacity-building/arset | NASA 应用遥感培训项目（ARSET）长期提供面向从业者的免费在线培训，涵盖水质监测、空气质量、灾害评估、农业遥感等主题。课程以应用为导向，兼顾理论基础与实操演示，部分专题涉及高光谱与成像光谱数据的应用方法，适合希望将遥感技术快速迁移到具体业务场景的学习者。 |
| USGS EROS 教育培训资源 | https://www.usgs.gov/centers/eros | 美国地质调查局地球资源观测与科学中心（EROS）提供 Landsat 系列数据的官方教程、视频演示与研讨会资料。内容涵盖数据产品级别说明、波段组合原理、地表反射率产品使用等，是理解 Landsat 数据体系与光学遥感基础的重要补充。 |
二、数据平台与云计算资源
遥感数据的获取与处理方式正在发生深刻变化。传统下载-本地处理的模式逐步与云端计算、在线分析相融合。以下平台既包括经典的数据下载门户，也涵盖新一代云计算与竞赛数据资源。
| 名称 | 链接 | 介绍 |
|---|---|---|
| USGS EarthExplorer | https://earthexplorer.usgs.gov/ | 美国地质调查局官方数据平台，提供 Landsat 系列、Sentinel-2 等卫星影像的搜索、下载和批量处理。NASA Landsat 官网提供从 GloVIS 网站查找和下载 Landsat 数据的完整教程，涵盖创建研究区 Shapefile、下载对地观测数据、数据处理等步骤。 |
| Copernicus Data Space Ecosystem | https://browser.dataspace.copernicus.eu | 欧空局哥白尼计划数据平台，支持 Sentinel 系列卫星数据（Sentinel-1/2/3/5P）的在线浏览、下载和云端处理，提供训练资源和教程。该平台已逐步取代此前的 Copernicus Open Access Hub，成为获取 Sentinel 数据的首选入口。 |
| 地理空间数据云 | https://www.gscloud.cn/ | 中国科学院计算机网络信息中心运营的国内遥感数据平台，提供全球免费遥感数据的一站式服务，包括 Landsat 等高分辨率遥感信息，下载方便，是国内用户获取遥感数据的重要渠道。 |
| Google Earth Engine (GEE) | https://earthengine.google.com/ | 全球领先的行星尺度遥感数据云计算平台，NASA 高光谱培训中使用 GEE 进行数据发现、可视化和操作。需注册 GEE 账号并配置 Google Cloud Project。平台内置海量公开数据集，支持 JavaScript 与 Python API，适合大区域、长时间序列分析。 |
| 天池大赛遥感赛题 | https://tianchi.aliyun.com/ | 阿里云天池平台上的遥感相关竞赛，如地表建筑物识别、遥感影像地块分割等赛题，提供航拍/卫星数据集和基准方案，适合通过实战练习遥感图像处理与深度学习技能。 |
| “中科星图杯”高分遥感图像解译大赛 | https://cg.cs.tsinghua.edu.cn/ | 国内高分遥感图像解译领域的重要赛事，提供高分辨率可见光图像多类目标细粒度检测识别等赛道，配套开源算法库 JDet（基于计图 Jittor 框架），包含数据集处理工具和主流遥感目标检测模型。 |
| NASA Earthdata Search | https://search.earthdata.nasa.gov/ | NASA 地球科学数据搜索引擎，可跨多个分布式数据存档中心（DAAC）检索和获取数据。支持按时间、空间范围、数据产品级别等条件筛选，是获取 EMIT、AVIRIS、DESIS 等高光谱数据产品的重要入口。 |
| Microsoft Planetary Computer | https://planetarycomputer.microsoft.com/ | 微软推出的地球科学数据与计算平台，整合了 Landsat、Sentinel、MODIS 等公开数据集，并提供基于 Azure 的云端计算环境。平台以 STAC（时空资产目录）标准组织数据，方便通过 Python API 进行大规模查询与分析。 |
| 国家综合地球观测数据共享平台 | https://www.chinageoss.cn/ | 国内地球观测数据共享的重要门户，整合了多源国产卫星数据、航空遥感数据及地面观测数据，提供数据检索、在线预览与下载服务，是了解和使用国产遥感数据资源的官方渠道。 |
三、高光谱专项与软件工具教程
高光谱数据处理对工具链的要求较高，既涉及辐射定标、大气校正等物理层面的处理，也涉及降维、端元提取、分类等算法层面的操作。以下工具覆盖了从商业软件到开源库、从图形界面到编程接口的完整谱系。
| 名称 | 链接 | 介绍 |
|---|---|---|
| ENVI 6.x 实验教程（第3版） | 各出版社及教材平台 | 遥感科学与技术、地理信息科学等专业的实验教材。基础篇涵盖图像预处理、增强、分类、高分辨率特征提取、遥感制图与变化检测；增强篇专设高光谱分析技术，涵盖高光谱数据处理与信息提取的核心实验内容。 |
| ENVI 遥感图像处理方法（第三版） | 高等教育出版社 | 邓书斌等编著，全面介绍 ENVI 6.0 软件功能及遥感图像处理流程。全书17章，涵盖数据显示、预处理、图像增强、分类、面向对象特征提取、机器学习与深度学习图像分类、辐射定标与大气校正、高光谱与光谱分析技术等。 |
| Orfeo ToolBox (OTB) | https://www.orfeo-toolbox.org/ | 法国空间局（CNES）资助开发的开源遥感图像处理库，基于 C++ 构建于 ITK 之上，整合 GDAL、OSSIM、OpenCV 等。支持辐射定标、正射校正、全色锐化、特征提取、变化检测、降维、端元提取与高光谱处理（PCA、NAPCA、ICA、VCA等），以及 SVM 和随机森林分类。内置流式处理和多线程，具备大数据处理能力。 |
| Spectral Python (SPy) | https://www.spectralpython.net/ | 纯 Python 实现的高光谱图像处理模块，支持 ENVI 格式数据的读写（spectral.io.envi），可进行高光谱立方体的读取、写入和基本算法应用，是高光谱 Python 分析工作流的基础工具。 |
| HSI 高光谱图像分类与分析工具包 | http://git.iris-rs.cn/zhanghuilai/HSI | 中文社区开发的全面高光谱遥感数据分析框架，Python 3.8+。支持 ENVI、CSV、GeoTIFF 格式，提供完整的预处理流水线（标准化、归一化、异常值处理）、特征工程（PCA、ICA、LDA）、分类算法（SVM、随机森林、XGBoost等）、回归算法、空间滤波、特征提取和颜色处理（光谱转XYZ/RGB、色差计算）。 |
| PyHAT（Python Hyperspectral Analysis Tool） | https://pubs.usgs.gov/ | 美国地质调查局（USGS）发布的 Python 高光谱分析工具用户指南（2025年），提供高光谱数据读取、分析、可视化功能的系统性文档。 |
| HyTools | Git 仓库 | Python 库，用于处理航空和星载成像光谱数据，核心功能包括 ENVI 格式图像的读写和 NEON AOP HDF 数据的读取。 |
| specpipe | PyPI | 基于文件的批处理与建模流水线，适用于高光谱图像的高效批量处理，支持校准、基线校正、降噪、特征工程等图像处理技术与多种机器学习模型的组合，Python 3.9+。 |
| EnMAP-Box | https://www.enmap.org/enmapbox.html | EnMAP 卫星任务官方配套的 QGIS 插件，提供高光谱数据可视化、光谱库管理、分类与回归建模等功能。作为 HYPERedu 项目的主要实操平台，EnMAP-Box 将高光谱处理能力集成到开源 GIS 环境中，降低了非编程用户的使用门槛。 |
| PySptools | https://pysptools.sourceforge.io/ | 专注于高光谱图像处理的 Python 库，实现了多种端元提取算法（PPI、N-FINDR、VCA 等）和丰度反演方法，适合进行光谱解混研究。与 Spectral Python 配合使用，可构建较为完整的高光谱分析工作流。 |
四、中文教程与社区
中文资源在遥感学习生态中占据重要位置，尤其是对于国内数据政策、国产卫星数据处理的讨论，中文社区往往能提供更贴近实际需求的解决方案。
| 名称 | 链接 | 介绍 |
|---|---|---|
| 中国大学MOOC — 高光谱遥感（成都理工大学） | https://www.icourse163.org/ | 成都理工大学戴晓爱副教授主讲的《高光谱遥感》课程，立足于该校“地理信息科学”国家一流专业。系统讲授高光谱遥感的原理、数据处理方法与典型应用。 |
| 中国大学MOOC — 遥感原理 | https://www.icourse163.org/ | 从遥感基本概念出发，重点讲授遥感物理基础、遥感平台与成像原理、图像处理与解译、应用等知识，包含“高光谱遥感图像获取”专题章节。 |
| 中国大学MOOC — 高级遥感技术 | https://www.xuetangx.com/ | 学堂在线平台课程，结合高级遥感技术的新发展与应用实践，使学习者掌握高光谱遥感、微波遥感、无人机遥感等高级技术的基本原理和数据处理方法，含高光谱遥感目标检测等实操内容。 |
| 地信网论坛 | http://bbs.3s001.com/forum.php | 中国专业的综合性3S社区，提供测绘、地质、遥感等领域的数据资料、论文和行业软件。涵盖大量ENVI遥感图像处理实操资源，包括“ENVI-IDL遥感应用培训班”历届素材和录屏共享（基于ENVI 5.5.2版）。 |
| GIS帝国论坛 | http://www.gisempire.com/bbs | GIS/遥感相关内容的专业论坛，包括ArcGIS、ENVI等软件的应用和开发讨论，有大量实用工具和资料分享，支持新浪微博登录。 |
| GIS空间站 | http://www.gissky.net/ | 中国地理信息门户网站，提供GIS及遥感相关资料和行业动态，适合拓宽视野和提升行业认知。 |
| 地信、测绘、遥感免费学习网站推荐 | https://www.cnblogs.com/clnchanpin/p/19394709 | 一篇系统整理地信测绘遥感学习资源的博客文章，梳理了综合性网站（B站、司马云课堂）、数据论坛类网站（地信网论坛、地理空间数据云）、编程相关网站（W3school、菜鸟教程、GitHub）等多个维度，适合作为资源导航的起点。 |
| 遥感集市 | http://www.rscloudmart.com/ | 国内遥感数据与服务的在线交易平台，同时提供技术社区功能。平台上汇集了国产卫星数据产品、处理服务与技术文档，适合了解国内遥感数据商业化应用生态。 |
| CSDN 遥感专栏 | https://www.csdn.net/ | CSDN 是国内规模较大的技术社区，其遥感与 GIS 相关专栏积累了大量的实战教程、代码示例和问题解答。内容涵盖 ENVI 操作技巧、Python 遥感数据处理、深度学习遥感应用等，适合遇到具体技术问题时进行检索。 |
五、学术期刊与竞赛资源
关注学术期刊与竞赛资源，有助于把握领域前沿方向，同时通过实战检验和提升技能水平。以下资源兼顾学术深度与工程实践。
| 名称 | 链接 | 介绍 |
|---|---|---|
| IEEE GRSM 高光谱遥感AI专刊 | https://www.grss-ieee.org/ | IEEE Geoscience and Remote Sensing Magazine 发布的“AI for Hyperspectral Remote Sensing”专刊征稿，特别欢迎具有教程/综述价值的论文，涵盖人工智能在高光谱信息挖掘中的前沿应用。 |
| Remote Sensing (MDPI) | https://www.mdpi.com/journal/remotesensing | 国际知名开放获取遥感期刊，影响因子4.1。定期发布高光谱遥感图像处理与分析、深度学习用于光谱-空间高光谱图像分类等专刊，涵盖去噪、融合、分类、分割、异常检测等主题。 |
| ISPRS Journal 等遥感领域期刊投稿指南 | https://blog.csdn.net/ | 中文社区整理的遥感领域期刊投稿指南，涵盖 ISPRS Journal 等主流期刊的投稿全流程和时效优化策略，涉及深度学习+遥感的方向（点云分割、高光谱分类、SAR干涉测量）。 |
| SpaceNet 遥感数据集 | https://spacenet.ai/ | 提供遥感图像目标检测与分割的大规模公开数据集，适合算法开发和竞赛训练。 |
| IEEE Transactions on Geoscience and Remote Sensing (TGRS) | https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=36 | 遥感领域的顶级学术期刊之一，发表高光谱图像处理、遥感物理建模、图像分类与目标检测等方面的前沿研究。高光谱遥感相关的算法创新与系统性实验通常在此类期刊发表，适合追踪领域最新方法论。 |
| ISPRS Journal of Photogrammetry and Remote Sensing | https://www.journals.elsevier.com/isprs-journal-of-photogrammetry-and-remote-sensing | 国际摄影测量与遥感学会（ISPRS）的官方期刊，侧重摄影测量、遥感信息提取与地理空间分析。高光谱图像分类、光谱解混、特征提取等方面的系统性研究常发表于此。 |
| Kaggle 遥感竞赛 | https://www.kaggle.com/ | Kaggle 平台不定期举办遥感相关竞赛，涵盖卫星图像分类、目标检测、变化检测等任务。平台提供免费 GPU 资源和社区讨论区，适合进行深度学习遥感应用的快速原型验证与模型对比。 |
推荐学习路径
零基础入门：建立遥感基础认知
建议先从国家高等教育智慧教育平台的遥感课程或中国大学MOOC的遥感原理建立系统认知，重点学习电磁波与地物光谱特性、遥感平台与传感器原理。同步配合 USGS EarthExplorer 或地理空间数据云下载 Landsat 或 Sentinel 影像，通过实际数据熟悉遥感数据的组织方式和可视化操作。这一阶段的目标是理解遥感数据“从哪里来、如何组织、能做什么”，不必急于深入算法细节。
高光谱专项入门：从原理到动手实践
完成基础认知后，可跟随 HYPERedu（EnMAP教育计划）的 MOOCs 和动手教程系统学习高光谱遥感基础与数据处理方法，或选修中国大学MOOC的高光谱遥感（成都理工大学）课程。动手实践环节可借助 NASA Earthdata 高光谱培训的 Python/JupyterHub 教程和 GEE 平台进行云上高光谱数据处理。建议在此阶段同步阅读一两篇高光谱遥感综述性论文，以建立对领域研究脉络的整体把握。
软件工具与编程实践：选择适合的工具链
根据分析需求选择合适的工具链。偏好图形界面操作的用户，以 ENVI 为主要平台，配合 ENVI 实验教程教材进行系统练习；偏好编程和自动化的用户，可从 Spectral Python (SPy) 入手处理 ENVI 格式数据，逐步过渡到 HSI工具包或 specpipe 进行完整的分类与建模流水线开发；需要进行大规模遥感影像处理时，可学习 Orfeo ToolBox 的命令行工具和 HyTools 库。对于希望将高光谱处理集成到 GIS 工作流中的用户，EnMAP-Box 是值得优先尝试的开源方案。
社区交流与实战提升：在解决问题中成长
遇到具体问题时，地信网论坛和 GIS帝国论坛是中文语境下最活跃的求助渠道；希望以竞赛方式检验和提升技能的用户，可参加天池遥感赛题、“中科星图杯”高分遥感图像解译大赛或使用 SpaceNet 数据集进行算法训练。关注 IEEE GRSM 和 Remote Sensing (MDPI) 的专刊征稿信息，可及时了解高光谱遥感领域的前沿方向和研究热点。建议将学习过程中的代码、笔记和实验结果整理成个人知识库，逐步形成自己的技术积累体系。
贵公网安备 52010302001819号
