智慧林业新生研讨课

3、需要学习的知识和技能

(1)AI

1、监督学习（最常用）

任务类型	算法	核心优势	适用场景（行业）	Python 实现库
分类	随机森林（RF）	抗过拟合、对缺失值鲁棒、可解释特征重要性	遥感影像地物分类（植被 / 建筑 / 水体）、病虫害识别	scikit-learn
分类	XGBoost/LightGBM	精度高、训练快、支持并行计算	高分辨率影像分类、林业火灾风险等级分类	xgboost、lightgbm
分类	SVM（支持向量机）	小样本数据表现优、高维数据高效	LiDAR 点云植被 / 非植被分类、稀有树种识别	scikit-learn
回归	线性回归	简单易解释、计算快	植被生物量预测、林业产量估算	scikit-learn
回归	梯度提升树（GBR）	非线性拟合能力强、精度高	遥感影像植被覆盖度反演、土壤湿度预测	scikit-learn

2. 无监督学习（数据无标签场景)

任务类型	算法	核心优势	适用场景（行业）	Python 实现库
聚类	K-Means	速度快、易实现、适合大规模数据	LiDAR 点云地面 / 非地面分离、遥感影像区域划分	scikit-learn
聚类	DBSCAN	无需指定聚类数、抗噪声、识别任意形状聚类	森林冠层点云聚类、遥感影像异常区域检测（如病虫害斑块）	scikit-learn
降维	PCA（主成分分析）	简化数据维度、保留核心特征、减少计算量	高维遥感影像降维（如多光谱影像从 10 + 波段降至 3 波段）	scikit-learn
降维	t-SNE	降维后可视化效果好、保留局部特征	LiDAR 点云特征可视化、高维光谱数据探索	scikit-learn

3. 深度学习（复杂数据场景）

任务类型	算法	核心优势	适用场景（行业）	Python 实现库
图像分类	CNN（卷积神经网络）	自动提取图像空间特征、精度极高	遥感影像精细分类（如作物类型细分）、林业病虫害识别	TensorFlow/Keras、PyTorch
语义分割	U-Net	擅长医学影像 / 遥感影像分割、保留细节	遥感影像地物语义分割（如道路 / 建筑 / 植被逐像素标注）	TensorFlow/Keras、PyTorch
点云处理	PointNet	直接处理无序点云、无需网格化	LiDAR 点云树种分类、森林冠层结构提取	PyTorch、TensorFlow

4、大模型（Transformer）

CNN->Transformer->ChatGPT、Gemini、Grok、DeepSeek

CNN

Transformer

豆包演示：…