ChatGPT4与ArcGIS Pro3助力AI 地理空间分析和可视化及助力科研论文写作
在地学领域,ArcGIS几乎成为了每位科研工作者作图、数据分析的必备工具,而ArcGIS Pro3除了良好地继承了ArcMap强大的数据管理、制图、空间分析等能力,还具有二三维融合、大数据、矢量切片制作及发布、任务工作流、时空立方体等特色功能,已经成为提高工作效率的大趋势。
随着chatGPT/GPT4等大语言模型的出现,AI思维也已经成为一种必备的能力,ArcGIS Pro3的卓越性能与ChatGPT的智能交互相结合,将会为您打造一个全新的工作流程。
ChatGPT能够理解您对编程的需求,帮助您编写Python3代码。您只需描述您的目标和需求,ChatGPT将为您生成代码片段或提供编程思路,一旦您得到了ChatGPT生成的代码片段,您可以将其复制到ArcGIS Pro3的ArcGIS Jupyter Notebook笔记本中,一键化执行。通过ArcPy模块和ArcGIS Pro3提供的API,您可以利用ChatGPT生成的代码与地理数据进行交互,执行各种地理处理和空间分析任务。
那么如何将火热的ChatGPT与ArcGIS Pro3相结合,使我们无需自己进行复杂的编程,通过强大的ChatGPT辅助我们完成地理空间分析,各类专题图绘制、渲染,以提高你的10倍生产力和创造力。
【账号事宜】参会即免费赠送每人1个独立可永久使用ChatGPT 账号。
【超级福利】参加本次培训学员,额外赠送1个月ChatGPT Plus会员账号,享受GPT-4模型高级功能。
目标
1. 掌握ChatGPT的使用方法、提示词输入、各插件使用方法。
2. 认识ArcGIS Pro的工作流程及各个功能。
3. 掌握如何利用ChatGPT生成ArcGIS Pro可使用的编程代码,执行各种地理处理和空间分析任务。
4. 能够使用ChatGPT完成撰写及修改论文及工作报告,可以辅助写作论文或写工作报告,提升您的写作能力及提出优化方案。
5. 能够利用ChatGPT完成数据处理分析、科研工作、编程等。
6. 掌握ChatGPT中AI绘图工具的使用,随意生成各种类型的图像。
附件一:大纲
第一部分 如何使用ChatGPT/GPT-4及ArcGIS Pro3基础 | |
1.最新版ChatGPT入门 | 什么是ChatGPT/GPT-4,如何助力ArcGIS Pro3实现AI地理空间分析和可视化操作,如何助力高效科研论文写作。 案例实操:ChatGPT官网使用方法实操 案例实操:ChatGPT-API科学使用方法实操 案例实操:ChatGPT功能实操,面具使用、模型切换、插件切换、本地对话数据导入和导出 案例实操:ChatGPT OpenAI模型详解及演示(gpt-4、gpt-4-0613、gpt-4-vision-preview、gpt-4-dalle、gpt-3.5-turbo等) 案例实操:优秀国内人工智能模型推荐 案例实操:让ChatGPT自己回答“什么是ChatGPT” |
2.最新版ArcGIS Pro3入门 | 案例实操:ArcGIS Pro3科学安装方法 案例实操:ArcGIS Pro3界面详解(工程.aprx(地图、工具箱、数据库、样式、文件夹、定位器)、色觉模拟器、内容列表、目录窗格、目录视图、搜索、菜单栏的使用、图层操作、测量等) 案例实操:ArcGIS Jupyter Notebook启动方法 案例实操:ArcGIS Jupyter Notebook基本使用方法 案例实操:ArcGIS Jupyter Notebook安装第三方包 案例实操:直调调用克里金插值工具使用方法案例实操:地理处理工具箱(原ArcToolbox)、添加天地图各类底图、添加ArcGIS Server地图服务 案例实操:让ChatGPT帮助您决定使用什么工具 |
3.Prompt提示词使用方法 | 案例实操:如何逐步把问题描述清楚案例实操:角色扮演的艺术 案例实操:使用不同的语气和角度提出问题 案例实操:定义具体任务和目标 案例实操:充分利用上下文关联的信息 案例实操:小工具-提示词修改器 案例实操:零样本学习(提示词加上【我们逐步解决问题】) 案例实操:多样本学习(所有问题围绕共同主题提出)案例实操:知识生成(提高模型的信息处理能力) |
4.作为强大的搜索引擎 | 案例实操:把ChatGPT当搜索引擎使用(功能、使用方式和内容的异同点) 案例实操:作为专业导游进行景点行程规划 案例实操:作为厨师的菜谱推介 案例实操:作为专业名词、技术方案和疑难问题的方案解决专家 案例实操:制作PPT框架 |
第二部分 ChatGPT助力ArcGIS Pro3空间数据处理与分析 | |
5.ChatGPT成为你的编程助手 | 案例实操:用ChatGPT实现ArcGIS Pro3中某一特定功能的程序 案例实操:让AI对代码进行详细中文解释 案例实操:让AI对代码进行详细英文解释 案例实操:让AI为代码添加中文注释 案例实操:让AI回复程序代码bug问题并自动修改 案例实操:让AI回答代码疑问 案例实操:使用 AI 工具读取本地数据的技巧 |
6.ChatGPT助力ArcGIS Pro3矢量数据处理与分析 | 案例实操:让AI实现点和多点的创建 案例实操:让AI实现线的创建 案例实操:让AI实现面的创建 案例实操:让AI实现对文本文件进行读写操作 案例实操:让AI实现对Excel文件进行读写操作并生成点数据 案例实操:让AI实现矢量数据批量入库 案例实操:让AI实现矢量数据裁剪和批量矢量数据裁剪案例实操:让AI矢量数据批量定义投影坐标系析 案例实操:让AI实现对矢量图层属性表操作 案例实操:让AI对多个矢量图层属性联合查询-多表联合查询案例实操:让AI对矢量数据的统计分析结果输出到Excel中案例 实操:让AI沿线固定距离生成点数据 案例实操:让AI实现污染区域缓冲区分 案例实操:让AI实现建设项目选址分析全过程 |
7.ChatGPT助力ArcGIS Pro3栅格数据处理与分析 | 案例实操:让AI帮我选择遥感数据源(如提取滨海湿地互花米草) 案例实操:让AI实现海量栅格数据管理 案例实操:让AI实现DEM水文分析 案例实操:让AI实现栅格裁剪和批量栅格裁剪 案例实操:让AI实现计算栅格数据平均值 案例实操:让AI实现计算气象栅格日均气温值 案例实操:让AI实现栅格数据批量定义投影坐标系案例实操:让AI实现高分2号遥感影像的归一化植被指数NDVI计算 |
第三部分 ChatGPT助力ArcGIS空间可视化与专题制图 | |
8.ChatGPT助力ArcGIS Pro3可视化与精细化制图 | 案例实操:让AI实现mxd批量导出jpg 案例实操: 让AI实现IDW反距离插值空间可视化 案例实操:让AI实现经验贝叶斯克里金插值可视化 案例实操:让AI实现批量制作全国各月平均气温专题图案例实操:让AI实现批量制作区域的1800-2000 年人口发展专题图 案例实操:让AI实现数据驱动制作区域影像网格专题图案例实操:让AI实现数据驱动制作多区域的地图 案例实操:让AI实现河流水质动态分段精细化制图 案例实操:让AI实现哨兵2号遥感影像植被覆盖度FVC计算 案例实操:让AI实现DEM山体阴影 案例实操:让AI实现中国区域人均GDP空间分布图 案例实操: 让AI实现制作人口密度图 案例实操:让AI实现中国区域PM2.5空气污染专题图 |
第四部分 ChatGPT助力高效科研论文写作 | |
9.ChatGPT成为科研论文写作高效助手 | 案例实操:ChatGPT学术科研版功能实操 案例实操:地学相关文献搜索(查找某个观点或内容相关的论文) 案例实操:学术论文中译英 案例实操:学术论文英语润色 案例实操:学术论文中文润色 案例实操:学术论文查找语错误 案例实操:学术论文精准翻译PDF论文 案例实操:上传本地PDF论文ChatGPT充当导师得出论文审稿意见 案例实操:文献综述(针对论文内容问答) 案例实操:生成摘要 案例实操:回复审稿人意见 案例实操:撰写论文全文的技巧 案例实操:如何防止 AI 生成的内容被检测 案例实操:知识类问题一问到底 |
电脑上课环境;请提前自己安装所需软件。 |
全文预览:最新版ChatGPT4与ArcGIS Pro3的AI 地理空间分析和可视化及助力科研论文写作
相关文章:
ChatGPT4与ArcGIS Pro3助力AI 地理空间分析和可视化及助力科研论文写作
在地学领域,ArcGIS几乎成为了每位科研工作者作图、数据分析的必备工具,而ArcGIS Pro3除了良好地继承了ArcMap强大的数据管理、制图、空间分析等能力,还具有二三维融合、大数据、矢量切片制作及发布、任务工作流、时空立方体等特色功能&#x…...
okhttp系列-一些上限值
1.正在执行的任务数量最大值是64 异步请求放入readyAsyncCalls后,遍历readyAsyncCalls取出任务去执行的时候,如果发现runningAsyncCalls的数量大于等于64,就不从readyAsyncCalls取出任务执行。 public final class Dispatcher {private int …...
C++面向对象(OOP)编程-STL详解(vector)
本文主要介绍STL六大组件,并主要介绍一些容器的使用。 目录 1 泛型编程 2 CSTL 3 STL 六大组件 4 容器 4.1 顺序性容器 4.1.1 顺序性容器的使用场景 4.2 关联式容器 4.2.1 关联式容器的使用场景 4.3 容器适配器 4.3.1 容器适配器的使用场景 5 具体容器的…...
postman几种常见的请求方式
1、get请求直接拼URL形式 对于http接口,有get和post两种请求方式,当接口说明中未明确post中入参必须是json串时,均可用url方式请求 参数既可以写到URL中,也可写到参数列表中,都一样,请求时候都是拼URL 2&am…...
openai最新探索:超级对齐是否可行?
前言 今天来介绍一篇openai最新的paper:弱到强的对齐。 openai专门成立了一个团队来做大模型的超级对齐即superhuman model,之前chatgpt取得成功依赖RLHF即依赖人类反馈,但是作者期望的superhuman model将会是一个能够处理各种复杂问题的强…...
本地websocket服务端结合cpolar内网穿透实现公网访问
文章目录 1. Java 服务端demo环境2. 在pom文件引入第三包封装的netty框架maven坐标3. 创建服务端,以接口模式调用,方便外部调用4. 启动服务,出现以下信息表示启动成功,暴露端口默认99995. 创建隧道映射内网端口6. 查看状态->在线隧道,复制所创建隧道的公网地址加端口号7. 以…...
关于“Python”的核心知识点整理大全37
目录 13.6.2 响应外星人和飞船碰撞 game_stats.py settings.py alien_invasion.py game_functions.py ship.py 注意 13.6.3 有外星人到达屏幕底端 game_functions.py 13.6.4 游戏结束 game_stats.py game_functions.py 13.7 确定应运行游戏的哪些部分 alien_inva…...
Vivado中的FFT IP核使用(含代码)
本文介绍了Vidado中FFT IP核的使用,具体内容为:调用IP核>>配置界面介绍>>IP核端口介绍>>MATLAB生成测试数据>>测试verilogHDL>>TestBench仿真>>结果验证>>FFT运算。 1、调用IP核 该IP核对应手册pg109_xfft.pd…...
创新驱动,边缘计算领袖:亚马逊云科技海外服务器服务再进化
2022年亚马逊云科技re:Invent盛会于近日在拉斯维加斯成功召开,吸引了众多业界精英和创新者。亚马逊云科技边缘服务副总裁Jan Hofmeyr在演讲中分享了关于亚马逊云科技海外服务器边缘计算的最新发展和创新成果,引发与会者热烈关注。 re:Invent的核心主题是…...
什么是“人机协同”机器学习?
“人机协同”(HITL)是人工智能的一个分支,它同时利用人类智能和机器智能来创建机器学习模型。在传统的“人机协同”方法中,人们会参与一个良性循环,在其中训练、调整和测试特定算法。通常,它的工作方式如下…...
数学建模笔记-拟合算法
内容:拟合算法 一.概念: 拟合的结果就是找到一个确定的曲线 二.最小二乘法: 1. 2.最小二乘法的二表示的是平方的那个2 3.求解最小二乘法: 三.评价拟合的好坏 1.总体评分和SST: 2.误差平方和SSE: 3.回…...
非线性约束的优化问题_序列二次规划算法代码
1. 理论部分 2. 序列二次规划算法代码及解析 3.完整代码 1.理论部分 a.约束优化问题的极值条件 库恩塔克条件(Kuhn-Tucker conditions,KT条件)是确定某点为极值点的必要条件。如果所讨论的规划是凸规划,那么库恩-塔克条件也是充分条件。 ÿ…...
【数据结构之顺序表】
数据结构学习笔记---002 数据结构之顺序表1、介绍线性表1.1、什么是线性表? 2、什么是顺序表?2.1、概念及结构2.2、顺序表的分类 3、顺序表接口的实现3.1、顺序表动态存储结构的Seqlist.h3.1.1、定义顺序表的动态存储结构3.1.2、声明顺序表各个接口的函数 3.2、顺序表动态存储…...
junit-mock-dubbo
dubbo单元测试分两种情况 Autowired注解是启动上下文环境,使用上下文对象进行测试,适合调试代码 InjectMocks注解是启动上下文环境,使用mock对象替换上下文对象,适合单元测试 BaseTest *** Created by Luohh on 2023/2/10*/ S…...
json解析之fastjson和jackson使用对比
前言 最近项目中需要做埋点分析,首先就需要对埋点日志进行解析处理,刚好这时候体验对比了下fastjson和jackson两者使用的区别,以下分别是针对同一个json串处理,最终的效果都是将json数据解析出来,并统一展示。 一、fa…...
设计模式之-模板方法模式,通俗易懂快速理解,以及模板方法模式的使用场景
系列文章目录 设计模式之-6大设计原则简单易懂的理解以及它们的适用场景和代码示列 设计模式之-单列设计模式,5种单例设计模式使用场景以及它们的优缺点 设计模式之-3种常见的工厂模式简单工厂模式、工厂方法模式和抽象工厂模式,每一种模式的概念、使用…...
微软官方出品:GPT大模型编排工具,支持C#、Python等多个语言版本
随着ChatGPT的火热,基于大模型开发应用已经成为新的风口。虽然目前的大型模型已经具备相当高的智能水平,但它们仍然无法完全实现业务流程的自动化,从而达到用户的目标。 微软官方开源的Semantic Kernel的AI编排工具,就可以很好的…...
docker安装的php 在cli中使用
1: 修改 ~/.bashrc 中新增 php7 () {ttytty -s && tty--ttydocker run \$tty \--interactive \--rm \--volume /website:/website:rw \--workdir /website/project \--networkdnmp_dnmp \dnmp_php php "$" }–networkdnmp_dnmp 重要, 不然连不上数据库, 可通…...
tcp vegas 为什么好
我吹捧 bbr 时曾论证过它在和 buffer 拧巴的时候表现如何优秀,但这一次说 vegas 时,我说的是从拥塞控制这个问题本身看来,vegas 为什么好,并且正确。 接着昨天 tcp vegas 鉴赏 继续扯。 假设一群共享带宽的流量中有流量退出或有…...
【设计模式】命令模式
其他系列文章导航 Java基础合集数据结构与算法合集 设计模式合集 多线程合集 分布式合集 ES合集 文章目录 其他系列文章导航 文章目录 前言 一、什么是命令模式? 二、命令模式的优点和应用场景 三、命令模式的要素和实现 3.1 命令 3.2 具体命令 3.3 接受者 …...
Unity头发飘动效果
Unity头发飘动 介绍动作做头发飘动头发骨骼绑定模拟物理组件 UnityChan插件下载UnityChan具体用法确定人物是否绑定好骨骼节点(要做的部位比如头发等)给人物添加SpringManager骨骼管理器给骨骼节点添加SpringBone这里给每个头发骨骼都添加上SpringBone。…...
【MIKE】MIKE河网编辑器操作说明
目录 MIKE河网编辑器说明河网定义河网编辑工具栏河网文件(.nwk11)输入步骤1. 从传统的地图引入底图1.1 底图准备1.2 引入河网底图1.3 输入各河段信息2. 从ARCView .shp文件引入底图MIKE河网编辑器说明 河网编辑器主要功能有两个: ①河网的编辑和参数输人,包括数字化河网及…...
RIPV1配置实验
查看路由器路由表: 删除手工配置的静态路由项: Route1->Config->static Remove删除路由项 删除Route3的路由项,方法同上删除Route2的路由项,方法同上 完成路由器RIP配置: Route1->Config->RIP->Ne…...
快速实现农业机械设备远程监控
农业机械设备远程监控解决方案 一、项目背景 近年来,农业生产事故时有发生,农业安全问题已经成为农业生产中的关键问题,农业监控系统在农业安全生产中发挥着重要作用。农业机械设备以计划维修或定期保养为主,在日常应用的过程中因…...
解决用Fiddler抓包,网页显示你的连接不是专用/私密连接
关键:重置fiddler的证书 在Fiddler重置证书 1、Actions --> Reset All Certificates --> 弹窗一路yes 2、关掉Fiddler,重新打开 3、手机删掉证书,重新下载安装。 (如果还不行,重新试一遍,先把浏览器…...
单片机原理及应用:流水灯的点亮
流水灯是一种简单的单片机控制电路,由许多LED组成,电路工作时LED会按顺序点亮,类似于流水的效果。 下面是运行在keil上的代码,分别使用了数组,移位符和库函数来表示。 //数组法 #include <reg52.h> //头文…...
蓝桥杯宝藏排序算法(冒泡、选择、插入)
冒泡排序: def bubble_sort(li): # 函数方式for i in range(len(li)-1):exchangeFalsefor j in range(len(li)-i-1):if li[j]>li[j1]:li[j],li[j1]li[j1],li[j]exchangeTrueif not exchange:return 选择排序: 从左往右找到最小的元素,放在起始位置…...
使用@jiaminghi/data-view实现一个数据大屏
<template><div class"content bg"><!-- 全局容器 --><!-- <dv-full-screen-container> --><!-- 第二行 --><div class"module-box" style"align-items: start; margin-top: 10px"><!-- 左 -->…...
神经网络:池化层知识点
1.CNN中池化的作用 池化层的作用是对感受野内的特征进行选择,提取区域内最具代表性的特征,能够有效地减少输出特征数量,进而减少模型参数量。按操作类型通常分为最大池化(Max Pooling)、平均池化(Average Pooling)和求和池化(Sum Pooling)&a…...
微服务常见的配置中心简介
微服务架构中,常见的配置中心包括以下几种: Spring Cloud Config: Spring Cloud Config是官方推荐的配置中心解决方案,它支持将配置文件存储在Git、SVN等版本控制系统中。通过提供RESTful API,各个微服务可以远程获取和…...
免费建站网站/头条搜索站长平台
登陆WI所在的服务器,修改WI默认的default.ica文件,在[Application] 中添加 ConnectionBar0C:\Inetpub\wwwroot\Citrix\DesktopWeb\conf\default.icaC:\Inetpub\wwwroot\Citrix\PNAgent\conf\default.ica注:添加此条目后,XenDestop…...
甘肃省路桥建设集团网站/app注册推广平台
致谢 感谢网友提出这个问题。大家有问题也可以在评论区提出,有问必有答。如果涉及商业需求,可以联系作者133-2459-8743。 问题描述 经常的,我们会遇到这样的问题。 1. 我们想在这台机器上渲染一个视口。同样的场景,希望在局域网…...
网站建设的一般流程排序为/淄博seo怎么选择
在阅读的过程中有不论什么问题,欢迎一起交流 邮箱:1494713801qq.com QQ:1494713801 Services:Cloud Foundry的Service模块从源码控制上看就知道是一个独立的、可Plugin的模块,以方便第三方把自己的服务整合入 CloudFoundry生态…...
怎么做最火的视频网站/网站测速
https://leetcode.com/problems/longest-palindromic-substring/ 题意:求最长回文子串 思路:动态规划,设dp[i][j]表示从i到j的子串是不是回文串,如果是dp[i][j]1,否则dp[i][j]0. 状态转移:dp[i][j]dp[i1][j-1]&…...
能自己做效果图的网站/seo工程师
链接...
那家网站做照片书好/线上推广活动有哪些
题目要求: 给定一个排好顺序数组和一个目标值,搜索数组,如果找到目标,那么返回索引。如果没有,那么返回该目标值应该插入数组的位置索引。 假设数组中没有重复项。 Example: 例1 输入: [1,3,5…...