ChatGPT（Chat Generative Pre-trained Transformer, 聊天生成预训练转换器），美国OpenAI 公司研发的人工智能聊天机器人程序火爆全世界。上周百度发布了对标ChatGPT的文心一言，OpenAI发布了GPT4多模态模型，微软宣布在Office里集成AI 驱动工具 Copilot ，微信公众号里关于GPT的文章一篇接一篇，我跟同事和大学同学也热聊ChatGPT，这次人工智能真的在改变我们的工作和生活了，深入普通大众的。

GPT未来还会有何种程度的进化，不清楚；GPT会在何种程度上改变遥感产业，不知道；但当下，我们可以把ChatGPT用于我们日常从事的遥感工作中，让其成为我们的得力助手和生产力工具，使用得当，也许可以抵得上若干个真人小助理。

遥感知识问题回答比搜索引擎好用，可以得到简洁、全面、清晰和较为合适的答案。

图1 问题“新人如何学习遥感？”回答图▼

图2 问题“我想用一个GIS软件来进行空间分析，选ArcGIS还是QGIS？”回答图▼

图3 问题“当前最热门的遥感主题？”回答图▼

图4 问题“分析就绪数据对于遥感重要吗？”回答图▼

用ChatGPT来帮助我们编程进行遥感数据处理和信息提取，可以提问让ChatGPT生成遥感图像读取处理的Python程序，结合专业软件的二次开发或接口代码，另外我们常用的谷歌地球引擎(Google Earth Engine, GEE)代码也可以由ChatGPT生成，有人甚至说“ChatGPT和谷歌地球引擎是卫星图像处理的天作之合”。

我们来看看让ChatGPT协助我们编程进行遥感数据处理和信息提取的简单例子。第1个，让ChatGPT使用snappy库和python语言编写一个脚本来读取Sentinel-1卫星数据(见图5)。

图5“用python编写一个脚本来读取Sentinel-1卫星数据”回答图▼

第2个例子，写一个脚本显示中国长春市的陆地卫星数据，云量小于20%(见图6)。

图6“写一个脚本显示中国长春市的陆地卫星数据”回答图▼

第3个例子，图7和图8是让ChatGPT生成归一化植被指数(NDVI)图的代码，可以一步步引导得到想要的结果，指定影像的时间，给出按行政区矢量裁切的代码。

图7“在谷歌地球引擎(GEE)中生成NDVI图”回答图▼

图8 GEE中运行ChatGPT提供的代码图▼

还可以让ChatGPT为一个开放的遥感解决方案提供框架思路，比如图9和图10让它提供一个城市地表水质监测的遥感解决方案，甚至可以继续追问在该方案下，如何做数据预处理、如何进行特征提取、如何进行模型训练/构建反演模型、如何进行模型的评估与优化等等。

图9 问题“怎么用遥感来实施一个城市的地表水质监测”回答图▼

图10 问题“你提到的水体遥感指标不能用来分析地表水质，换一个方案”回答图▼

对于遥感应用场景和解决方案方面的开放性问题，ChatGPT有中规中矩的回答(图11)，也能带来很多有趣的思路。

图11 问题“描述下可能的遥感和ChatGPT结合的场景”回答图▼

ChatGPT有时候也会一本正经地胡说，生成错误信息，所以它当前只能是助手——它提供的材料都需要我们再核实一遍——但它的确实现了机器与人的结合，它能听懂我们的“问话”，拥有强大的知识储备和生成能力。

AI 带动的生产力革命迎面而来！我们要做的是拥抱AI，让其成为人类发挥创造力和实现梦想的有力工具。GPT与遥感还将会有哪些融合场景，促进遥感的价值和效率提升，让我们在不断参与中，拭目以待！

参考文献 

[1] New Remote Sensing Handbook Published. 

https://www.usgs.gov/news/technical-announcement/new-remote-sensing-handbook-published . 

[2] Remote Sensing Handbook - Three Volume Set 1st Edition. 

https://www.amazon.com/Remote-Sensing-Handbook-Three-Set/dp/1482218011.