LearnGeoAI 是一个面向地学、遥感、GIS、环境、生态、城市和灾害研究者的 GeoAI 方法连载项目。项目采用“微信公众号连载 + GitHub 知识库”的双轨方式：公众号负责通俗讲解和图文传播，GitHub 负责保存完整文章、代码、图件、数据说明和参考资料。
连载按方法发展脉络推进，每篇文章用一个具体地学任务讲清楚一个统计学习、机器学习或人工智能方法。
| 阶段 | 内容 |
|---|---|
| 统计学方法 | 回归、降维、空间统计、时间序列、贝叶斯方法 |
| 传统机器学习 | KNN、聚类、决策树、随机森林、SVM、GBDT/XGBoost |
| 深度学习 | CNN、RNN、Transformer、GNN 及其地学应用 |
| 基础模型 | 自监督学习、遥感基础模型、地学基础模型 |
| 大模型 | GeoLLM、视觉语言模型、RAG、Agent、多模态地学智能 |
| 期数 | 算法 | 地学任务 |
|---|---|---|
| 01 | 线性回归 | 温度与高程关系 |
| 02 | Logistic 回归 | 滑坡易发性或二分类灾害制图 |
| 03 | 主成分分析 | 多源环境变量降维 |
| 04 | Kriging | 空间插值与空间自相关 |
| 05 | 时间序列分解或 ARIMA | 气候趋势与季节性分析 |
| 06 | 贝叶斯方法 | 地学推断中的不确定性表达 |
| 07 | K 近邻 | 相似区域检索或简单空间分类 |
| 08 | K-means 聚类 | 地表类型或环境区划的无监督分组 |
| 09 | 决策树 | 可解释的规则分类 |
| 10 | 随机森林 | 土地覆盖分类或环境变量重要性分析 |
| 11 | 支持向量机 | 小样本遥感分类 |
| 12 | GBDT/XGBoost | 生态、环境或灾害风险建模 |
episodes/ 每一期文章、代码、图件和资料来源
templates/ 公众号版、GitHub 版和参考资料模板
algorithms/ 按算法家族组织的索引
tasks/ 按地学任务组织的索引
glossary.md 术语表
references.bib 共享参考文献
scripts/ 仓库检查脚本
每一期默认包含：
- 地学问题
- 算法直觉
- 核心公式
- 图解流程
- Python 示例
- 地学解释
- 适用边界
- 延伸阅读
本项目不编造引用、数据集、阈值、数值结果或性能比较。需要来源但尚未补充的说法会标记为 [NEEDS SOURCE]，并在正式发布前处理。
- 第一期开篇方向：线性回归与温度-高程关系。
- 第一期资料入口：episodes/01-linear-regression
- 第二期资料入口：episodes/02-logistic-regression
- 第三期资料入口：episodes/03-pca
- 写作模板入口：templates
如果你是读者，可以从 episodes/ 目录按期阅读，也可以从 algorithms/ 或 tasks/ 按主题查找。
如果你想复用或扩展内容，建议先查看每一期的 index.md、notebook.ipynb 和 references.md。公众号发布版会保存在对应期目的 wechat.md。