電子報
ChatGPT是由OpenAI開發的大型自然語言處理模型，可以透過自然、口語的方式與機器互動，獲得更逼真且貼近人類的對話結果。自ChatGPT問世以來，各行各業都紛紛想方設法應用它的智能，以便於發展出對於各個領域能有所幫助的應用。ChatGPT在文章寫作、資料庫整理、語言翻譯、甚至土木工程等領域都有著重要的應用，並且在未來可能因此改變人們熟悉的工作模式。由於ChatGPT在機器學習上的卓越表現，使得它成為當今最為先進的自然語言處理技術之一，擁有更廣泛的應用前景。
在衛星影像遙測的應用領域，如何取得所需關注的目標或時間區段的衛星影像，往往是一大門檻，且皆需要具備基本的程式編寫能力或相關背景知識，才能對衛星影像進行初步應用。除第65期電子報所介紹的DataCube外，最廣泛應用於衛星影像分析或處理的平台，當屬由Google提供的Google Earth Engine (GEE) 平台。然而，對於初學者而言，GEE平台使用的JavaScript語言可能尚有些複雜。
因此，本期電子報將介紹如何使用ChatGPT來簡化GEE衛星影像下載的流程，並以下載Landsat-8衛星的可見光影像作為案例示範 (圖1)。
在進行衛星影像下載之前，建議使用者先透過GEE平台上方的搜尋列輸入欲查找的衛星 (如Landsat、Sentinel或MODIS等)，平台會列出該衛星在GEE平台上，已提供使用的所有產品供使用者選擇或查找。以此先了解該衛星影像的產品種類及其所包含的多光譜波段，確保所下載的衛星影像符合研究或應用的需求，以提高研究或應用的效率和準確性 (圖2)。
本期電子報將以Landsat-8 眾多衛星產品中的TOA (Top-Of-Atmosphere) 影像為案例。使用者可以透過GEE搜尋列中輸入"Landsat/LC08/C01/T1_TOA"來查詢該產品的資料來源、屬性和引用說明。並在"BANDS"頁籤中，瀏覽並了解該產品影像中11個不同的光譜波段 (B1~B11) 的應用條件及基本資訊 (圖3)。
這些處理衛星影像資料時，所需的相關知識及步驟，是在下載和後續的分析以及加值使用中必不可或缺的背景知識。
初試ChatGPT程式碼撰寫模式
本期電子報欲透過ChatGPT提供將GEE平台上的Landsat-8衛星影像下載到本地端的方法與程式碼，以便於後續在QGIS或ArcGIS中分析使用。
因此，只需要輸入相關指令於ChatGPT的對話框中，ChatGPT將會從註冊和開啟GEE平台開始，到搜索衛星影像的方法，依順序分項列出GEE的操作步驟。讓曾有GEE操作經驗的使用者，可以透過這份說明完成衛星影像的下載 (圖4)。
然而，並非所有使用者都熟悉GEE或JavaScript，故使用者可透過輸入ChatGPT指令，來編寫GEE能執行的JavaScript程式碼。以圖5為例，透過ChatGPT編寫之程式碼可下載2021年第一張位於N22.0, E113.5至N23.0, E114.5矩形範圍內的“Landsat/LC08/C01/T1_SR”影像，並將其儲存到使用者的Google Drive中。
然而，這段程式碼尚不完整，若僅將其複製到GEE平台上運行，可能無法順利產生所需下載的影像。
透過與ChatGPT對話，修改程式碼
對衛星而言，每個光波段對同一個區域所拍攝的成果皆是各自的一幅影像 (數值矩陣)，以本案例欲下載可見光之衛星影像為例，每一幅可見光影像則是分別由紅 (Red)、綠 (Green) 及藍 (Blue) 光波段三幅影像疊合所組成。
在本案例中，透過與ChatGPT對話來對原始程式碼進行修改，如向ChatGPT補充「下載可見光影像」指令後，程式碼中的dataset部分即會增加對光譜的篩選 (select)，並分別篩選紅、綠 及藍光的波段，對應於衛星資料中的B4、B3和B2 (圖6第一段)，也可依欲分析之情形自行修改，以下載其他波段的影像供後續的分析應用。
此外，也可加入如「將範圍控制於台北市」等敘述，來讓ChatGPT修改原始程式碼內的region坐標，控制影像成果的產出範圍。或是透過 ChatGPT 來達到調整影像的輸出解析度、坐標系統或儲存位置等其他設定 (圖6)。
執行完成後即可下載成果影像
本期電子報所提供的範例程式碼可以下載2021年位於台北市範圍內的第一張Landsat-8可見光影像，並以EPSG:4326座標系統及30 m解析度儲存於使用者的Google Drive中。在GEE平台執行完成後，使用者可以在介面右側的Tasks頁籤中找到執行成果，並透過點擊藍色按鈕 (Run) 進行下載，隨即可在雲端硬碟中設定的儲存路徑找到該影像，如圖7所示。
下載完成後的影像 (.tif) 如圖8所示，可使用地理資訊軟體QGIS或ArcGIS打開檔案，透過左側的Table of Contents欄位及影像屬性視窗 (Properties)，皆顯示此可見光影像是由紅色 (B4)、綠色 (B3) 及藍色 (B2) 三幅影像所組成。並可透過此影像，觀察到該影像之雲覆區域、台北市都市圈範圍、淡水河輪廓及道路規劃等相關資訊。
透過與ChatGPT對話的方法，指引AI撰寫程式碼，不僅可以下載可見光三個波段的影像，還能透過程式碼的調整，下載其他波段的影像。舉例來說，在圖9中，利用經改寫的程式碼下載與圖8相同時間的近紅外光 (Near infrared)(B5)、短波紅外光 (Shortwave infrared)(B6及B7) 影像。接著，再透過ArcGIS對其不同波段上色，以繪製出假色影像。不僅能讓使用者直觀辨識差異，還能提供後續的指標應用，如NDVI和NDWI等。
如想瞭解其他GEE應用，請至電子報專區搜尋關鍵字「GEE」，有更多GEE應用說明與範例供參。
