表观温度模型描述:表观温度，也称为感知温度，对应于人类对温度的感知，由气温、相对湿度和风速的综合影响引起。
植被-NDVI模型描述:Normalized Difference Vegetation Index（NDVI）是用于评估植被状况的指数。该模块使用NDVI进行植被分析，提供对植被覆盖度和生态质量的准确评估，支持农业监测、生态环境评估等应用。
水体-NDWI模型描述:Normalized Difference Water Index（NDWI）是一种用于检测水体的指数。通过比较近红外波段和绿色波段的反射率，NDWI可以有效区分水体和其他地物。该模块利用NDWI进行水体分析，为用户提供准确的水体辨识和监测功能...
水体-MNDWI模型描述:Modified Normalized Difference Water Index（MNDWI）是一种用于遥感影像分析的指数。MNDWI可用于提取水体特征，例如湖泊、河流、水库等，对于水资源管理、环境监测和土地覆盖分类等应用具有重要意义。
水体变化分析模型描述:利用两个不同时间点的NDWI差值，实现水体变化的检测与分析。通过比较两个时刻的水体指数差异，用户可以获得关于水体变化的详细信息，为水域管理、洪涝监测等提供有力支持。
干旱分析模型描述:Standardized Precipitation Evapotranspiration Index（SPEI）是一个用于衡量气候干旱和湿润状况的指标。该指数考虑了降水和蒸发蒸腾的影响，通过标准化处理这些因素，使其在时间和空间上具有可比性。正值SPEI表示相对湿润的条件...
植被变化检测模型描述:利用两个不同时间点的NDVI差值，实现植被变化的检测与分析。通过分析植被指数的变化，用户可以获取有关植被覆盖度和生长状况的关键信息，支持生态保护和土地管理决策。
建筑物提取模型描述:Normalized Difference Built-up Index（NDBI）是一种用于检测建筑物的指数。该模块使用NDBI进行建筑物提取分析，为城市规划、土地利用管理等提供了可靠的建筑物信息。
AI-耕地提取模型描述:采用crop_recog_swin_onnx模型，专门用于耕地提取。通过深度学习算法，模块能够准确地识别和提取图像中的耕地信息，为农业管理和土地利用规划提供支持。
AI-土地利用分类模型描述:采用Landuse_Classification_8模型，用于土地利用分类。通过深度学习技术，模块可以对图像中的不同土地类型进行自动分类，为土地资源管理、环境监测等领域提供有力的土...
水体时间序列分析模型描述:根据NDVI指数，使用“LC08_L1TP_ARD_EO”数据（分析就绪型Landsat8数据）对多时相影像进行水体时间序列的统计分析。利用不用时期的影像分别提取水体，并统计水体出现的频率...
定量遥感模型描述:一套利用30米空间分辨率的美国Landsat8遥感影像反演算法，能快速准确地生产出湖南省每季度的植被指数(NDVI)、 植被覆盖度(FVC)和植被净初级生产力(NPP)，在此基础上生成每年的湖南省全境植被生态质量指数。
LuoJiaNet模型描述:LuoJiaNet是遥感领域自主可控的遥感影像机器学习框架，针对遥感数据像幅尺寸大、数据通道多、尺度变化大等特性，具备内存可扩展、尺度通道灵活创建、数据通道自主优选、框架与数据协同处理的特点。可兼容已有深度学习框架，并提供用户友好的、可拖拽的交互...
GeoChat模型描述:构建首个知识增强的地学领域大模型，利用新一代人工智能技术提供地学领域知识问答服务，帮助用户快速定制自身的时空计算业务
几何校正模型描述:基于OGE平台的几何校正算子，提供手动选点和自动匹配两种在线几何校正模式，以天地图为底图，支持多源数据匹配校正，包括光学影像和SAR影像等，提供高效率、高精度和高灵活的几何校正方案。
碳排放模型描述:利用OGE平台所提供的一套restful服务接口开发的，基于能源消耗数据计算2015-2020年长江流域城市碳排放。利用传统的排放因子法和每市的农业、工业、建筑业的产值以及城镇人口在每个省的占比，得到市一级的碳排放数据。
地理加权回归模型描述:地理加权回归是一种空间数据分析方法，其结合了传统回归分析和地理空间数据分析的优势，它将权重函数引入回归模型，使得模型在不同地理位置上的解释变量对因变量的影响具有空间异质性。