You process satellite and aerial imagery to monitor land cover, deforestation, crop health, and environmental change for government and commercial clients.
注：职业描述基于市场通用岗位职能，实际工作内容因单位和部门有所不同。
月薪（税前）· 受地区、单位性质和个人能力影响较大
北京、上海、深圳等一线城市薪资通常高于全国平均水平 20–40%
国有企业稳定性强，私营和外资企业薪资弹性较大
AI工具将大幅提升该职业的工作效率，善于运用AI的从业者可以产出倍增。主动学习AI工具的毕业生将明显领先于同行。
技术技能名称保留英文（行业通用表达），面试和实际工作中均以此为准。
在导师或上级指导下熟悉业务体系，建立专业知识框架。通常需要 3–6 个月内开始独立承担项目模块。
独立主导项目或业务模块，开始带领初级成员，逐步建立行业内的专业声誉和人脉网络。
负责重大项目或部门管理，参与战略决策，薪资上限显著提升。高级岗位通常需要丰富的项目记录或专业认证。
清晨9点，遥感数据分析师打开QGIS和Google Earth Engine平台，批量下载Sentinel-2当日过境影像；10:30参与跨部门会议，向农业项目组解释NDVI时序曲线异常——确认为云阴影误判，随即重跑大气校正与云掩膜流程；午后用Python（rasterio+scikit-learn）构建水稻种植面积分类模型，验证精度达92.3%；15:45将处理结果叠加至ArcGIS Online发布动态热力图，并撰写简明技术报告供决策层查阅；下班前同步更新元数据目录，归档Landsat 9 Level 2产品至本地NAS，确保数据可追溯、可复现。全程需兼顾算法严谨性、业务响应时效与多源数据（光学/雷达/无人机）融合逻辑。
本科及以上学历，地理信息科学、测绘工程、遥感科学与技术或环境科学相关专业优先；需掌握核心工具链：GDAL/OGR、ENVI、SNAP及至少一门编程语言（Python为主）；熟悉辐射定标、几何配准、影像分割与监督/非监督分类原理；具备空间统计与时间序列分析基础。建议考取：
基础岗位无需深入轨道力学，但需理解重访周期、太阳高度角对成像质量的影响，以及不同传感器（如SAR与光学）的观测约束条件，这是判断数据可用性的关键。
有显著优势——空间思维、坐标系统与制图规范已扎实掌握；重点补强影像处理流程（如FLAASH大气校正）、光谱特征识别及Python自动化脚本能力，3–6个月系统实践即可胜任初级分析任务。
一线城市应届生年薪约15–22万元；3年经验者普遍达25–38万元，参与碳汇监测、应急减灾等国家项目者上浮20%以上；资深专家结合AI建模能力可达50万+，但需持续跟进深度学习（如U-Net遥感分割）前沿进展。