用途：GeoMaster 是面向地理空间科学的综合技能，覆盖遥感、GIS、空间分析与地球观测机器学习，声称涵盖 70+ 主题、8 种编程语言的 500+ 代码示例。适用于处理卫星或航空影像、栅格与 DEM、云原生数据检索，以及在地球观测数据上训练或应用机器学习、执行水文/海洋/大气空间工作流。纯矢量工作建议改用 alterlab-geopandas，天体坐标用 alterlab-astropy，流体动力学模拟用 alterlab-fluidsim。
主要能力：卫星影像处理（Sentinel、Landsat、MODIS、SAR、高光谱）与光谱指数计算；栅格与 DEM 地形指标、镶嵌、重投影、分区统计；云原生数据检索加载（STAC、COG、Planetary Computer、Earth Engine、Copernicus Data Space）；遥感机器学习；矢量与栅格数据操作；网络分析与影像分类。
使用方式：安装需在 GDAL 技术栈中二选一。pip/uv 环境可用 uv pip install rasterio fiona shapely pyproj geopandas，再按需安装 torchgeo、earthengine-api、scikit-learn、osmnx、xarray、rioxarray、pystac-client、planetary-computer、odc-stac、rio-cogeo、laspy、open3d 等。PDAL、rsgislib、独立 gdal 绑定及系统 GDAL 工具建议用 conda 安装。注意勿在同一环境混用 conda-GDAL 与 pip 的 rasterio/fiona，两者捆绑不同 GDAL 二进制，ABI 不匹配会段错误。示例用法包括用 rasterio 计算 NDVI、用 GeoPandas 做空间连接、用 Earth Engine 提取时间序列、用 rio-cogeo 写出并校验 COG。
适用场景与限制：适合遥感、GIS、空间分析和地球观测机器学习任务。操作前应检查 CRS，面积与距离计算使用投影坐标系，校验并修复几何、丢弃缺失几何，优先使用 GeoPackage、Parquet 等高效格式，对光学影像做云掩膜。性能上可用空间索引、分块读写、Dask、Arrow I/O、GDAL 缓存和并行处理。资料未提供收费、价格与具体平台支持信息。