2025年大学《地球信息科学与技术》专业题库- 地球资源开发与管理的新兴遥感技术

2025年大学《地球信息科学与技术》专业题库——地球资源开发与管理的新兴遥感技术考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分。请将正确选项字母填在题干后的括号内）1.下列哪一项不是通常所指的“新兴遥感技术”范畴？A.高分辨率光学卫星遥感B.惯性导航系统（INS）C.无人机多光谱遥感D.气象卫星红外云图分析2.能够全天候、全天时工作，且不受云雨干扰的遥感传感器类型主要是：A.高光谱成像仪B.光学相机C.合成孔径雷达（SAR）D.热红外扫描仪3.在地球资源开发中，利用遥感技术进行矿产资源勘查时，通常重点关注遥感影像的：A.色彩饱和度B.光谱曲线特征C.图像清晰度D.传感器发射功率4.下列哪项技术是利用地物对不同波长的电磁波反射率差异来识别地物类别？A.激光雷达（LiDAR）高度测量B.合成孔径雷达（SAR）干涉测量C.多光谱/高光谱成像D.惯性导航定位5.遥感数据大气校正的主要目的是：A.压缩图像数据量B.消除或减弱大气对传感器接收信号的影响C.提高图像的几何精度D.增强图像的对比度6.在水资源监测中，利用遥感技术监测水体面积变化，主要依据的是遥感影像的：A.热红外波段信息B.赤道波段信息C.红外波段信息D.遮蔽波段信息7.无人机遥感相比卫星遥感，其主要优势之一是：A.时空分辨率极高B.数据获取成本极低C.覆盖范围极广D.可持续观测能力极强8.遥感技术在土地资源管理中，可用于监测土地退化，主要关注的是：A.土地利用类型的剧烈变化B.土地覆盖光谱特征的缓慢变化C.土地价格的空间分布D.土地所有权变更记录9.将光学影像与雷达影像进行融合，目的是：A.仅提高影像的几何分辨率B.仅增强影像的辐射分辨率C.结合两种影像的优势，提高信息提取的准确性和完整性D.完全消除两种影像的差异10.人工智能（AI）在遥感领域的应用趋势不包括：A.自动化影像解译B.提高遥感数据处理效率C.完全取代人工判读D.实现遥感大数据的智能分析二、填空题（每空1分，共15分。请将正确答案填在横线上）1.遥感技术的基本原理是利用地物对电磁波的_______和_______的特性来获取地物信息。2.高分辨率遥感数据在矿产资源勘查中，能够提供更详细的地表信息，有助于识别_______和_______等微弱找矿标志。3.遥感图像的辐射校正主要解决的是传感器接收信号与地物实际反射率之间的_______问题。4.机载激光雷达（LiDAR）主要用于获取地表_______和_______信息。5.在土地资源动态监测中，常用的遥感数据变化检测方法包括_______和_______。6.人工智能在遥感影像分类中，常使用_______等算法来处理高维度的光谱数据。7.“空天地一体化”遥感观测体系是指综合运用_______、_______和_______等多种平台的遥感手段进行对地观测。8.遥感技术在环境监测中，可用于_______污染源、监测_______质量变化以及评估生态破坏状况。三、名词解释（每题3分，共12分。请给出简洁、准确的定义）1.电磁波2.光谱分辨率3.变化检测4.人工智能赋能遥感四、简答题（每题5分，共20分。请简要回答下列问题）1.简述合成孔径雷达（SAR）遥感技术相对于光学遥感技术的主要优势。2.简述高光谱遥感数据在地球资源环境监测中相较于多光谱遥感数据的主要优势。3.简述无人机遥感技术在城市土地资源调查中的应用特点。4.简述遥感技术在进行森林资源调查中可以提供哪些信息。五、论述题（每题10分，共20分。请结合实例或原理，深入阐述下列问题）1.论述人工智能技术如何推动遥感影像信息提取向智能化方向发展，并分析其面临的挑战。2.结合具体资源类型（如水、土、林、矿等），论述新兴遥感技术在其可持续管理与监测中的应用潜力。---试卷答案一、选择题1.B2.C3.B4.C5.B6.B7.A8.B9.C10.C二、填空题1.反射，辐射2.矿床露头，蚀变现象3.关系（或“误差”、“偏差”）4.高程，地形5.图像比较法，变化信息提取法（或“差值分析”）6.深度学习（或“神经网络”）7.卫星，飞机，无人机8.大气，水体三、名词解释1.电磁波：一种以波的形式传播的电磁能量，是遥感信息的主要载体，不同地物对不同波段的电磁波具有不同的辐射或反射特性。2.光谱分辨率：指遥感传感器能够区分的光谱波段数量的多少或光谱区间宽度的细微程度，分辨率越高，越能区分地物间的细微光谱差异。3.变化检测：指利用不同时相的遥感影像，通过对比分析，识别和提取地物类别、范围、性质等在空间或时间上的变化信息的技术方法。4.人工智能赋能遥感：指将人工智能的理论、方法和技术（如机器学习、深度学习等）应用于遥感数据的获取、处理、分析、解译和可视化等环节，以实现智能化、自动化，提高信息提取的精度和效率。四、简答题1.解析思路：比较SAR与光学遥感在成像原理、工作方式及结果上的差异。SAR是主动式成像，不受光照条件限制（全天时），具有穿透云雾的能力；SAR是微波成像，对地表粗糙度敏感，可获取地物后向散射信息，能成像水体、透明介质下方目标；光学遥感是被动式成像，依赖太阳光照，受云雾影响大，获取可见光和近红外波段信息，反映地物表面颜色和纹理。答案要点：SAR可全天时、全天候工作，不受云雨干扰；具有穿透能力，可探测植被冠层下方或透明介质；能获取地物后向散射信息，对地表粗糙度敏感，可成像水体等光学遥感无法探测目标；可提供立体影像获取地形。2.解析思路：阐述光谱分辨率的定义及其对地物识别的影响。高光谱遥感具有极高的光谱分辨率，能够获取地物在可见光、近红外、短波红外、热红外等多个维度（上百个）连续光谱通道的信息。多光谱遥感光谱通道数量少（通常3-15个），波段宽度较宽。高光谱数据能更精细地反映地物独特的光谱曲线，区分光谱相似但性质不同的地物，提高识别精度，适用于精细分类、物质识别、环境监测等对光谱信息要求高的应用。答案要点：光谱分辨率指区分光谱细微差异的能力。高光谱遥感具有极高的光谱分辨率，能获取上百个连续光谱通道信息，反映地物精细的光谱曲线；多光谱遥感光谱通道少，波段宽。高光谱数据能更好地区分地物，提高识别精度，适用于精细分类、物质识别、环境监测等。3.解析思路：分析无人机平台的特点及其在土地资源调查中的应用。无人机具有高机动性、低空飞行、灵活部署、高性价比、小范围高分辨率数据获取能力强等特点。结合土地资源调查往往需要精细、现势性强、局部区域详查的需求，无人机遥感能够快速获取小范围、高分辨率、高精度地理空间信息，适用于农田地块划分、建设用地现状调查、土地权属界线核实、违法用地监测、三维建模与可视化等。答案要点：无人机具有高机动性、低空灵活、高性价比、可获取高分辨率数据等特点。其应用特点在于：可快速获取小范围、高精度、高现势性数据；适用于农田精细化管理、建设用地调查与监测、违法用地核查、三维建模与可视化、动态监测等。4.解析思路：列举遥感技术在森林资源调查中能够获取的信息类型。森林资源调查包括对森林的数量和质量进行测定。遥感技术可通过不同波段的影像，获取森林的覆盖范围、郁闭度、树种类型（或林分结构）、树高、生物量、叶面积指数、林下环境等信息。利用LiDAR可获取精确的地形和植被高度信息。通过多时相遥感数据可进行森林生长动态监测、森林火灾监测与评估、病虫害调查、毁林监测等。答案要点：可获取森林覆盖范围、郁闭度、林分类型（树种、结构）信息；利用多光谱/高光谱数据可估算生物量、叶面积指数等；利用LiDAR可获取精确高程、地形、植被高度信息；可实现森林生长动态监测、火灾监测、病虫害调查、毁林监测等。五、论述题1.解析思路：第一部分阐述人工智能（AI）在遥感领域的应用现状和趋势，重点说明AI如何处理海量高维遥感数据，实现自动化、智能化的信息提取。例如，利用深度学习进行智能分类、目标检测、变化检测、光谱解译等，取代或辅助传统人工解译方法。第二部分分析AI赋能遥感面临的挑战，如数据质量要求高、需要大量标注数据、模型可解释性不足、算法泛化能力有待提高、专业人才缺乏等。答案要点：AI通过深度学习等方法处理海量高维遥感数据，实现智能化信息提取。应用体现在：智能分类、目标检测、变化检测、光谱解译等方面，提高效率和精度，推动向自动化、智能化发展。面临的挑战包括：对数据质量要求高、依赖大量标注数据、模型可解释性差、泛化能力待提升、专业人才短缺等。2.解析思路：第一部分选择具体资源类型（如水、土、林、矿等），分别阐述新兴遥感技术（如高分辨率、多光谱、高光谱、LiDAR、雷达、无人机、AI等）在这些资源类型可持续管理与监测中的具体应用方式和作用。例如，水：监测河流湖泊面积变化、水质参数（叶绿素、悬浮物）反演、水华监测、洪水淹没范围提取等；土：土地覆被精细分类、耕地质量评估、土壤侵蚀监测、土地退化调查、生态修复效果评估等；林：森林资源三维参数（高度、密度、生物量）估算、森林动态监测、火灾风险评估、病虫害预警等；矿：矿产勘查标志（蚀变带、矿化异常）识别、矿权范围监测等。第二部分总结这些应用如何支撑资源的可持续管理，如提供现势、精细、动态的信息，支持科学决策、效