2025年大学《地球信息科学与技术》专业题库- 遥感技术在农田监测中的应用

2025年大学《地球信息科学与技术》专业题库——遥感技术在农田监测中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.下列哪种传感器属于被动式遥感传感器？A.合成孔径雷达（SAR）B.热红外扫描仪C.微波辐射计D.高光谱成像仪2.在遥感图像处理中，几何校正的主要目的是消除哪种误差？A.大气散射引起的图像模糊B.传感器自身造成的辐射误差C.地球曲率和地形起伏引起的像点位移D.地物光谱反射率的差异3.下列哪个植被指数对叶片含水量较为敏感？A.NDVI（归一化植被指数）B.EVI（增强型植被指数）C.LSWI（土壤调整植被指数）D.SAVI（结构化归一化植被指数）4.利用遥感技术监测作物胁迫状态，主要依据的是地物辐射特性随胁迫发生的变化，这种变化通常表现为：A.反射率在所有波段均显著增强B.反射率在可见光波段显著降低，在近红外波段变化不大C.反射率在近红外波段显著降低，在可见光波段变化不大D.反射率在所有波段均显著降低5.估算作物生物量或产量的遥感模型中，通常需要输入或估算哪个关键参数？A.地形高程B.土壤类型C.作物叶面积指数（LAI）D.大气水汽含量6.下列哪种遥感数据源更适合在夜间或云层覆盖时监测土壤水分？A.opticalhigh-resolutionsatelliteimagery(如Landsat,Sentinel-2)B.passivemicrowavesatellitedata(如SMOS,ASCAT)C.thermalinfraredsatellitedata(如MODIS)D.radardata(likeSentinel-1)7.农田识别与分类的主要难点在于：A.传感器空间分辨率低，细节信息不足B.不同作物在光谱特征上差异小，难以区分C.大气干扰严重，图像质量差D.数据处理流程过于复杂8.遥感图像辐射定标的主要目的是将图像记录的原始DN值转换为：A.地物反射率B.地物温度C.地形高程D.土壤水分含量9.无人机遥感相比卫星遥感，其主要优势在于：A.数据获取成本极低B.传感器分辨率极高，可获取亚米级影像C.数据获取频率极高，可实现准实时监测D.数据覆盖范围极广10.评价遥感技术在农田监测中应用效果时，需要考虑的因素不包括：A.监测精度B.成本效益C.技术可行性D.农民的文化水平二、填空题（每空1分，共15分）1.遥感技术主要利用地物对电磁波的______和______特性来获取地物信息。2.传感器的主要技术指标包括空间分辨率、______分辨率、光谱分辨率和时间分辨率。3.大气校正的主要目的是消除大气对地物辐射传输的影响，常用的方法有______法和______法。4.衡量遥感图像几何精度的常用指标有绝对定向元素和相对定向元素，其中______元素确定图像上任意点与地面相应点的平面位置关系。5.作物生长季内，遥感影像上植被指数随时间的变化曲线称为______。6.利用遥感技术估算作物叶面积指数（LAI）的主要物理基础是植被冠层对太阳辐射的______和______。7.农田盐碱化监测通常利用遥感技术探测土壤表面______特性的变化。8.遥感数据分类方法主要分为监督分类、非监督分类和______分类。9.土壤墒情遥感监测主要关注土壤表面或近地表的______特性。10.遥感技术在农业资源调查中可用于监测耕地面积变化、______分布和______动态。三、简答题（每题5分，共20分）1.简述光学遥感和雷达遥感在农田监测应用中的主要区别。2.简述利用遥感技术进行作物长势监测的主要步骤。3.简述大气校正的必要性和主要挑战。4.简述什么是植被指数，并列举两种常用的植被指数及其主要应用。四、论述题（每题10分，共20分）1.论述遥感技术在精准农业管理中的应用潜力。2.结合具体应用场景，论述选择遥感数据源（卫星、航空、无人机）时需要考虑的因素。五、案例分析题（15分）假设某地区发生干旱，农业部门希望利用遥感技术快速评估农田受旱情况。请简述你会采用哪些遥感数据源和数据处理方法来监测和评估此次干旱对农田的影响，并说明分析过程中需要注意的关键点。试卷答案一、选择题1.B2.C3.C4.C5.C6.B7.B8.A9.B10.D二、填空题1.反射，辐射2.光谱3.多层大气校正，暗像元法4.绝对定向元素5.光谱植被指数曲线（或SVC）6.散射，吸收7.热惯量（或热辐射）8.面向对象9.热辐射（或介电常数）10.水资源，土地利用三、简答题1.解析思路：对比光学和雷达遥感的根本差异。光学依赖可见光和近红外波段，受光照和云层限制，能获取光谱信息；雷达使用微波主动发射，穿透云雾雨雪能力强，可全天候工作，能获取后向散射强度等信息，具有极性、分辨率等特性。结合农田监测场景说明各自优劣。2.解析思路：梳理作物长势监测的基本流程。首先数据获取（选择合适时相和波段的光学或雷达数据）；其次预处理（辐射校正、大气校正、几何校正）；然后信息提取（计算植被指数如NDVI，或进行图像分类）；接着特征分析（分析植被指数的时间序列变化，识别生育期、长势好坏、胁迫情况）；最后结果表达（制作监测图件、评估长势等级等）。3.解析思路：说明大气为何会干扰光学遥感和雷达遥感（大气散射和吸收导致信号衰减、路径辐射、像元混淆）；强调大气校正的目的（消除大气影响，恢复地物真实反射/散射特性）；指出挑战（大气状况复杂多变，精确模型依赖多参数输入，计算量大，云雾影响难以完全消除）。4.解析思路：定义植被指数是利用特定波段组合或计算公式，将多波段遥感数据转换成的单波段指数，用于量化植被特征；列举NDVI（通过计算红光和近红外波段反射率比值，反映植被覆盖度和叶绿素含量）和EVI（改进型NDVI，对高覆盖度植被更敏感，且减少土壤背景影响）；说明应用（如估算LAI、监测长势、进行胁迫诊断等）。四、论述题1.解析思路：从精准农业的核心要素（时空精准、变量管理）出发，阐述遥感如何提供支撑。时空精准方面：遥感可提供大范围、高频率的农田信息（时空尺度）；变量管理方面：遥感可监测作物长势、营养状况、水分胁迫、病虫害等变量信息，为变量施肥、灌溉、病虫害防治提供决策依据；具体应用可展开论述（如变量率处方图制作、灾害预警、资源评估等），强调其提高资源利用效率、减少环境压力、增加产量的潜力。2.解析思路：列举选择遥感数据源时需考虑的关键因素：①监测目标与精度要求（如大范围资源调查可选中低分辨率卫星，小区域精细管理可选高分辨率卫星或无人机）；②时间分辨率（如需要快速动态监测可选高频次数据源）；③空间分辨率（如作物分类、变量率制图需较高空间分辨率）；④光谱分辨率（如精细作物分类、胁迫监测需高光谱数据）；⑤覆盖范围与地区（考虑数据源覆盖区域及revisittime）；⑥成本预算（不同数据源获取成本差异大）；⑦数据获取时效性（实时性要求高的场景）；⑧数据处理能力（不同数据源的处理难度不同）；⑨数据可用性与获取方式（公开数据源vs.商业数据源）。五、案例分析题解析思路：1.数据源选择：考虑到需快速评估大范围农田受旱情况，且旱情可能与地表温度、水分含量相关，优先考虑被动式微波遥感数据（如SMOS或ASCAT），因其能穿透云层，直接反映土壤表层水分信息；其次考虑热红外遥感数据（如MODIS、VIIRS），可监测地表温度异常，间接反映水分胁迫；若需精细制图或结合其他地物信息，可考虑中高分辨率光学卫星数据（如Landsat、Sentinel-2）计算植被指数（NDVI、EVI）进行辅助分析。2.数据处理方法：*微波数据：对SMOS数据进行预处理（辐射定标、几何校正）；利用土壤水分反演模型（如基于后向散射系数的模型）或经验关系式，估算土壤表层（如0-5cm）土壤湿度分布图。*热红外数据：对MODIS/VIIRS数据进行预处理（辐射定标）；计算地表温度（LST）；利用地表温度与土壤水分的相关性模型，估算土壤湿度或制作热惯量图（区分地表覆盖类型）。*光学数据：对Landsat/Sentinel-2数据进行预处理；计算植被指数（NDVI/EVI）；分析植被指数的时间序列变化，识别异常偏低或下降的区域；进行土地覆盖分类，区分旱地、水田等。3.监测评估：结合不同数据源结果（如微波/热红外反映的土壤水分，光学反映的植被状况），制作农田受旱等级分布图；分