遥感基础课程复习资料与考题集

遥感基础课程复习资料与考题集一、课程核心知识体系梳理（一）遥感基本概念与分类遥感（RemoteSensing）是通过非接触式手段获取目标物电磁波信息，进而分析其物理特性、化学组成与空间分布的技术。按平台类型可分为地面遥感（如车载光谱仪、手持测量设备）、航空遥感（无人机、固定翼飞机）、航天遥感（卫星、空间站）；按传感器工作方式分为主动遥感（雷达、激光雷达主动发射电磁波）与被动遥感（依赖太阳或地物自身辐射，如光学遥感）；按电磁波谱段分为可见光遥感、红外遥感、微波遥感等；按应用目的分为资源遥感、环境遥感、灾害遥感等。（二）遥感物理基础1.电磁波谱与大气窗口电磁波按波长从短到长依次为γ射线、X射线、紫外线、可见光（0.4-0.76μm）、红外线、微波、无线电波。大气窗口是大气对电磁波透射率较高的波段，典型窗口包括：0.3-1.3μm（可见光-近红外）：陆地卫星TM/OLI、SPOT等光学传感器的核心工作波段；8-14μm（热红外）：地物温度反演的关键波段（如火灾监测、城市热岛分析）；0.8-2.5cm（微波）：雷达遥感（如SAR）的工作波段，具备全天时、全天候观测能力。2.地物光谱特性地物对电磁波的反射、发射、透射特性是遥感识别的核心依据：植被：可见光波段因叶绿素吸收呈低反射（蓝、红光），近红外因叶片结构散射呈高反射（“红边”效应是植被生长状态的重要指标）；水体：可见光波段高反射（清澈水体呈蓝绿色），红外、微波波段因吸收/散射呈低反射（浑浊水体含悬浮泥沙时反射率升高）；土壤：反射率随有机质含量、湿度增加而降低，砂质土反射率高于黏质土。（三）遥感技术系统1.遥感平台地面平台：三脚架、车载设备，用于近距离光谱测量、传感器校准；航空平台：无人机（灵活、高分辨率）、固定翼飞机（大区域航摄）；航天平台：卫星（如Landsat、Sentinel、高分系列）、空间站，覆盖范围广、重访周期稳定。2.传感器类型摄影型：胶片/数码相机，获取可见光影像（如航空摄影测量）；扫描型：推扫式（如LandsatOLI）、摆扫式（如MODIS），覆盖宽幅；雷达型：合成孔径雷达（SAR），主动发射微波，可穿透云雾、植被（如Sentinel-1SAR）。3.数据获取流程目标物电磁波辐射→大气传输（散射、吸收）→传感器接收（辐射定标：将数字值DN转换为辐射亮度）→几何校正（消除平台姿态、地形引起的变形）。（四）遥感数据处理与解译1.预处理辐射校正：消除传感器响应、大气散射/吸收的影响，方法包括暗像元法、辐射传输模型（如6S模型）；几何校正：通过地面控制点（GCP）将影像坐标匹配到地图投影（如WGS84、UTM）。2.增强处理空间增强：卷积滤波（平滑、锐化）、纹理分析；辐射增强：直方图均衡化、密度分割（突出地物亮度差异）；光谱增强：主成分分析（PCA）、波段运算（如NDVI=（NIR-R）/(NIR+R)，监测植被覆盖）。3.图像分类非监督分类：K-Means、ISODATA，依据像素光谱相似性聚类（无需先验知识）；监督分类：最大似然、支持向量机（SVM），需训练样本（已知地物类型的像素）；面向对象分类：基于影像对象（光谱+形状+纹理），适用于高分辨率影像（如QuickBird、WorldView）。4.解译方法目视解译：依据色调、纹理、形状、位置等标志（如城市呈规则块状，河流呈条带）；计算机解译：结合机器学习（随机森林、深度学习），提升分类精度（如利用CNN识别遥感图像中的建筑物）。（五）遥感应用领域1.资源调查土地利用：通过监督分类提取耕地、建设用地、林地（如Landsat影像结合NDVI）；矿产勘探：热红外遥感识别矿化蚀变带（羟基、铁染矿物的光谱特征），雷达遥感探测线性构造。2.环境与灾害监测水污染：高光谱遥感识别水体叶绿素、悬浮物（如Hyperion影像）；火灾监测：热红外影像提取火点温度，NDVI变化分析过火区；滑坡/泥石流：InSAR（合成孔径雷达干涉）监测地表形变。3.农业与生态作物估产：NDVI时序分析结合物候模型（如小麦、水稻种植面积提取）；生态评估：植被覆盖度、生物量反演（如利用Landsat+LiDAR数据）。4.城市与工程城市扩张：多时相遥感影像对比（如____年北京建设用地变化）；工程监测：InSAR监测桥梁、大坝形变（如三峡大坝形变监测）。二、典型考题与解析（一）选择题（每题1分，共10分）1.下列属于大气窗口的波段是（）A.0.2-0.3μm（紫外线）B.2.5-5.0μm（中红外）C.5.0-8.0μm（热红外）D.1.0-1.5cm（微波）*答案：D。解析：大气窗口需结合透射率，0.3-1.3μm、8-14μm、微波（如0.8-2.5cm）为典型窗口，选项D在微波窗口范围内。*2.主动遥感的典型传感器是（）A.LandsatOLIB.MODISC.Sentinel-1SARD.航空相机*答案：C。解析：SAR主动发射微波，A、B、D为被动遥感（依赖太阳辐射）。*（二）简答题（每题8分，共24分）1.简述地物光谱特性的含义及遥感应用价值。*答案：地物光谱特性指不同地物（植被、水体、土壤等）在不同波段对电磁波的反射、发射、透射能力的差异。应用价值：①是遥感识别地物的核心依据（如植被“红边”、水体吸收带）；②用于定量反演（如NDVI反演植被覆盖，热红外反演温度）；③指导传感器波段设计（如植被监测需近红外、红光波段）。*2.说明辐射校正与几何校正的目的与主要方法。*答案：辐射校正目的：消除传感器响应、大气散射/吸收导致的辐射误差，使影像辐射值真实反映地物辐射。方法：暗像元法（利用黑体像元）、辐射传输模型（如6S、MODTRAN）。几何校正目的：消除平台姿态、地形、地球曲率引起的几何变形，使影像坐标与地图投影一致。方法：地面控制点（GCP）+多项式/有理函数模型拟合。*（三）论述题（16分）以“植被覆盖度监测”为例，阐述遥感技术的应用流程（从数据获取到成果输出）。*答案：①数据获取：选择近红外（NIR）、红光（R）波段的遥感影像（如LandsatOLI、Sentinel-2），覆盖研究区；②预处理：辐射校正（消除大气影响）、几何校正（匹配地图投影）；③指数计算：NDVI=（NIR-R）/(NIR+R)，区分植被与非植被；④植被覆盖度反演：基于像元二分模型（FVC=（NDVI-NDVIₛₒᵢₗ）/(NDVIᵥₑ₉-NDVIₛₒᵢₗ)，其中NDVIₛₒᵢₗ为裸土NDVI，NDVIᵥₑ₉为纯植被NDVI）；⑤精度验证：实地采样（如样方调查）或高分辨率影像对比；⑥成果输出：植被覆盖度专题图（分级显示，如低、中、高覆盖），结合时序分析（如年际变化）。*三、复习建议1.抓核心概念：理解电磁波谱、地物光谱、遥感系统组成的逻辑关系；2.结合案例：分析教材/文献中的应用案例（如Landsat监测亚马逊森林砍伐），掌握技术流程；3.实操巩固：利用ENVI、ArcGIS或Python（GDAL、TensorFlow）处理小区域影像，熟悉预处理、分类、解译步骤；4.错题复盘：