北京师范大学2025年地理学（遥感地理）遥感数据质量控制试题及答案

北京师范大学2025年地理学（遥感地理）遥感数据质量控制试题及答案考试时间：______分钟总分：______分姓名：______考生须知：1.请将所有答案写在答题纸上，写在试卷上无效。2.答题时请保持卷面整洁，字迹清楚。3.考试时间：180分钟。一、名词解释（每小题3分，共15分）1.辐射分辨率2.几何分辨率3.像元饱和4.质量评估标志符（QAband）5.大气校正二、简答题（每小题5分，共25分）1.简述影响遥感图像辐射质量的主要因素。2.简述遥感图像几何校正的主要目的和基本步骤。3.什么是云阴影检测？简述其在数据质量控制中的重要性。4.简述使用质量评估标志符（QAband）进行数据质量评估的基本思路。5.简述辐射定标的基本原理及其在数据质量控制中的作用。三、论述题（每小题10分，共30分）1.论述大气校正的必要性，并比较两种常用的大气校正模型（如FLAASH和6S）的原理和适用性。2.假设你获得了一幅包含云、雪和阴影的Landsat8影像，请阐述你将采取哪些步骤来识别和初步处理这些区域，以确保后续土地覆盖分类的准确性。3.在进行区域环境参数反演（如植被指数）时，数据质量对结果有多大影响？请结合具体例子说明，并提出保障数据质量的方法。四、计算题（15分）假设某传感器记录的DN值为100，该传感器的全波谱响应曲线在0.6-0.7微米波段中心点的瞬时响应度为0.05V/(μmolm-2s-1)，该波段的光谱响应宽度为20纳米。请计算该像元在0.6-0.7微米波段对应的表观反射率，并说明计算中可能需要考虑的其他因素。（注：此处为示例，实际题目应提供完整数据进行计算）试卷答案一、名词解释1.辐射分辨率：指传感器区分地面物体辐射亮度或反射率微小差异的能力，通常用比特数（bits）表示，比特数越高，区分能力越强。*解析思路：考察对传感器基本性能指标的理解。辐射分辨率定义为核心，需说明其单位（比特数）及意义（区分辐射差异的能力）。2.几何分辨率：指传感器能够分辨的地面实际空间单元的大小，通常以地面分辨率（GSD,GroundSamplingDistance）表示，单位为米或厘米。*解析思路：考察对空间信息指标的理解。几何分辨率定义为核心，需说明其衡量单位（GSD）及物理意义（地面最小可分辨单元）。3.像元饱和：指遥感传感器在探测到比其瞬时响应范围更强烈的地面辐射时，导致记录的DN值达到最大值而无法再增加的现象。*解析思路：考察对传感器工作原理中异常情况的理解。像元饱和定义为核心，需点明其发生条件（地面辐射过强）和结果（DN值达到最大值）。4.质量评估标志符（QAband）：遥感影像数据中包含的一个或多个波段，用于存储每个像元的质量信息，如云、云阴影、水汽、滑动窗口失败等标志。*解析思路：考察对遥感数据结构中辅助信息Band的理解。QAband定义为核心，需说明其功能（存储像元质量信息）和内容示例（云、云影等标志）。5.大气校正：指通过数学模型或方法消除或削弱遥感影像中大气散射和吸收影响，恢复地表真实反射率的过程。*解析思路：考察对核心预处理技术的理解。大气校正定义为核心，需点明其目的（消除大气影响）和结果（恢复地表真实反射率）。二、简答题1.简述影响遥感图像辐射质量的主要因素。*主要因素包括：大气影响（吸收、散射）、传感器本身特性（光谱响应范围与形状、辐射定标误差、噪声）、太阳辐射变化（太阳高度角、大气路径长度）、地面目标本身特性（发射率、反照率）等。*解析思路：考察对辐射量传递路径中影响因素的全面认识。需要从大气、传感器、太阳、地面目标等多个层面进行归纳，覆盖主要方面。2.简述遥感图像几何校正的主要目的和基本步骤。*主要目的：消除或减弱遥感影像由于传感器成像方式、地球曲率、地形起伏等因素引起的几何变形，使影像坐标与地面坐标系统匹配。*基本步骤：选择地面控制点（GCPs）、建立影像与地面坐标系的几何关系模型（如多项式模型）、利用GCPs求解模型参数、对影像进行几何变换、进行精度评价与误差分析。*解析思路：考察对几何校正基本概念的掌握。目的需突出其空间定位功能；步骤需涵盖选点、建模、求解、变换、精度检验等完整流程。3.什么是云阴影检测？简述其在数据质量控制中的重要性。*云阴影检测：利用QA标志符或影像本身的纹理、亮度等信息，自动识别影像中由云层遮挡或反射太阳光形成的暗影区域的过程。*重要性：云和云阴影会严重影响后续的地物信息提取和分析（如分类、参数反演），将其识别并剔除或标记，是保证数据质量和分析结果可靠性的关键步骤。*解析思路：先定义云阴影检测的概念，再强调其在应用中的关键作用，说明为何需要进行此项质量控制。4.简述使用质量评估标志符（QAband）进行数据质量评估的基本思路。*基本思路：首先需要了解特定传感器QAband的设计规则，即不同位（bit）或位组（bitgroup）的值代表不同的质量状态（如云、云影、无效像元等）；然后，通过编程或软件功能读取QAband的值；最后，根据规则判断每个像元的质量状态，并进行相应的标记或筛选（如剔除云区和云影区像元）。*解析思路：考察对QAband实用价值的理解。需说明其使用流程：理解规则->读取值->判断状态，体现其作为工具的应用过程。5.简述辐射定标的基本原理及其在数据质量控制中的作用。*基本原理：通过已知输入的入瞳辐射通量或辐照度，校准传感器输出的DN值，将其转换为具有物理意义的辐射亮度或表观反射率。*作用：是数据预处理的首要步骤，能够将传感器记录的原始DN值转换为地表真实的物理量（辐射亮度或反射率），是后续进行大气校正、比辐射率计算、指数计算以及与地面实测数据对比的基础，是保证辐射定量分析准确性的前提。*解析思路：先解释辐射定标的科学原理（DN值到物理辐射量的转换），再阐述其在整个数据处理流程和定量分析中的基础性和必要性作用。三、论述题1.论述大气校正的必要性，并比较两种常用的大气校正模型（如FLAASH和6S）的原理和适用性。*必要性：大气校正对于获取地表真实反射率至关重要。未经大气校正的影像，其DN值或辐亮度值包含了大气散射和吸收的影响，会扭曲地表地物的真实光谱特征，导致地物识别、分类、参数反演（如植被指数、水体参数）等结果产生系统性误差，甚至完全错误。*模型比较：*FLAASH：基于查找表（LUT）的方法，需要输入影像大气参数（气溶胶光学厚度、水汽含量等）或使用大气模型估算这些参数。优点是计算速度快，操作相对简单，适用于快速处理多光谱和高光谱数据。缺点是精度受输入参数准确性的影响较大，对复杂大气条件模拟可能不够精确。*6S（SecondSimulationoftheSatelliteSignalintheAtmosphere）：基于物理辐射传输模型，通过输入大气组分浓度、气压、温度、相对湿度、太阳天顶角、观测天顶角、传感器光谱响应函数等参数进行计算。优点是物理基础扎实，能够较好地模拟各种大气条件和传感器特性，精度较高。缺点是计算量较大，需要输入的参数较多且准确度要求高。*适用性：FLAASH适用于对计算效率要求高、数据量大的快速处理，或当能够获取/估算到较可靠的大气参数时。6S适用于对精度要求高、需要模拟特定大气条件或缺乏可靠大气参数输入时的精细分析。*解析思路：论述题需有深度。第一部分充分论证大气校正的“为什么做”（必要性）。第二部分详细对比两个代表性模型的“怎么做”（原理）和“适合什么情况”（适用性），需体现对两者差异和优劣的理解。2.假设你获得了一幅包含云、雪和阴影的Landsat8影像，请阐述你将采取哪些步骤来识别和初步处理这些区域，以确保后续土地覆盖分类的准确性。*步骤：1.读取QA标志符：利用软件功能读取Landsat8影像的Band10、Band11和质量评估标志符（Band6009）。2.云检测：根据Landsat8QAband中定义的云标志位（如Bit3），生成云掩膜，将所有被标记为云的像元排除。3.云阴影检测：利用QAband中定义的云阴影标志位（如Bit5），结合影像的亮度特征（通常云影较暗且光谱特征与周围地物不同），生成云阴影掩膜。可采用阈值法、面向对象方法或专门算法辅助识别。初步处理方法包括：a)将云影像元也排除；b)将云影像元赋值为周围邻近像元的值（如使用最近邻插值）；c)将云影像元标记为特殊类别（如“阴影”）。4.雪/冰检测：利用QAband中定义的雪/冰标志位（如Bit4），生成雪掩膜。雪通常反射率高，可通过光谱特征（如短波红外波段反射率）辅助识别。初步处理方法包括：a)将雪像元排除；b)将雪像元赋值为邻近非雪非云影像元的值；c)将雪像元标记为特殊类别（如“雪地”）。5.结果整合与检查：将云掩膜、云影掩膜、雪掩膜进行逻辑运算，得到最终需要剔除或特殊处理的区域掩膜。检查处理结果，确保关键地物未被错误剔除或包含。*解析思路：论述题需结合具体数据和任务。需按逻辑顺序阐述从读取辅助数据（QAband）到生成各类掩膜，再到提出具体的初步处理策略（排除、替换、标记），最后强调结果整合与检查的重要性，体现解决实际问题的完整思路。3.在进行区域环境参数反演（如植被指数）时，数据质量对结果有多大影响？请结合具体例子说明，并提出保障数据质量的方法。*影响：数据质量对区域环境参数反演结果有极其重要的影响，直接影响反演结果的准确性、可靠性和空间代表性。低质量数据会导致反演参数偏差甚至错误。*例子：*云/云影：云和云影区域的辐射值失真，会导致植被指数（如NDVI、NDWI）计算结果产生巨大偏差或异常值，污染反演结果，降低参数的空间连续性。*像元饱和：饱和像元通常具有异常高的DN值，导致其反射率被严重高估，在计算植被指数等依赖反射率的参数时，会显著抬高该区域的参数值，影响分类精度和参数的相对关系。*大气影响未校正：如果未进行有效的大气校正，地表真实反射率被低估，会使得植被指数计算结果偏低，且偏差可能随地形、大气条件变化而变化，影响结果的普适性和可比性。*水汽/气溶胶影响：在水汽含量高或气溶胶浓度大的区域，尤其是在中高波段的辐射衰减严重，会使得植被指数计算结果失真，影响对植被状态的准确评估。*保障数据质量的方法：*数据筛选：利用QAband剔除云、云影、无效像元等区域。*辐射校正：必须进行辐射定标，并将DN值转换为辐亮度；若有条件，必须进行大气校正，获取地表真实反射率。*几何校正：确保影像具有足够的几何精度，满足反演分析的需求。*饱和像元检测与处理：利用QAband或影像