2025年遥感考试题及答案

2025年遥感考试题及答案一、单项选择题（每题2分，共20分）1.下列关于大气窗口的描述，错误的是（）A.0.3-1.3μm是可见光-近红外窗口，主要用于光学遥感B.3-5μm是中红外窗口，受水蒸气吸收影响较小C.8-14μm是热红外窗口，主要用于地表温度反演D.1mm-1m是微波窗口，完全不受大气散射影响答案：D（微波窗口仍受大气中氧气、水蒸气等吸收影响，仅比光学窗口穿透性强）2.某卫星传感器的瞬时视场角（IFOV）为1mrad，轨道高度为500km，则其空间分辨率约为（）A.0.5mB.5mC.50mD.500m答案：B（空间分辨率=IFOV×轨道高度=1×10⁻³rad×500×10³m=500m？计算错误，正确应为IFOV×轨道高度=1mrad×500km=1×10⁻³rad×500×10³m=500m？不，IFOV是弧度，轨道高度是米，1mrad=0.001rad，500km=500000m，所以分辨率=0.001×500000=500m？但实际中，IFOV对应的是像元地面大小，正确计算应为：空间分辨率=tan(IFOV/2)×2×轨道高度，近似为IFOV×轨道高度（小角度近似）。若IFOV=1mrad，轨道高度500km=500000m，则分辨率=1×10⁻³×500000=500m？但常见卫星如Landsat轨道高度约705km，空间分辨率30m，IFOV约为30m/705000m≈4.25×10⁻⁵rad=0.0425mrad，因此本题中1mrad对应500m，选D？但可能题目设置错误，正确应为B？需重新核对：IFOV是传感器单个探测元件的视场角，对应地面像元的大小。公式为：像元大小=轨道高度×IFOV（弧度）。1mrad=0.001rad，500km=500000m，0.001×500000=500m，故正确答案为D，但可能题目意图是B，需确认。实际正确计算应为500m，选D。3.以下传感器中，属于主动式遥感的是（）A.哨兵2号（Sentinel-2）多光谱仪B.陆地卫星9号（Landsat-9）OLI传感器C.哨兵1号（Sentinel-1）合成孔径雷达（SAR）D.风云4号（FY-4）静止轨道红外成像仪答案：C（SAR通过自身发射电磁波并接收回波，属于主动式；其余为被动接收自然辐射）4.辐射校正的主要目的是（）A.消除传感器内部噪声B.校正因大气散射、吸收导致的辐射误差C.提高影像空间分辨率D.增强地物光谱特征差异答案：B（辐射校正包括系统校正和大气校正，核心是消除大气和传感器引起的辐射失真）5.NDVI（归一化植被指数）的计算公式为（）A.(NIRRed)/(NIR+Red)B.(RedNIR)/(Red+NIR)C.(GreenBlue)/(Green+Blue)D.(SWIRNIR)/(SWIR+NIR)答案：A（NDVI利用近红外与红光波段的差异表征植被覆盖度）6.下列关于高光谱遥感的描述，正确的是（）A.波段数少（通常<10个），但光谱分辨率高B.可识别地物的精细光谱特征，适用于地物分类和成分反演C.空间分辨率普遍高于多光谱遥感D.主要用于大范围地表覆盖制图答案：B（高光谱波段数多（数十至数百个），光谱分辨率高，可探测地物成分；空间分辨率通常低于多光谱）7.合成孔径雷达（SAR）的成像不受以下哪种因素影响？（）A.云、雾天气B.昼夜差异C.地表粗糙度D.太阳高度角答案：D（SAR主动发射微波，与太阳无关；云雾穿透性强，昼夜均可成像；地表粗糙度影响后向散射系数）8.无人机遥感的主要优势是（）A.覆盖范围广，适合全球尺度监测B.时间分辨率高，可实现准实时观测C.空间分辨率高，灵活调整飞行参数D.光谱分辨率优于卫星遥感答案：C（无人机可低空飞行，获取亚米级甚至厘米级影像，且飞行计划可灵活定制）9.下列地物中，在L波段SAR影像上后向散射系数最高的是（）A.平静的湖面B.茂密的森林C.裸露的耕地D.城市建筑区答案：B（森林冠层对L波段微波（波长约23cm）有多次散射，后向散射强；湖面为镜面反射，后向散射弱；耕地和建筑区取决于粗糙度，森林通常更高）10.遥感影像监督分类的关键步骤是（）A.选择训练样本并定义类别B.自动聚类提供类别C.消除影像噪声D.进行波段组合增强答案：A（监督分类需先人工选择已知类别的训练样本，指导分类器学习）二、填空题（每空1分，共15分）1.电磁波谱中，可见光的波长范围约为______μm。答案：0.4-0.72.哨兵3号（Sentinel-3）卫星的主要任务是______监测，其携带的OLCI传感器具有______个光谱波段。答案：海洋与陆地；213.热红外遥感通过探测地物的______辐射来反演地表温度，常用的校正方法包括______和单窗算法。答案：热红外（或长波红外）；劈窗算法4.雷达遥感中，VV极化表示______，HH极化表示______。答案：垂直发射垂直接收；水平发射水平接收5.高空间分辨率遥感影像（如0.5m）的典型应用包括______和______（列举2例）。答案：城市精细化制图；违建监测（或单木识别、道路提取等）6.遥感影像融合的主要目的是将______分辨率的多光谱影像与______分辨率的全色影像结合，提升影像质量。答案：低；高7.2023年发射的高分一号D星属于______轨道卫星，其重访周期为______天。答案：太阳同步；4（或根据实际参数调整，高分一号系列重访周期通常4天）8.NDVI的取值范围是______，负值通常对应______地物。答案：-1到1；水体或无植被覆盖（如裸土、城镇）三、简答题（每题8分，共40分）1.简述光学遥感与SAR遥感的主要差异（至少4点）。答案：（1）工作方式：光学遥感被动接收太阳反射或地物发射的电磁波；SAR主动发射微波并接收后向散射。（2）受天气影响：光学遥感受云、雾、降水影响大，SAR可穿透云层，昼夜成像。（3）光谱范围：光学覆盖可见光-近红外-短波红外（0.3-3μm）；SAR为微波（0.3cm-1m）。（4）信息表征：光学反映地物反射光谱特征；SAR反映地物后向散射特性（与粗糙度、介电常数、结构相关）。（5）应用场景：光学适合植被、水体等反射差异明显的地物；SAR适合监测地表形变（InSAR）、森林结构、冰雪等。2.说明辐射定标的主要步骤及其意义。答案：步骤：（1）传感器标定：在实验室或星上定标器获取传感器响应参数（如增益、偏移量），将DN值转换为辐亮度。（2）大气校正：通过辐射传输模型（如6S、MODTRAN）或经验方法（如暗像元法）消除大气散射、吸收的影响，得到地表反射率或地表辐亮度。（3）绝对定标：将传感器输出值与绝对辐射基准（如标准灯、太阳辐照度）关联，确保不同时间、传感器数据的可比性。意义：辐射定标是定量遥感的基础，可消除传感器误差和大气干扰，使影像数值具有物理意义（如地表反射率），支持地物参数反演（如植被指数、土壤湿度）和多时相数据分析。3.分析高光谱遥感的“数据维度困境”及其解决方法。答案：“数据维度困境”指高光谱影像波段数多（数十至数百个），导致数据冗余、计算复杂度高，且在样本量有限时分类精度下降（休斯效应）。解决方法：（1）波段选择：基于光谱特征（如相关性、信息量）筛选关键波段，减少冗余。（2）特征提取：通过主成分分析（PCA）、独立成分分析（ICA）等降维技术，将高维数据映射到低维空间。（3）深度学习：利用卷积神经网络（CNN）等模型自动学习光谱-空间联合特征，缓解维度灾难。（4）混合像元分解：结合端元提取和光谱解混，提高地物识别精度。4.比较监督分类与非监督分类的优缺点及适用场景。答案：监督分类：优点：依赖训练样本，分类结果与实际地物类别对应明确，精度较高（尤其样本代表性强时）。缺点：需人工选择训练样本，耗时且受主观影响；样本不足时易过拟合。适用场景：研究区地物类型已知、样本易获取（如典型地类分布清晰的区域）。非监督分类：优点：无需先验知识，自动聚类，适用于地物类型未知或复杂区域。缺点：聚类结果需人工解译，可能出现类别混合；难以保证与实际地物一一对应。适用场景：探索性研究（如未知区域地物分布初步分析）、样本缺乏时的预分类。5.简述InSAR（干涉合成孔径雷达）技术的原理及其在地表形变监测中的应用。答案：原理：通过两景或多景SAR影像的相位差（干涉图）提取地表高程或形变信息。重复轨道InSAR利用同一区域不同时间的SAR影像，消除地形相位后，剩余相位反映地表形变（如沉降、滑坡）。应用：（1）城市地面沉降监测（如北京、上海的地铁沿线沉降）；（2）地震同震与震后形变观测（获取断层位移场）；（3）冰川运动监测（通过短时间基线InSAR追踪冰川流速）；（4）矿山开采引发的地表塌陷监测（识别高危区域）。四、综合分析题（共25分）1.某省计划开展“碳中和”背景下的森林碳汇动态监测，需利用多源遥感数据（光学卫星、SAR卫星、无人机）设计技术方案。请详细说明数据选择、预处理步骤、关键指标提取方法及结果验证方式。（15分）答案：（1）数据选择：光学卫星：选择中高空间分辨率（如Landsat-9OLI，30m；哨兵2号MSI，10m），覆盖可见光-近红外-短波红外波段，用于提取植被指数（NDVI、EVI）和叶面积指数（LAI）。SAR卫星：选择C波段（哨兵1号，5m）或L波段（ALOS-3，20m），穿透性强，可获取森林垂直结构信息（如树高），辅助估算生物量。无人机：低空飞行获取厘米级影像（如多光谱无人机，5cm），用于小范围样地验证，提取单木参数（胸径、冠幅）。（2）预处理步骤：光学数据：辐射定标（转换为地表反射率）、大气校正（6S模型）、几何校正（RPC参数+地面控制点）、云掩膜（Fmask算法）。SAR数据：辐射定标（转换为后向散射系数）、多视处理（降低相干斑噪声）、干涉处理（InSAR获取地形或形变信息）、地理编码。无人机数据：图像配准（SfM技术）、正射校正、辐射校正（基于标准反射板）。（3）关键指标提取：森林覆盖度：通过光学影像的NDVI阈值法或面向对象分类（结合纹理特征）提取。森林生物量：构建光学指数（如NIR/Red）或SAR后向散射系数（L波段）与实地生物量的回归模型（如随机森林）。碳汇量：利用生物量与碳转换系数（通常0.5）计算，结合年际变化（Δ生物量×0.5）得到年碳汇量。森林结构：通过SAR的极化分解（如Pauli分解）区分森林类型（针叶林、阔叶林），结合无人机点云数据反演树高。（4）结果验证：地面样方：在典型林区设置样地（20m×20m），实测胸径、树高，计算生物量作为真值。交叉验证：利用无人机高分辨率影像提取的单木参数与地面实测对比，评估卫星反演精度。时间序列分析：对比多年数据的碳汇变化趋势，结合气象数据（降水、温度）验证合理性。2.某地区发生森林火灾后，需利用遥感技术监测过火区域的生态恢复状况。假设你是项目负责人，请设计监测方案，包括数据需求、关键参数（至少3个）的反演方法及监测频率建议。（10分）答案：（1）数据需求：光学遥感：中高时间分辨率（如哨兵2号，5天重访），用于动态跟踪植被恢复；高空间分辨率（如高分二号，0.8m）用于过火边界精细提取。热红外遥感：风云3号（FY-3）或MODIS（1km），火灾后短期监测地表温度异常（余火）。SAR遥感：哨兵1号（C波段，12天重访），穿透烟雾，监测火灾后地表粗糙度变化（植被倒伏）。（2）关键参数反演：过火面积：火灾后1周内获取光学影像，通过归一化燃烧指数（NBR=(NIR-SWIR)/(NIR+SWIR)）差值法（ΔNBR）区分过火区与未过火区，结合阈值分割提取边界。植被恢复指数（RVI）：火灾后每季度获取哨兵2号影像，计算RVI=NDVI/NDVI_pre（NDVI_pre为火灾前同期值），