高光谱遥感图像处理技师考试试卷及答案

高光谱遥感图像处理技师考试试卷及答案一、填空题（共10题，每题1分）1.高光谱遥感数据的核心特点是________与图谱合一。2.光谱分辨率常用________或半高全宽（FWHM）表示。3.端元提取的经典算法之一是________（如PPI）。4.线性混合像元分解假设像元光谱是端元光谱的________组合。5.大气校正的目的是消除________对光谱的干扰。6.光谱角匹配（SAM）通过计算测试光谱与参考光谱的________判断相似度。7.辐射定标将DN值转换为________（单位：W/(m²·sr·nm)）。8.端元是像元中________的地物类型。9.高光谱遥感常用于植被监测、________、环境检测等领域。10.丰度图表示每个端元在像元中的________。二、单项选择题（共10题，每题2分）1.高光谱与多光谱的核心区别是（）A.空间分辨率更高B.光谱分辨率更高C.时间分辨率更高D.覆盖范围更广2.属于高光谱大气校正工具的是（）A.FLAASHB.K-MeansC.SVMD.PPI3.基于几何的端元提取算法是（）A.N-FINDRB.MNFC.SAMD.NDVI4.非线性混合像元分解模型不包括（）A.Hapke模型B.线性混合模型C.修正Hapke模型D.多层散射模型5.高光谱数据降维的常用方法是（）A.MNF变换B.辐射定标C.大气校正D.几何校正6.具有“植被红边”特征的地物是（）A.水体B.植被C.土壤D.岩石7.基于光谱匹配的高光谱分类方法是（）A.SAMB.KNNC.决策树D.随机森林8.辐射定标的最终输出单位是（）A.辐射亮度B.DN值C.反射率D.温度9.高光谱预处理步骤不包括（）A.几何校正B.端元提取C.辐射定标D.大气校正10.高光谱在地质领域的主要应用是（）A.矿产识别B.作物长势监测C.水体污染D.城市扩张三、多项选择题（共10题，每题2分）1.高光谱预处理步骤包括（）A.辐射定标B.大气校正C.几何校正D.端元提取2.常用端元提取算法有（）A.PPIB.N-FINDRC.MNFD.SAM3.混合像元分解模型包括（）A.线性混合模型B.非线性混合模型C.光谱混合模型D.几何混合模型4.高光谱应用领域包括（）A.农业B.地质C.环境D.军事5.大气校正消除的干扰因素有（）A.大气吸收B.大气散射C.地形起伏D.传感器噪声6.光谱特征提取方法有（）A.光谱导数B.连续统去除C.特征波段选择D.K-Means7.高光谱分类方法包括（）A.光谱匹配分类B.监督分类C.非监督分类D.混合像元分解分类8.高光谱降维的目的是（）A.减少数据量B.提高计算效率C.去除冗余D.增强光谱特征9.植被高光谱特征包括（）A.红边位移B.叶绿素吸收带C.水分吸收带D.土壤反射带10.高光谱优势包括（）A.图谱合一B.精细光谱识别C.混合像元分解D.高空间分辨率四、判断题（共10题，每题2分）1.高光谱光谱分辨率通常小于10nm。（）2.混合像元分解仅适用于线性模型。（）3.大气校正后的数据可直接用于地物识别。（）4.端元提取是混合像元分解的前提。（）5.高光谱降维会丢失所有有用信息。（）6.植被红边位于680-760nm波段。（）7.FLAASH是常用大气校正工具。（）8.SAM夹角越小，光谱相似度越高。（）9.高光谱不能用于水体监测。（）10.端元数量越多，分解结果越准确。（）五、简答题（共4题，每题5分）1.简述高光谱大气校正的作用。2.简述端元提取的基本思路。3.简述混合像元分解的常用模型及特点。4.简述高光谱分类与传统多光谱分类的差异。六、讨论题（共2题，每题5分）1.讨论高光谱数据降维的必要性及常用方法。2.讨论高光谱遥感在农业病虫害监测中的应用优势及挑战。---答案部分一、填空题答案1.光谱连续2.光谱间隔3.纯净像元指数4.线性加权5.大气效应6.夹角7.辐射亮度8.纯净9.地质勘探10.比例（丰度）二、单项选择题答案1.B2.A3.A4.B5.A6.B7.A8.A9.B10.A三、多项选择题答案1.ABC2.AB3.AB4.ABCD5.AB6.ABC7.ABCD8.ABCD9.ABC10.ABC四、判断题答案1.√2.×3.×4.√5.×6.√7.√8.√9.×10.×五、简答题答案1.大气校正作用：①消除大气吸收、散射干扰，还原地表真实反射率/辐射亮度；②为端元提取、分类等提供准确数据；③实现跨时间/传感器数据的光谱一致性；④提高地物识别精度，减少干扰对分类的影响。2.端元提取思路：端元是像元中纯净地物的光谱代表。核心思路：①几何法（如N-FINDR）：假设端元为光谱空间凸包顶点；②统计法（如PPI）：识别光谱空间中概率密度低的纯净点；③结合先验知识，控制端元数量（避免过拟合），确保对应真实纯净地物。3.常用分解模型：①线性混合模型（LMM）：简单高效，适用于端元无多次散射场景；②非线性模型（如Hapke）：考虑多次散射，精度更高但计算复杂。特点：LMM应用广泛，非线性模型更贴近真实但需更高计算资源。4.分类差异：①光谱维度：高光谱数百连续波段，多光谱仅几个离散波段；②依据：高光谱基于精细光谱特征（吸收带、红边），多光谱基于宽波段反射率；③方法：高光谱需结合混合分解、光谱匹配，多光谱用传统监督/非监督分类；④精度：高光谱可识别相似地物（如不同矿物），多光谱精度较低。六、讨论题答案1.降维必要性与方法：必要性：①数据量极大（数百波段），计算效率低；②波段冗余多，存在噪声；③避免“维度灾难”（分类精度下降）。常用方法：①MNF变换：分离噪声与信号波段，保留有用信息；②PCA变换：基于方差最大化降维；③波段选择（如ReliefF）：选判别力强的波段；④稀疏表示：提取稀疏光谱特征。需平衡信息保留与计算效率。2.病虫害监测优势与挑战：优势：①精细光谱识别：检测生理变化（叶绿素减少），早于肉眼