2026年专业摄影测量与遥感习题库(含答案)

2026年专业摄影测量与遥感习题库(含答案)一、选择题（每题2分，共20分）1.以下哪项属于数字摄影测量的核心技术？A.立体测图仪模拟观测B.影像匹配与自动空中三角测量C.像片纠正仪物理变换D.人工转点刺点答案：B（数字摄影测量以计算机处理为核心，通过影像匹配实现自动化量测，其他选项为模拟或解析摄影测量技术）2.遥感中“空间分辨率”通常指：A.传感器能区分的最小辐射差异B.影像上能识别的最小地物尺寸C.传感器接收电磁波的波段宽度D.重复观测同一区域的时间间隔答案：B（空间分辨率对应地面最小可识别单元，辐射分辨率对应最小辐射差异，光谱分辨率对应波段宽度，时间分辨率对应重访周期）3.航摄仪的主距是指：A.物镜前节点到像片面的距离B.物镜后节点到像片面的距离C.物镜前节点到地面的垂直距离D.像主点到像片边缘的对角线长度答案：B（主距即摄影机的焦距，定义为物镜后节点到像片面的垂直距离）4.以下哪种遥感平台的时间分辨率最高？A.静止轨道卫星（GEO）B.太阳同步轨道卫星（SSO）C.无人机（UAV）D.航天飞机答案：A（静止轨道卫星固定覆盖同一区域，时间分辨率可达分钟级；SSO通常为天级，UAV为任务定制，航天飞机已退役）5.解析空中三角测量中，“光束法平差”的观测值不包括：A.像片外方位元素初始值B.像点坐标量测值C.地面控制点坐标D.加密点地面坐标近似值答案：A（光束法以像点坐标为观测值，同时解算外方位元素和加密点坐标，外方位元素初始值是已知的近似值，非观测值）6.无人机倾斜摄影中，“五镜头相机”通常包括：A.1个正视+4个侧视（前/后/左/右）B.2个正视+3个侧视（前/后/左）C.3个正视+2个侧视（左/右）D.5个不同角度正视答案：A（标准五镜头配置为1个垂直向下的正视镜头和4个分别前、后、左、右倾斜45°的侧视镜头，用于获取地物侧面纹理）7.遥感图像大气校正的主要目的是：A.消除传感器内部噪声B.补偿大气散射与吸收引起的辐射误差C.纠正因地球曲率导致的几何变形D.统一多源影像的投影坐标系答案：B（大气校正通过模型或经验方法去除大气对电磁波的衰减和散射影响，恢复地物真实反射率）8.数字正射影像（DOM）生产中，“微分纠正”的关键步骤是：A.建立像片外方位元素与地面坐标的映射关系B.对影像进行匀光匀色处理C.提取地物边界并进行矢量化D.提供数字高程模型（DEM）答案：A（微分纠正是基于像点坐标与地面坐标的共线方程，逐像元计算纠正后的位置，需依赖DEM辅助消除地形起伏影响）9.以下哪项不属于高光谱遥感的优势？A.识别特定地物的光谱特征B.反演植被叶绿素含量等生化参数C.提高影像空间分辨率D.区分混淆地物（如不同品种小麦）答案：C（高光谱增加光谱维度，与空间分辨率无直接关联，需通过传感器设计或超分辨率技术提升空间分辨率）10.摄影测量中“像片基线”的定义是：A.相邻像片主点在像平面上的连线长度B.相邻像片摄影站在地面上的水平距离C.同一像片上像主点到像底点的距离D.立体像对中左、右像片的投影中心间距答案：D（像片基线是两投影中心的连线，即摄影基线，其长度决定立体像对的重叠度和视差范围）二、填空题（每空1分，共15分）1.摄影测量按用途可分为地形摄影测量和________摄影测量（非地形）。2.遥感中“缨帽变换”的主要目的是将多光谱数据转换为与________相关的分量（植被、土壤亮度等）（地物特征）。3.航摄比例尺1:10000，像片主距f=150mm，则摄影高度H=________m（1500）。4.解析空中三角测量的三种方法是航带法、独立模型法和________（光束法）。5.遥感图像分类中，“监督分类”需要预先定义________（训练样本）。6.数字表面模型（DSM）与数字高程模型（DEM）的主要区别是DSM包含________（地表覆盖物如植被、建筑物的高度）。7.无人机航摄中，“航向重叠度”通常要求不小于________%（60）。8.共线方程的基本假设是________、像点、地面点三点共线（投影中心）。9.热红外遥感主要探测地物的________信息（辐射温度）。10.像片调绘的主要任务是对影像上________的地物进行判读、标注和补测（无法直接判读或新增）。11.多源遥感数据融合的层次可分为像元级、________和决策级（特征级）。12.立体像对的“核线”是指通过摄影基线与某一像点的________与像片面的交线（平面）（核面）。13.遥感影像几何校正中，“地面控制点（GCP）”的数量需满足________（高于多项式模型的未知参数数量，如二次多项式至少6个）。14.摄影测量中“像片旋偏角”是指相邻像片主点连线与像片________的夹角（航线方向）（航向）。15.高分辨率遥感影像（空间分辨率<5m）的典型应用包括________（城市精细制图、违建监测等，合理即可）。三、简答题（每题6分，共30分）1.简述数字摄影测量系统的主要组成部分及其功能。答案：①硬件部分：包括计算机、数字影像输入输出设备（如扫描仪、数码相机）、立体显示设备（如立体眼镜、液晶闪闭器）；②软件部分：影像预处理模块（辐射校正、增强）、影像匹配模块（自动寻找同名点）、空三加密模块（解算外方位元素）、立体测图模块（自动提供DSM/DOM）、数据输出模块（成果格式转换）；③核心功能是通过计算机处理实现从影像到地理信息产品的自动化生产。2.说明遥感图像辐射校正的主要内容及常用方法。答案：内容包括：①传感器误差校正（如增益/偏移校正、条带噪声去除）；②大气校正（消除大气散射、吸收的影响）；③太阳高度角与地形坡度校正（归一化辐射亮度）。常用方法：①绝对辐射定标（通过传感器定标参数将DN值转换为辐亮度）；②相对辐射校正（以参考影像为基准进行直方图匹配）；③大气校正模型（如6S模型、MODTRAN模型，结合气溶胶参数反演）。3.对比分析框幅式相机与推扫式相机的成像原理及优缺点。答案：框幅式相机：通过快门瞬间曝光获取整幅影像，像面为二维平面，适合静态场景；优点是几何关系明确，利于立体量测；缺点是动态场景易模糊，数据获取效率低。推扫式相机：通过线阵CCD沿飞行方向逐行扫描成像，像面为一维线阵，依赖平台移动形成二维影像；优点是实时性强，适合动态监测；缺点是受平台姿态影响大，几何校正复杂。4.解释“像片重叠度”的概念，并说明航向重叠与旁向重叠的作用。答案：像片重叠度指相邻像片覆盖区域的重叠比例（百分比）。航向重叠（沿飞行方向）确保立体像对的视差量，满足立体观测和量测需求（通常≥60%）；旁向重叠（垂直飞行方向）保证相邻航带间的影像拼接和区域网平差的连接（通常≥30%）。5.简述基于深度学习的遥感影像分类流程及关键技术。答案：流程：①数据准备（多源影像数据、样本标注）；②数据增强（旋转、翻转、裁剪等扩充样本）；③模型构建（选择CNN、Transformer等网络结构，如U-Net、ResNet改进版）；④训练优化（设置损失函数如交叉熵，调整学习率、批量大小）；⑤验证评估（使用混淆矩阵计算OA、Kappa系数）；⑥分类应用（对未知影像进行预测）。关键技术：小样本学习（解决遥感样本标注困难）、多模态融合（光谱+纹理+地形）、迁移学习（利用预训练模型提升精度）。四、综合分析题（共35分）1.（15分）某项目需利用无人机进行1:2000比例尺地形图测绘，测区面积5km²，平均海拔300m，地形起伏约50m，植被覆盖率20%。请设计航摄方案，包括：（1）航摄仪选型（主距、像元尺寸）；（2）飞行高度计算；（3）航向/旁向重叠度设置；（4）质量控制要点。答案：（1）航摄仪选型：1:2000地形图要求地面分辨率（GSD）≤0.1m（通常取0.05-0.1m）。假设像元尺寸为5μm（0.005mm），则GSD=（像元尺寸×H）/f。需满足GSD≤0.1m，选择主距f=35mm（常用无人机航摄仪焦距），则H≥（GSD×f）/像元尺寸=（0.1×35×10³）/5=700m。实际飞行高度H=相对航高+测区平均海拔=（700-300）+300=700m（相对航高=400m）。（2）飞行高度计算：相对航高H_rel=GSD×f/像元尺寸=0.1m×35mm/0.005mm=700m（需验证是否满足1:2000比例尺要求：像片比例尺=f/H_rel=35mm/700m=1:20000，需调整GSD为0.05m，则H_rel=0.05×35/0.005=350m，像片比例尺=35mm/350m=1:10000，通过微分纠正后可满足1:2000地形图精度）。（3）重叠度设置：航向重叠取70%（提高空三加密连接点可靠性），旁向重叠取50%（确保相邻航带拼接精度，地形起伏区需增加重叠）。（4）质量控制要点：①航摄前检查相机校准参数（主距、畸变差）；②飞行中监控姿态角（侧滚角≤2°，俯仰角≤2°，旋偏角≤10°）；③航摄后检查影像质量（清晰度、云影覆盖<5%）；④均匀布设地面控制点（每km²≥4个，测区四角及中心）；⑤空三加密后检查残差（像点坐标残差≤0.5像元）；⑥DSM/DEM精度验证（通过外业实测点对比，中误差≤0.2m）。2.（20分）某区域获取了Landsat-9OLI（11波段，空间分辨率30m，包括可见光-短波红外）和Sentinel-2（13波段，空间分辨率10m/20m/60m）影像，需制作10m分辨率的多光谱融合影像，并进行土地利用分类（耕地、林地、建筑、水体、未利用地）。请设计技术流程，并分析可能遇到的挑战及解决方案。答案：技术流程：①数据预处理：Landsat-9辐射定标（DN转辐亮度）、大气校正（使用6S模型）；Sentinel-2数据下载（L2A级已含大气校正），重采样至10m（20m/60m波段通过双线性内插）。②多源数据融合：采用PanSharpening（全色锐化）或Brovey变换，将Landsat-9的短波红外波段（对植被/水体敏感）与Sentinel-2的高空间分辨率可见光波段（10m）融合，提供10m×10m多光谱影像。③特征提取：计算NDVI（归一化植被指数，区分耕地/林地）、NDWI（归一化水体指数，提取水体）、NDBI（归一化建筑指数，识别建筑），以及纹理特征（如灰度共生矩阵的对比度）。④分类模型构建：使用随机森林（RF）或深度卷积神经网络（CNN），输入融合后的多光谱影像及特征层，以人工标注的训练样本（每类≥200个）训练模型。⑤分类后处理：通过形态学滤波（去除小图斑）、逻辑规则修正（如水体需连续且NDWI>0.3），提供最终土地利用图。⑥精度验证：采用混淆矩阵计算总体精度（OA）、Kappa系数（目标≥0.85），外业抽样核查（每类≥50个点）。挑战及解决方案：①光谱分辨率差异：Landsat-9与Sentinel-2波段范围不完全匹配（如OLI的波段5为850-880nm，Senti