2025年遥感专业毕业试题带答案

2025年遥感专业毕业试题带答案一、单项选择题（每题2分，共20分）1.以下哪种遥感传感器属于主动式遥感系统？A.Landsat-9OLIB.Sentinel-2MSIC.ALOS-3PALSAR-3D.MODIS答案：C（解析：主动式遥感通过自身发射电磁波并接收反射信号，PALSAR-3为合成孔径雷达，属于主动式；其余为被动接收太阳辐射的光学传感器。）2.高光谱遥感与多光谱遥感的核心区别在于？A.空间分辨率更高B.光谱通道数量更多且连续C.时间分辨率更短D.辐射分辨率更高答案：B（解析：高光谱通常具有数百个连续窄波段，多光谱一般为几个至几十个离散宽波段，核心差异在光谱维度的连续性和通道数量。）3.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.补偿大气对电磁波的散射和吸收影响C.提高图像空间分辨率D.统一不同传感器的辐射定标参数答案：B（解析：大气中的分子、气溶胶会散射和吸收电磁波，导致地表反射率失真，大气校正通过模型或实测数据去除这一影响，获取更准确的地表信息。）4.下列哪种地物在L波段SAR图像中后向散射系数最高？A.平静水面B.裸露耕地C.密集森林D.混凝土建筑答案：C（解析：L波段波长较长（约23cm），可穿透森林冠层并在树干-地面间形成二次散射，后向散射强；平静水面为镜面反射，后向散射极低；建筑的角反射效应在X波段更显著。）5.无人机遥感相对于卫星遥感的主要优势是？A.覆盖范围更大B.重访周期更短C.受云量影响更小D.空间分辨率更高且灵活答案：D（解析：无人机可贴近地面飞行，空间分辨率可达厘米级，且可按需调整航次，适合小区域高精度观测；卫星重访周期受轨道限制，覆盖范围大但分辨率和灵活性较低。）6.NDVI（归一化植被指数）的计算公式为？A.(NIRR)/(NIR+R)B.(RNIR)/(R+NIR)C.(GREENNIR)/(GREEN+NIR)D.(SWIRNIR)/(SWIR+NIR)答案：A（解析：NDVI利用近红外（NIR）和红光（R）波段，植被在NIR反射强、R吸收强，差值归一化后可有效表征植被覆盖度。）7.遥感图像超分辨率重建的主要技术目标是？A.增加图像的光谱波段数B.提升图像的空间分辨率C.消除图像中的几何畸变D.增强图像的辐射对比度答案：B（解析：超分辨率重建通过算法（如深度学习）将低分辨率图像恢复为高分辨率，解决传感器硬件限制导致的空间分辨率不足问题。）8.以下哪种卫星的主要任务是全球海洋表面风场和浪高观测？A.高分五号（GF-5）B.哨兵-3（Sentinel-3）C.海洋二号D（HY-2D）D.陆地卫星8号（Landsat-8）答案：C（解析：HY-2系列为海洋动力环境卫星，搭载微波散射计、高度计等，用于观测海表风场、浪高；GF-5侧重高光谱环境监测，Sentinel-3兼顾海洋和陆地，Landsat-8为陆地资源卫星。）9.遥感图像监督分类中，训练样本选择的关键要求是？A.数量越多越好，无需考虑代表性B.覆盖所有地物类型且具有典型性C.仅选择图像边缘区域的像元D.避免使用实地调查数据答案：B（解析：训练样本需准确代表各地物类别特征，数量需足够且分布均匀，结合实地调查数据可提高分类精度；数量过多可能引入噪声，边缘像元易受混合像元影响。）10.下列哪项不属于遥感技术在农业中的典型应用？A.作物估产B.土壤重金属污染监测C.病虫害早期识别D.城市热岛效应分析答案：D（解析：城市热岛属于城市生态监测，农业应用包括作物长势、产量、病虫害及土壤质量（如有机质、水分）监测。）二、填空题（每空1分，共20分）1.遥感平台按高度可分为航天、航空和______平台，其中______平台的典型代表是无人机。答案：地面；航空2.传感器的四大分辨率包括空间分辨率、光谱分辨率、时间分辨率和______分辨率，其中______分辨率决定了区分地物光谱特征的能力。答案：辐射；光谱3.Landsat-9OLI传感器包含______个波段，其中______波段（填写波段序号或名称）对植被水分含量敏感。答案：11；SWIR2（短波红外2，或第7波段）4.SAR（合成孔径雷达）通过______和______技术实现高空间分辨率，其成像不受______条件限制。答案：合成孔径；脉冲压缩；云雨5.遥感图像几何校正的关键步骤包括______点选取、______模型建立和______重采样。答案：地面控制；校正；像元6.植被指数中，______（填写指数缩写）对高覆盖度植被更敏感，而______（填写指数缩写）通过引入蓝光波段降低了土壤背景影响。答案：EVI（增强型植被指数）；SAVI（土壤调整植被指数）7.2023年发射的______卫星（填写我国卫星名称）是全球首颗主动降水测量卫星，搭载了______（填写传感器类型）用于毫米级降水探测。答案：风云三号G星（或“黎明星”）；双频降水测量雷达（DPR）8.遥感数据融合按层次可分为像元级、______级和______级融合，其中______级融合对预处理要求最高。答案：特征；决策；像元三、简答题（每题8分，共32分）1.简述光学遥感与SAR遥感的主要优缺点及互补性。答案：光学遥感（被动式）：优点：数据直观，光谱信息丰富，易于解译；多光谱/高光谱可反演地物理化参数（如植被叶绿素、土壤湿度）。缺点：依赖太阳辐射，夜间无法成像；受云雨、气溶胶影响大，数据获取率低。SAR遥感（主动式）：优点：全天时、全天候成像；可穿透云雾、部分植被和干燥土壤；利用干涉测量（InSAR）可获取毫米级地表形变。缺点：数据解译复杂（后向散射受地物粗糙度、介电常数、入射角等多因素影响）；图像存在斑点噪声（Speckle）。互补性：光学提供丰富光谱信息，SAR弥补天气限制并获取结构信息，联合应用可提升复杂场景（如森林、城市）的监测精度（如光学用于分类，SAR用于形变监测）。2.说明辐射定标的定义、步骤及关键意义。答案：定义：将传感器记录的数字量化值（DN值）转换为绝对辐射亮度（或反射率）的过程。步骤：①实验室定标：在传感器发射前，通过标准辐射源测量其响应函数，建立DN值与辐射亮度的关系（如增益、偏移量）。②星上定标：卫星在轨期间，利用星载定标器（如太阳定标器、黑体）定期校准传感器参数，补偿性能衰减。③场地定标：选择地表均匀、反射率已知的场地（如戈壁、盐沼），同步获取遥感数据与地面实测辐射值，验证和修正定标参数。意义：辐射定标是定量遥感的基础，确保不同时间、不同传感器数据的可比性，为后续大气校正、地物参数反演（如NDVI、地表温度）提供准确的辐射基准。3.分析NDVI的计算原理及其在植被监测中的局限性。答案：计算原理：NDVI=(NIRR)/(NIR+R)，其中NIR为近红外波段反射率（植被强反射），R为红光波段反射率（植被强吸收）。差值归一化后，NDVI值范围为[-1,1]，正值表示植被覆盖（值越大，覆盖度越高）。局限性：①饱和问题：当植被覆盖度超过80%时，NDVI对覆盖度变化不敏感（近红外反射趋于饱和）。②土壤背景影响：低覆盖度时，土壤反射率（尤其是R波段）会干扰NDVI值，导致低估植被真实状况。③大气效应：未校正大气时，气溶胶散射会影响NIR和R波段的反射率，导致NDVI误差。④敏感性限制：对植被类型（如针叶林与阔叶林）、物候期（如枯黄期）的区分能力有限。4.比较遥感图像监督分类与非监督分类的区别，并说明各自适用场景。答案：区别：①先验知识：监督分类需已知地物类型并选择训练样本；非监督分类仅依据像元光谱特征自动聚类，无先验类别信息。②分类过程：监督分类通过训练样本建立分类器（如最大似然、SVM），再对全图分类；非监督分类通过聚类算法（如K-means、ISODATA）划分光谱相似的集群，后人工解译集群对应地物。③精度控制：监督分类可通过训练样本质量直接控制精度；非监督分类依赖聚类参数（如集群数），易出现“同物异谱”或“异物同谱”导致的误分。适用场景：监督分类：适用于研究区地物类型明确、有足够实地调查数据（如样方、GPS点）的情况（如农田作物分类、城市用地类型划分）。非监督分类：适用于地物类型未知或研究区范围大、实地调查困难的场景（如大范围生态区划分、新区域遥感初勘）。四、综合分析题（每题14分，共28分）1.某团队需监测某城市群2024年夏季城市热岛效应时空演变，要求设计基于遥感的技术路线，包括数据选择、预处理步骤、关键指标提取方法及结果验证方案。答案：技术路线设计如下：（1）数据选择：①主数据：选择陆地表面温度（LST）反演能力强的遥感数据，如Landsat-9TIRS（热红外波段，空间分辨率100m）或哨兵-3SLSTR（空间分辨率300m，重访周期1-2天）。若需高时间分辨率，可补充MODIS（1km，每日4次）。②辅助数据：同期气象数据（气温、风速）、DEM（地形校正）、土地覆盖数据（区分下垫面类型）。（2）预处理步骤：①辐射定标：将热红外波段DN值转换为光谱辐射亮度（利用传感器定标参数）。②大气校正：采用单窗算法、劈窗算法或MODTRAN模型，消除大气水汽、CO₂等对热辐射的吸收与散射，获取地表真实辐射亮度。③几何校正：通过地面控制点（GCP）或RPC参数，将图像校正为UTM投影，确保多期数据空间对齐。④云检测与掩膜：利用云掩膜算法（如Fmask）去除云覆盖区域，避免无效像元干扰。（3）关键指标提取：①地表温度（LST）反演：基于热红外波段，采用普适性单通道算法（适用于Landsat）或劈窗算法（适用于哨兵-3），结合地表比辐射率（通过NDVI估计或土地覆盖数据获取）计算LST。②热岛强度（UHI）计算：定义为城区LST均值与郊区（无人工下垫面区域）LST均值的差值，或通过LST空间分布划分热岛等级（如极热、次热、中性、次冷、极冷）。③时空演变分析：对多期LST数据进行时间序列分析（如夏季逐月LST变化），结合土地利用转移矩阵（如建设用地扩张），探究热岛与城市化的相关性。（4）结果验证方案：①地面实测验证：在典型区域（如市中心、郊区公园）布置自动气象站，同步获取地表温度（红外测温仪）与空气温度，与遥感反演LST对比，计算均方根误差（RMSE）。②交叉验证：利用不同传感器（如Landsat与哨兵-3）反演的LST数据进行一致性检验，分析误差来源（如空间分辨率差异）。③统计相关性分析：将热岛强度与同期能源消耗数据（如电力负荷）、植被覆盖度（NDVI）进行相关性分析，验证热岛成因的合理性。2.某生态保护区需评估近5年生态环境变化，要求结合光学遥感、SAR遥感与无人机遥感数据，设计多源数据融合策略，并说明关键技术难点及解决思路。答案：（1）多源数据融合策略：①数据层：光学遥感（如Sentinel-2）：提供高光谱信息（13波段，10-60m分辨率），用于植被覆盖度（NDVI）、叶面积指数（LAI）反演。SAR遥感（如Sentinel-1）：提供C波段双极化（VV、VH）数据，用于森林郁闭度（后向散射与冠层结构相关）、湿地水分（介电常数敏感）监测。无人机遥感（如搭载多光谱相机）：获取厘米级分辨率影像，用于局部区域（如珍稀物种栖息地）的高精度地物分类（如灌木、草本区分）。②融合步骤：a.时空配准：统一多源数据的投影（如WGS84/UTM）和分辨率（通过重采样将SAR、无人机数据与Sentinel-2对齐）。b.特征提取：从光学数据提取光谱特征（如NDVI、EVI），从SAR数据提取后向散射系数、极化特征（如熵-角分解参数），从无人机数据提取纹理特征（如灰度共生矩阵GLCM）。c.像元级融合：采用加权融合或深度学习模型（如CNN+LSTM），将多源特征输入分类器（如随机森林），提升地物分类精度（如区分退化草地与健康草地）。d.决策级融合：对光学、SAR独立分类结果（如森林/非森林）进行投票或贝叶斯推理，降低单一数据的误分率（如SAR穿透植被导致的森林误判）。（2）关键技术难点及解决思路：①异质数据的时空一致性：光学与SAR成像时间、分辨率差异大，需通过时间插值（如利用MODIS填补Sentinel-2云覆盖区域）或选择同步观测数据（如Sentinel-1/2协同任务）。解决思路：建立多源数据时间序列库，采用时空融合算法（如STARFM）提供高频次、高分辨率的合成影像。②多源特征的冗余与冲突：光学的光谱特征与SAR的后向散射特征可能存在信息重叠或矛盾（如水体在光学中为低反射，在SAR中为低后向散射，但结冰水体SAR后向散射增强）。解决思路：通过特征选择算法（如随机森林的特征重要性排序）筛选互补特征