2026年遥感技术应用试卷及答案

2026年遥感技术应用试卷及答案一、单项选择题（每题2分，共30分）1.下列遥感传感器中，属于主动式遥感的是（）。A.Landsat-9的OLI传感器B.Sentinel-2的MSI多光谱仪C.陆地探测四号01星的L波段SARD.风云四号B星的干涉式大气垂直探测仪2.某遥感图像的空间分辨率为0.5米，光谱分辨率为10纳米，时间分辨率为5天，该数据最可能用于（）。A.全球森林覆盖变化年际监测B.城市道路破损细节识别C.海洋水色长期趋势分析D.大气气溶胶月均浓度反演3.以下关于高光谱遥感的描述，错误的是（）。A.光谱分辨率通常小于100纳米B.可通过光谱匹配技术识别地物类型C.数据量远小于多光谱遥感数据D.对植被叶绿素含量反演精度高于多光谱4.SAR遥感中，“四极化”模式指的是（）。A.HH、HV、VH、VV四种极化组合B.水平发射/水平接收、水平发射/垂直接收两种模式C.单极化、双极化、全极化、多极化的统称D.L、C、X、P四个波段的极化组合5.遥感图像辐射校正的主要目的是（）。A.消除传感器本身的误差及大气、地形影响B.提高图像的空间分辨率C.统一不同传感器的投影坐标系D.增强图像的边缘特征6.以下卫星中，搭载激光测高仪的是（）。A.高分五号02星B.ICESat-2C.哨兵-1AD.资源三号03星7.在遥感图像分类中，“同物异谱、同谱异物”现象主要影响（）。A.监督分类的训练样本选择B.非监督分类的聚类结果准确性C.面向对象分类的分割尺度D.深度学习分类的模型泛化能力8.热红外遥感主要用于探测地物的（）。A.反射光谱特征B.发射光谱特征C.散射光谱特征D.透射光谱特征9.以下哪项不是无人机遥感的优势（）。A.灵活的时间与空间分辨率调整B.复杂地形区域的高覆盖能力C.大规模全球尺度数据获取D.低成本的近地高精度观测10.遥感数据融合中，“像素级融合”的关键步骤是（）。A.对多源数据进行特征提取与匹配B.将低分辨率多光谱与高分辨率全色图像融合C.基于地物类别进行决策级信息整合D.通过深度学习模型实现语义级融合11.下列地物中，在SAR图像上后向散射系数最高的是（）。A.平静的湖面B.新铺设的沥青路面C.成熟的玉米地D.垂直排列的金属栅栏12.遥感监测土壤水分时，最有效的波段是（）。A.可见光-近红外（0.4-2.5μm）B.热红外（8-14μm）C.L波段（15-30cm）D.紫外（0.2-0.4μm）13.以下关于遥感时间分辨率的描述，正确的是（）。A.静止轨道卫星的时间分辨率低于极轨卫星B.时间分辨率越高，越适合监测快速变化的现象（如洪水）C.多颗同类型卫星组网可降低时间分辨率D.时间分辨率仅受卫星轨道高度影响14.高光谱遥感数据“维数灾难”指的是（）。A.光谱波段过多导致计算复杂度激增，分类精度下降B.空间分辨率不足影响地物识别C.数据存储与传输成本过高D.大气校正难度随波段增加而降低15.以下哪项属于遥感技术在农业中的新兴应用（）。A.作物种植面积统计B.病虫害早期预警（基于多光谱荧光特征）C.产量估算（基于植被指数模型）D.灌溉区边界划分（基于水体指数）二、填空题（每题2分，共20分）1.主动遥感的核心是传感器主动向目标发射______并接收反射/散射信号。2.光谱分辨率通常以______为单位，数值越小表示光谱区分能力越强。3.热红外遥感的典型波段范围是______微米。4.SAR遥感中，“侧视成像”会导致______（如山体前倾）和叠掩现象。5.激光雷达（LiDAR）通过测量______计算目标距离，可用于地形测绘和植被高度反演。6.遥感图像几何校正的关键步骤包括______和坐标变换。7.归一化植被指数（NDVI）的计算公式为______（用反射率ρ表示）。8.高光谱遥感的“图谱合一”特性指其同时记录地物的______和空间信息。9.无人机遥感中，“POS系统”的主要功能是获取______（位置与姿态）数据，用于图像定位。10.遥感监测城市热岛效应时，常用______（填数据类型）反演地表温度。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（从工作原理、受天气影响、穿透能力、典型应用四方面分析）。2.说明遥感图像辐射定标的主要步骤及其作用。3.列举三种常用的遥感图像分类方法，并比较其优缺点。4.分析时间分辨率、空间分辨率、光谱分辨率之间的权衡关系，举例说明实际应用中的优化策略。5.简述多源遥感数据协同应用的意义，并举一例说明（如光学+SAR+LiDAR在森林资源调查中的联合应用）。四、综合分析题（每题15分，共30分）1.假设需监测某特大城市（面积约5000km²）2025-2026年城市扩张过程，要求提取新增建设用地、耕地减少区域及城市热岛范围。请设计技术方案，包括：（1）数据选择（卫星/传感器类型、分辨率要求）；（2）主要预处理步骤；（3）信息提取方法（针对三类目标）；（4）精度验证手段。2.高光谱遥感在生态环境监测中具有独特优势。以某流域为例，需监测：①植被退化区域（基于叶绿素含量）；②水体富营养化程度（基于藻蓝素浓度）；③土壤重金属污染（基于特征吸收峰）。请说明：（1）高光谱数据的优势；（2）针对每个监测目标的关键光谱参数或指数；（3）数据处理的主要流程（包括辐射校正、光谱匹配、反演模型构建）。答案一、单项选择题1.C2.B3.C4.A5.A6.B7.B8.B9.C10.B11.D12.C13.B14.A15.B二、填空题1.电磁波（或微波）2.纳米（nm）3.8-144.透视收缩5.激光脉冲往返时间6.地面控制点（GCP）采集7.(ρ近红外ρ红)/(ρ近红外+ρ红)8.光谱特征（或光谱曲线）9.位置与姿态（或定位定姿）10.热红外遥感数据（或热红外图像）三、简答题1.差异分析：工作原理：光学遥感被动接收地物反射的太阳辐射；SAR主动发射微波并接收后向散射信号。受天气影响：光学遥感受云、雾干扰大，难以全天候成像；SAR可穿透云雨，具备全天时能力。穿透能力：光学（可见光-近红外）无法穿透植被冠层或地表；SAR（如L、P波段）可穿透部分植被或干燥土壤，获取地表下信息。典型应用：光学用于植被分类、水体监测；SAR用于地表形变（InSAR）、森林生物量估算、冰雪监测。2.辐射定标步骤及作用：步骤：①传感器校准（实验室或星上定标器）；②获取传感器输出的DN值与实际辐射亮度的转换系数；③大气校正（如6S模型、FLAASH）消除大气散射与吸收影响。作用：将图像DN值转换为真实地表反射率/辐射亮度，保证不同时间、传感器数据的可比性，为后续定量反演（如植被指数、地表温度）提供基础。3.分类方法及优缺点：监督分类（如最大似然法）：需训练样本，分类精度较高，但依赖样本质量与代表性，对复杂地物适应性差。非监督分类（如ISODATA）：无需先验样本，适用于未知区域，但聚类结果需人工解译，可能出现错分。面向对象分类：基于影像对象（图斑）的光谱、形状、纹理特征，更符合地物实际分布，对高分辨率数据效果好，但分割尺度选择复杂，计算量大。4.分辨率权衡与优化：权衡关系：单传感器难以同时提高三分辨率（如提高空间分辨率可能降低光谱波段数或缩短重访周期）。优化策略：多源数据协同（如高分二号（高空间）+哨兵-2（高光谱）+哨兵-1（全天候））；传感器设计改进（如高光谱卫星搭载推扫式成像，平衡光谱与空间）；应用导向选择（城市精细分类侧重空间分辨率，植被生化参数反演侧重光谱分辨率，洪水监测侧重时间分辨率）。5.多源协同意义与案例：意义：弥补单一数据的局限性（如光学缺云覆盖时的SAR补充），综合不同传感器的优势（光谱+微波+三维结构），提升信息提取精度。案例（森林调查）：光学（高分六号）获取植被光谱（NDVI、EVI）反演覆盖度；SAR（哨兵-1）穿透冠层获取林下地形与生物量；LiDAR（ICESat-2）提供树高、冠层结构参数。三者融合可同时反演森林面积、蓄积量、垂直结构，提高资源评估准确性。四、综合分析题1.城市扩张监测技术方案：（1）数据选择：光学数据：高分二号（0.8m全色+3.2m多光谱）或哨兵-2（10m多光谱），满足建设用地（小斑块）与耕地的空间分辨需求；热红外数据：陆地卫星9（TIRS，100m热红外）或风云三号D星（中分辨率热红外），用于地表温度反演；SAR数据：哨兵-1（C波段，5m×20m），补充云覆盖时的光学数据缺失。（2）预处理：辐射校正（大气校正、辐射定标）；几何校正（RPC模型+地面控制点，精度≤2个像元）；图像配准（以某一景为基准，其他影像配准至统一坐标系）；云/雪掩膜（基于光学数据的云检测算法或SAR的相干性分析）。（3）信息提取：新增建设用地：采用变化检测（分类后比较法），先对两期数据进行监督分类（建设用地、耕地、其他），再计算类别转移矩阵；耕地减少区域：通过NDVI阈值（耕地NDVI>0.6）结合纹理特征（耕地规则块状）提取，比较两期面积差；城市热岛范围：基于单窗算法或分裂窗算法反演地表温度，设定温度高于区域均值1.5σ的区域为热岛。（4）精度验证：野外采样：随机选取100个验证点（50个变化区、50个稳定区），通过实地调查或高分辨率无人机影像验证；混淆矩阵计算：统计总体精度、Kappa系数（目标≥0.85）；热岛范围对比：与地面气象站温度数据进行空间相关性分析（相关系数≥0.7）。2.高光谱生态监测方案：（1）高光谱优势：连续窄波段（如300-2500nm，200+波段）可捕捉地物的细微光谱特征（如叶绿素在680nm的吸收峰、藻蓝素在620nm的特征峰）；图谱结合特性支持直接反演生化参数（如叶绿素含量、重金属浓度），无需依赖经验模型。（2）关键参数/指数：植被退化（叶绿素含量）：红边位置（REP，680-760nm导数最大值位置）、叶绿素指数（CIrededge=(ρ750/ρ705)-1）；水体富营养化（藻蓝素）：藻蓝素吸收峰深度（620nm处反射率与两侧（580nm、650nm）的差值）、归一化藻蓝素指数（NPCI=(ρ620-ρ580)/(ρ620+ρ580)）；土壤重金属污染（如镉、铅）：特征吸收峰位置（如Cd在2200nm、Pb在2350nm的弱吸收带）、光谱角填图（SAM）匹配污染土壤标准光谱库。（3）数据处理流程：辐射校正：基于暗目标法或经验线性法将DN值转换为地表反射率；光谱预处理：去除水汽吸收波段（1350-1450nm、1800-1950nm），进行平滑（Savitzky-Golay滤波）和一阶导数变换增强特征；光谱匹配：构建区域植被、水体、