遥感影像分类解译工程师考试试卷及答案

遥感影像分类解译工程师考试试卷及答案一、填空题（每题1分，共10分）1.遥感按平台高度分类，卫星遥感属于______遥感。2.遥感影像空间分辨率指一个像元对应的______。3.监督分类常用方法包括最大似然法、最小距离法和______法。4.携带OLI传感器的Landsat卫星是______号。5.分类中未被训练样本覆盖的类别为______类。6.可见光波长范围约为______μm。7.非监督分类核心是______算法（如K-means）。8.辐射定标将DN值转换为______。9.高分辨率影像空间分辨率通常小于______m。10.分类后去除小图斑的方法是______。二、单项选择题（每题2分，共20分）1.以下属于监督分类的是（）A.K-meansB.ISODATAC.最大似然法D.阈值法2.辐射分辨率单位是（）A.米B.比特C.微米D.天3.主动遥感传感器是（）A.LandsatOLIB.Sentinel-2MSIC.SARD.MODIS4.训练样本选择应满足（）A.单一类别B.均匀分布C.足够数量D.以上都是5.影像融合不包括（）A.提高空间分辨率B.增强光谱互补C.提高时间分辨率D.优化信息表达6.适合高维数据的分类方法是（）A.最小距离法B.决策树C.最大似然法D.阈值法7.混淆矩阵用于计算（）A.分类精度B.空间分辨率C.辐射分辨率D.波谱分辨率8.被动遥感传感器是（）A.LiDARB.SARC.可见光相机D.以上都是9.分类后重编码的作用是（）A.合并相似类别B.去除噪声C.提高分辨率D.辐射校正10.Landsat8TIRS传感器探测（）A.可见光B.近红外C.热红外D.微波三、多项选择题（每题2分，共20分）1.遥感分类主要类型包括（）A.监督分类B.非监督分类C.混合像元分解D.人工解译2.影像预处理步骤有（）A.辐射定标B.大气校正C.几何校正D.影像融合3.训练样本选择原则（）A.代表性B.单一性C.足够数量D.均匀分布4.高分辨率卫星包括（）A.QuickBirdB.IKONOSC.Landsat8D.Sentinel-25.分类精度指标有（）A.总体精度B.Kappa系数C.生产者精度D.用户精度6.非监督分类算法（）A.K-meansB.ISODATAC.最大似然法D.SVM7.遥感分辨率类型（）A.空间B.辐射C.波谱D.时间8.主动遥感传感器（）A.SARB.LiDARC.MODISD.LandsatOLI9.分类后处理方法（）A.小斑块去除B.重编码C.聚类合并D.大气校正10.混合像元分解目的（）A.提取亚像元信息B.提高分类精度C.识别混合地物D.增强空间分辨率四、判断题（每题2分，共20分）1.监督分类需训练样本，非监督分类不需要。（）2.SAR是被动遥感传感器。（）3.辐射定标将DN值转为辐射亮度值。（）4.空间分辨率越大，影像细节越清晰。（）5.Kappa系数衡量分类一致性。（）6.最小距离法属于监督分类。（）7.大气校正属于预处理步骤。（）8.影像融合可同时提高空间和光谱分辨率。（）9.非监督分类结果无需精度评价。（）10.Landsat8OLI包含热红外波段。（）五、简答题（每题5分，共20分）1.简述监督分类与非监督分类的区别。2.遥感影像预处理中大气校正的目的是什么？3.分类精度评价的主要指标及意义？4.混合像元分解的基本原理？六、讨论题（每题5分，共10分）1.如何结合多源遥感数据提高分类精度？2.深度学习在遥感分类中的优势及挑战？---参考答案一、填空题1.航天2.地面实际尺寸3.支持向量机（SVM）4.8（或9）5.未知6.0.4-0.767.聚类8.辐射亮度值（或表观反射率）9.1010.小斑块去除二、单项选择题1.C2.B3.C4.D5.C6.B7.A8.C9.A10.C三、多项选择题1.ABC2.ABC3.ABCD4.AB5.ABCD6.AB7.ABCD8.AB9.ABC10.ABC四、判断题1.√2.×3.√4.×5.√6.√7.√8.√9.×10.×五、简答题1.监督分类与非监督分类的区别监督分类需预先选择已知类别的训练样本，算法学习样本特征后分类，适合已知地物类型；非监督分类无需训练样本，仅基于像元光谱相似性聚类，适合未知区域。监督分类精度依赖样本质量，非监督分类结果需人工归类，二者常结合使用。2.大气校正的目的消除大气（气溶胶、水汽等</think_never_used_51bce0c785ca2f68081bfa7d91973934></think_never_used_51bce0c785ca2f68081bfa7d91973934>对电磁波传输的</think_never_used_51bce0c785ca2f68081bfa7d91973934></think_never_used_51bce0c785ca2f68081bfa7d91973934>散射、吸收影响，将影像DN值转换为地表真实反射率（或辐射亮度），使不同时相、传感器影像的光谱信息可比，为分类、变化检测提供准确的地表光谱数据。3.分类精度指标及意义-总体精度：正确分类像元占比，反映整体效果；-Kappa系数：衡量分类与随机分类的差异，越高一致性越好；-生产者精度：某类别被正确分类的比例（反映漏分）；-用户精度：分类为某类的像元中真实属于该类的比例（反映错分）。4.混合像元分解原理混合像元由多种地物组成，光谱是端元（纯地物）光谱的线性（或非线性）组合。通过提取端元光谱，建立混合模型，求解各地物在像元中的丰度（比例），提取亚像元尺度信息，解决混合像元问题。六、讨论题1.结合多源数据提高分类精度多源数据（光学+SAR、高分辨率+中分辨率）互补信息：光学提供丰富光谱，SAR提供穿透性。步骤：①预处理（统一分辨率、辐射校正）；②特征融合（光谱、纹理、极化）；③选择算法（随机森林、深度学习）；④精度验证。例如，SAR极化特征区分植被与水体，光学光谱识别植被类型，减少错分。2.深度学习