中科院遥感考博真题整理

2011年3月RS真题

一、名词解释

1、成像光谱仪

通常的多波段扫描仪将可见光和红外波段分割成几个到十几个波段，对遥感而言，在一定的波长范围内，被分割的波段数愈多，及波段取样点愈多，愈接近于连续波谱曲线，一次可以使扫描仪在取得目标地物图像的同时获得该地物的光谱组成，这种既能成像又能获取目标光谱曲线的“谱像合一”的技术，称为成像光谱技术，按该原理制成的扫描仪称为成像光谱仪。

2、空间分辨率

针对遥感器或图像而言，指图像上能够详细区分的最小单元的尺寸或大小，或指遥感区分两个目标的最小角度或线性距离的度量，反映了两个非常靠近的目标物的识别区分能力，有时也称为分辨力或解像力；对地面而言，指可以识别的最小距离或最小目标物的大小。一般有三种表示方法：①像元，指单个像元所对应的地面面积大小；②线对数，对摄影系统而言，影像最小单元常通过1mm间隔内包含的线对数确定；③瞬时视场，指遥感器内单个探测元件的受光角度或观测视场，单位为毫弧度，瞬时视场越小，最小可分辨单元（可分像素）越小，空间分辨率越高。

3、叶面积指数

叶面积指数（LAI）是指每单位地表面积的页面面积比例，它对植物光合作用和能量交换是十分有意义的。叶片的叶绿素在光照条件下进行光和作用，产生植物干物质积累，并使叶面积增大，叶面积增大则光合作用更强，产生更多的干物质积累，则生物量扩大，同时，叶面积越大，植物群体的反射辐射越强。页面指数与植被生态生理、叶片生物化学性质、蒸散、冠层光截获、地表第一生产力等密切相关，使它成为研究生态系统一个十分重要的参数。4、光谱分辨率

遥感信息的多波段特性，多用光谱分辨率来描述。光谱分辨率指遥感器所选用的波段数量的多少、各波段的波长，及波长间隔的大小，即选择的通道数、每个通道的中心波长、带宽这三个因素共同决定光谱分辨率。光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果越好，如TM在0.45-12.5um有7个波段，记录了同一物体在7个不同波段的光谱响应特性的差异，而航空可见、红外成像光谱仪AVIRIS，在0.4-2.45有224个波段，可以捕捉到各种物质特征波长的微小差异。

5、植被指数

植被指数指选用多光谱遥感数据经分析计算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定的指示意义的数值，它用一种简单而有限的形式—仅用光谱信号，而不用其他辅助资料，也没有任何假设条件，来实现对植物状态信息的表达，以定性和定量的评价植被覆盖、生长活力及生物量等。在植被指数中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光波段（0.6-0.7um）和对绿色植物（叶内组织引起的）高反射的近红外波段（0.7-1.1um）。

6、地物方向谱

地物方向谱主要用来描述地物对太阳辐射反射、散射能力的空间变化的波谱变化。

7、主动遥感

按遥感的工作方式分为主动遥感和被动遥感。主动遥感，又称有源遥感，指从遥感平台上的探测器主动发射一定电磁能量的电磁波，再由传感器接收和记录其反射和记录其反射波的遥感系统。其主要特点是不依赖太阳辐射，可以昼夜工作，而且可以根据探测目的的不同，

主要选择电磁波的波长和发射方式。主动遥感一般使用的电磁波是微波波段和激光，多用脉冲信号，有的用连续波束，普通雷达、测试雷达、合成孔径雷达、红外雷达、激光雷达等都属于主要遥感系统。

9、植被指数

10、影像匹配

影像匹配是通过对影像内容、特征、结构、关系、纹理及灰度等地对应关系，相似性和一致性分析，寻求相同影像目标的方法。分为基于灰度的影像匹配和基于特征的影响匹配两种，前者从参考图像中提取目标去作为匹配的模板，再将其在待配准的图像中滑动，通过相似性度量来寻找最佳匹配点；后者是从两幅图像中提取出灰度变化明显的某些特征作为匹配基元，再在两幅图像对应的特征集中利用特征匹配算法将存在匹配关系的特征对选出来，对于非特征像素点利用插值等方法做处理，以实现两幅图像间的逐像元的配准，后者较前者匹配计算量小，速度快。当影像分分辨率低且部分被云覆盖，校正时可选用影像匹配。

二、简答

1、几何纠正的主要方法及特征

当遥感影像在几何位置上发生了变化，产生如行列不均匀、像元大小与地面大小对应不准确、地物形状不规则变化等畸变时，说明遥感影像发生了几何畸变。几何纠正的主要目的就是纠正这些系统及非系统性因素引起的图像变化，从而与标准图像与地图的几何整合。

主要方法及特征：①根据卫星轨道公式将卫星的位置、姿态、轨道及扫描特征作为时间函数加以计算，来确定每条扫描线上像元坐标。特征：由于遥感器的位置及姿态的测量值精度不高，其校正图像仍存在不小的几何变形。②几何精校正，利用地面控制点和多项式纠正模型校正影像。步骤为先选择地面控制点，其次选择合适的坐标变换函数式（即数学纠正模型），最后重采样，选择合适的内拆方法。特征：适合于地面平坦，不需要考虑高程信息，或地面起伏较大而无高程信息，以及传感器位置和姿态参数无法获取的情况下应用。有时根据遥感平台的各种参数已做过一次校正，但仍不能满足要求，就可以用该方法做遥感影像相对于地面坐标的配准校正，遥感影像相对于地图投影坐标系统的配准校正，以及不同类型或不同时相的遥感影像之间的几何配准和复合分析，以得到比较精确地结果。③采用影像匹配与相关技术法，分为基于灰度的影响匹配和基于特征的影响匹配。特征：速度快，适合于短周期，较低分辨率的卫星数据，因为分辨率低及部分被云覆盖，使合格的地面控制点选取有相当难度。

2、中巴资源卫星的光谱特征

中巴地球资源卫星（CBERS）（简称资源卫星）项目是中国和巴西两国政府的合作项目。自1999年10月14日首飞成功后，至今已经成功发射了3颗卫星，获取了大量的观测数据，并广泛用于中巴国民经济建设的许多领域。

中巴资源卫星携带三种传感器，CCD相机、红外多光谱扫描仪（IRMSS）及宽视场成像仪（WFI）。CCD相机在星下点得空间分辨率有19.5米，扫描幅度为113公里，在可见、近红外光谱范围内有4个波段和1个全色波段，具有侧视功能，侧视范围为+-32°，相机带有内定标系统。

B01 0.45-0.52um，用于水系及浅海水域制图与森林类型制图，空间分辨率为20米；

B02 0.52-0.59um，识别植被类别与评价植物生产力，空间分辨率为20米；

B03 0.63-0.69um，区分植物类型、覆盖度，判断植物生长状况、健康状况等，空间分辨率为20米；

B04 0.77-0.89um，用于植物识别分类、生物量调查及作物长势测定，空间分辨率为20米；B05 0.51-0.73um，全色波段，空间分辨率为20米。

红外多光谱扫描仪（IRMSS）有1个全色波段、2个短波红波段和1个热红外波段，扫描

幅宽119.5公里，可见光、短波红外波段的空间分辨率为78米，热红外波段的空间分辨率为156米，IRMSS带有内定标系统和太阳定标系统。

B06 0.5-0.9um，可见光近红外波段空间分辨率为78米；

B07 1.55-1.75um，用于植物水分状况与作物长势研究；

B08 2.08-2.35um，用于区分主要岩石类型，增加地质探矿的应用；

B09 10.4-12.5um，用于制备胁迫分析、土壤湿度研究等，及监测与人类有关的热特征，分辨率为156米。

宽视场成像仪（WFI）有1个可见光波段、1个近红外波段，星下点的可见分辨率为258米，扫描幅宽为890公里。由于这种传感器具有较宽的扫描能力，因此，它可以在很短的时间内获得高重复率的地面覆盖，WFI星上定标系统包括一个漫反射窗口，可进行相对辐射定标。

B10 0.63-0.69um，用于区分植物类型、覆盖度，判断植物生长状况、健康状况等，空间分辨率为250米。

B11 0.77-0.89um，用于植物识别分类、生物量调查及作物长势测定，空间分辨率为250米。

02B卫星保留了原有20米分辨率的CCD多光谱相机和258米分辨率的宽视场成像仪(WFI)的基础上，增加了2.36米分辨率的高分辨率相机（HR），波段范围为0.5-0.8um。

3、水体遥感的光谱特征及其应用

水体的光谱特性：在可见光0.6um之前，水的吸收少，反射率较低，大量透射。其中，水面反射率的5%左右，并随着太阳高度角的变化呈3%-10%不等的变化；水体可见光发射包括水表面反射、水体底部物质反射及水肿悬浮物质（浮游生物或叶绿素、泥沙及其它物的反射3个方面的贡献。在近红外、短波红外部分几乎吸收全部的入射能量，因此水体在这两个波段的反射能量很小。

应用：①水体界线的确定。在可见光范围内，水体的反射率总体上比较低，不超过10%，一般为4%-5%，并随着波长的增大逐渐降低，到0.6um出约为2%-3%，过了0.75um，水体几乎成为全吸收体。因此，在近红外的遥感影像上，清澈的水体呈现黑色。为区分水陆界线，确定地面上有无水体覆盖，应选择近红外波段的图像。也可选用雷达影像，平坦的水面，后向散射较弱，侧视雷达影像上水体呈现黑色，故用雷达影像确定洪水淹没的范围也是有效的手段。②水中悬浮物质的确定。水中悬浮物主要包括无机的泥沙和有机的叶绿素。含泥沙的浑浊水体与清水比较，光谱反射特征存在差异：浑浊水体的反射波谱曲线整体高于清水；波谱反射值长波方向移动（红移）；随悬浮泥沙浓度的加大，可见光对水体的透射能力减弱，反射能力加强；波长较短的可见光，如蓝光和绿光对水体穿透能力较强，可反映出水下一定深度的泥沙分布状况。水中叶绿素的浓度与水体反射光谱存在以下关系：水体叶绿素浓度增加，蓝光波段的反射率下降，绿光波段的反射率增高；水面叶绿素和浮游生物浓度高时，近红外波段仍存在一定的反射率，该波段影像中水体不呈黑色，而呈灰色甚至是浅灰色。③水温的探测。水体的热容量大，在热红外波段有明显特征。白天，水体在遥感影像上表现为热红外波段辐射低，呈暗色调，夜间，在热红外影像上呈浅色调。夜间热红外影像可用于寻找泉水，特别市温泉。根据热红外传感器的温度定标，可在热红外影像上反演水体的温度。

④水体污染的探测。水体污染物浓度较大且使水色显著地变黑、变红或变黄，并与背景色有较大的差异时，可在可见光波段影像上识别出来；水体高度富营养化，受到严重的有机污染，浮游生物浓度高，与背景水体的差异可在近红外波段影像上被识别。水体受到热污染，与周围水体有明显温差，也可在热红外波段影像上被识别。⑤水深的探测。蓝光波段对平静、清澈的水体有较大的透射能力，并且水底反射波也较强。这时蓝光波段上的灰度可反映水深。

4、ISODATA的聚类过程

三、论述（三选二）

1、MODIS的特点与应用

MODIS数据的特点：⑴36个光谱通道（0.4-14.3um），其中可见光-短波红外20个通道，热红外16个通道；谱带窄，可见光-短波红外通道除0.659和2.1um外，谱带宽度10-35um；有许多大气纠正的特征波段，便于大气参数的反演，如用0.41-2.1um 7个通道，以及3.75um 的通道，可反演大气气溶胶；1.38um通道可用于校正薄卷云及反演平流层气溶胶。⑵空间分辨率CH1、2为250m；CH3-7为500m，其余为1000m；像元大小随视角而增加，边缘像元可比星下点像元大4倍。⑶宽视域（扫描角+-55°），太阳天顶角与观测天顶角变化大；扫描宽度为2330km，考虑到地球曲率，在轨道边缘，地面实际视角约为+-（60°-65°）；太阳天顶角也会有20°的变化，此变化与纬度、季节有关。由于太阳-目标-遥感器之间几何关系的变化、大气和目标的方向反射特征，使后向散射较前向散射有更大的太阳天顶角。⑷MODIS在对地观测中，每秒可同时获得6.1MB的来自大气、海洋、陆地表面的信息。每1-2天可获得一次全球观测数据（包括白天的可见光图像及白天/夜间的红外图像）。我国的观测时间一般为白天10:30—12:00，夜间21:30—23:00.每个MODIS仪器设计寿命5年，计划发射4颗。这样利用MODIS则可获得15年以上，包含可见光-热红外36个通道的地球综合信息，为全球资源、环境、气候变化等获得综合研究服务。⑸具有较高的辐射分辨率，数据量化等级为2048,。即所有通道都用12bit记录。MODIS探测仪在对地扫描的同时，都对冷空和黑体进行探测，有较高的校正精度和灵敏度。

应用：modis数据不仅直接用于火灾、沙尘暴、冰、雪、洪涝、干旱等多种灾害的研究和监测，还可以短期气象监测和中长期气候预报，主要分为大气、陆地和海洋三个方面。⑴大气应用：大气不仅对地球气候有着重要的作用，甚至会对动物、植物乃至人类的发育和生长造成一定的影响。因此，分析大气组成并探寻其演化规律是地球环境研究的重要课题。在这一方面，MODIS提供了水汽、气溶胶、云、大气剖面、大气网络、云掩膜6种产品。

①气溶胶，波段15（743-753nm），16（862-877nm），波段26（1.36-1.39um）反应气溶胶特性，气溶胶的组成和分布在一定程度上反应了大气污染的状况，是空气质量（雾、酸雨、沙尘暴等）以及全球气候变化研究的重要内容。②水汽，水汽一方面通过蒸发或凝结吸收或放出潜热，另一方面它又能强烈地吸收和放出长波辐射，从而影响地面和空气的温度，MODIS 的近红外波段17（890-920nm）、18（931-941nm）、19（915-965nm）和热红外波段26

（1.36-1.39um）、27（6.535-6.895um）、28（7.175-7.475um）均为理想的大气水汽探测波段。

⑵海洋应用：MODIS 的8-16波段（405-877nm）是海洋水色要素探测的专用波段，所提供的叶绿素浓度产品、悬浮固体产品、有机物浓度产品等在洋流、喷流、羽流等海洋研究中有重要作用，为全球生化模式和气候模式的研究提供了数据基础。⑶陆地应用，MODIS提供了地表反射比、地表温度、叶面积指数等10种陆地产品，为陆地自然资源监测、生态环境评估以及其他环境相关学科的研究做出了重要贡献。①自然灾害监测：MODIS提供的多种陆地表面观测产品为自然灾害和监测提供了良好的数据支持。②全球气候变化监测，MODIS 的全球海表面温度产品为研究全球大规模气候现象提供了优质数据源，能够捕捉其变化，为长期监测及其有关影响的监测、预报提供可靠的数据保障。

2、遥感技术在自然技术灾害的监测评估中的作用与不足

作用：⑴利用遥感技术，有效开展自然灾害成因的研究

各种自然灾害发生前一般都会出现各种先兆，而且很多灾害的发生和发展都有一定的时空规律，彼此之间常有一定的关系，这就为自然灾害的预报提供了可能性。遥感技术获取信息的范围大、综合性强，根据多时相、多波段、多分辩率遥感图像所提供的数据源，进行灾害的周期性、重复性、灾害间的相关性、致灾因素的演变和相互作用、灾害发展趋势、灾源的形成、灾害载体的运移规律、以及灾害前兆信息等开展研究和分析，有助于对不同的灾害做出准确程度不等的近期、中期、长期和临灾预报。

⑵开展遥感灾害调查，推进自然灾害数据库建设

在各种自然灾害中，地质灾害占有重要的比重。地质灾害中的滑坡、崩塌、泥石流等灾害个体以及它们组合形成的灾害群体，在遥感图像上呈现的形态、色调、影纹结构等均与周围背景存在一定的区别。因此，对崩塌、滑坡、泥石流等地质灾害的规模、形态特征及孕育特征，均能从遥感影像上直接判读圈定。利用我国的资源卫星、气象卫星、环境和灾害卫星及其他卫星提供的多种遥感信息，通过地质灾害遥感解译，可以对目标区域内已经发生的地质灾害点和地质灾害隐患点进行系统全面的调查，查明各种地质灾害的分布、发生规模、形成原因、发育特点、发展趋势以及危害性和影响因素。在此基础上结合GIS技术开展地质灾害区划，划分地质灾害易发区域，评价易发程度，建立灾害要素数据库，构建灾害预测评估和灾后灾害快速评估运行系统。

⑶开展遥感灾情调查，为抗灾救灾应急决策提供快速信息支持

地震、洪涝、台风等突发性自然灾害发生时，常规手段难以实现迅速、准确、动态的监测与预报，遥感技术不受地面条件限制，可以快速获取灾害发生后灾区的全面景观，根据灾害分类分级及影像模型，判读图像，快速确定灾情，为应急救援工作提供第一手资料，从而在最短的时间内实现对自然灾害的应急响应。

⑷开展遥感灾情动态监测，提高次生灾害的预测预报能力。

做好次生灾害的排查与监测预警工作，防范地震等灾害可能引发的火灾、水灾、爆炸、山体滑坡和崩塌、泥石流、地面塌陷等次生灾害，是减少和降低灾害损失的重要措施。利用卫星遥感技术实时监测地震次生灾害，使这些次生灾害在成灾前或成灾过程中得到及时解决，防患于未然。

⑸开展遥感灾情调查评估，为灾后重建规划提供决策依据

地震等重大自然灾害发生后，灾区的重建规划是抗灾救灾的一项重要工作。如地震灾后恢复重建规划应当根据地质条件和地震活动断层分布以及资源环境承载能力，重点对城镇和乡村的布局、基础设施和公共服务设施的建设、防灾减灾和生态环境以及自然资源和历史文化遗产保护等作出安排。城镇和工程选址时要充分考虑灾害综合区划，既防止类似的灾害重复发生，也要防御其他自然灾害的侵袭。利用遥感技术开展地震灾害损失调查评估，可以获得地质、土地、气象、水文、环境等基础资料，这是编制地震灾后恢复重建规划的依据。在

2008年四川汶川大地震发生后，我国利用航天和航空遥感，及时开展汶川地震灾情评估工作，完成不同烈度人口影响评估，以及房屋倒损、道路损毁、人员伤亡等灾情及次生灾害评估、灾情综合评估、地震灾害范围评估、地震灾害经济损失评估等工作，为灾区重建规划提供了科学依据和决策咨询。

⑹卫星遥感技术的发展，为提高我国地震预测预报水平提供了可能

地震的预测预报是一个世界性的难题。我国破坏性地震频繁发生，损失极为惨重。及时、准确地获取反映地震孕育和发生过程的各种地震前兆信息及其演化规律就有可能有效地预测预报地震，卫星遥感以其观测手段多、覆盖面广、资料连续更新、重复观测周期短等优势，成为开展地震灾害预测预报的有效手段，为提高地震灾害的预测预报水平提供了可能。第21届ISPRS大会表明，遥感技术用于监测和评估地震灾害已成为研究地震的一大热门。目前，遥感方法中合成孔径雷达干涉测量（InSAR）技术在监测地震形变方面的潜力已得到广泛认同。

不足：现在遥感在自然灾害监测应用中还存在不少问题，突出表现在基础地理信息不充分、遥感应急速度比较慢、组织还有待加强、可用的数据源匮乏以及遥感科技力量储备不足等问题。

1）基础地理信息不充分

这次汶川地震灾害遥感监测暴露出我国的基础地理信息不充分。为了更好的进行灾害监测与评估，国家应该建立1~2 m分辨率的基础影像库，有条件的地区还应该建立1∶10万到1∶5万比例尺的基础地理信息数据库和数字高程模型（DEM）。我国的中巴地球资源卫星02B星HR数据分辨率已经达到了2.36 m，而且该数据对国内是免费的，建议有关部门充分利用国产数据建立高分辨率背景影像库。

2）遥感应急相应速度比较慢

从地震发生后到5月13日上午第一颗遥感卫星过境并下传遥感数据，整整用了21个小时；一直到地震发生后的第四天，5月14日国内才出现了震区震后的遥感分析图。在大灾害面前，遥感显得非常迟缓。因此，提高遥感对于重大自然灾害的快速反应能力非常必要。发挥遥感在重大自然灾害监测中排头兵的作用就是要求遥感在灾害发生几个小时后作出反应。

3）缺乏统一的组织

在这次汶川地震科技救灾中，遥感队伍可谓浩浩荡荡。但是这次遥感大会战缺乏一个统一的组织，很多工作比较混乱和重复。因此，建议编制自然灾害遥感应急预案和自然灾害遥感监测技术规程，这个技术规程应该包括遥感数据获取与共享、遥感数据的格式与参考投影系统、评估的技术流程与精度控制等等。这样在一个统一的框架下，才能使遥感的作用充分表现出来。

4）可用的遥感数据很匮乏

很多大的自然灾害发生时，天气都不是很好，像今年发生的南方雪灾和汶川地震灾害。光学遥感成像十分困难，即使成像后云覆盖也太多影响了数据的有效性。合成孔径雷达可以穿透云雾成像，但是在灾害发生过程中为了获得高分辨率的观测数据，大多采用单极化的工作方式。这种单波段单极化的SAR图像解译十分困难。从这个意义上说，可用于自然灾害遥感监测的数据还是比较匮乏的。

5）遥感科技力量储备不够

虽然我国近几年在遥感技术研发和教育方面都有较快的发展，但是在大灾面前仍显得遥感科技力量储备严重不足。这表现在以下三个方面：(1)遥感技术硬件储备不足，比如各种遥感器及其数据设备；(2)遥感技术软件储备不足，遥感快速应急的相关处理程序和技术规程都还比较缺乏；(3)遥感要从理论走向实践，从办公室走向自然灾害的第一线。加大遥感

科技力量储备是应对灾害突发事件必须要解决的问题。

3、卫星遥感的技术的发展趋势。（有点老）

随着传感器技术、航空航天技术和数据通讯技术的不断发展，现代遥感技术已经进入一个能动态、快速、多平台、多时相、高分辨率地提供对地观测数据地新阶段。

⑴5s技术的联合应用

遥感本身就是多学科的综合，多种技术的联合应用将大大拓宽遥感技术的应用范围，占领更广阔的市场。具有代表性的是智能引导系统。系统本身是在国际先进的超图数据结构(HBDS)理论基础上，实现遥感(RS)、全球定位系统(GPS)、地理信息系统(GIS)、智能系统(IS)和多媒体系统(MMS)即五“S”的联合。在电子地图的支持下可对光盘CD- ROM进行检索，采用分层技术，为用户提供自定义、多层次目标库，用户可自己定义起点、终点、绕行点、必经点。智能模块为用户提供最佳路径及最短距离。

⑵高光谱分辨率传感器是未来空间遥感发展的核心内容

高光谱分辨率传感器是指既能对目标成像又可以测量目标物波谱特性的光学传感器，其特点是光谱分辨率高、波段连续性强。其传感器在0.4μｍ-2.5μｍ范围内可细分成几十个，甚至几百个波段，光谱分辨率将达到5ｎｍ-10ｎｍ。但目前其发展仍停留在航空实验和应用阶段，预计下个世纪将会在轨道高度崭露头角，如澳大利亚的资源信息与环境卫星(ARIES-1)。美国一些公司或组织及空军、海军等部门也都在研制和发射自己的成像光谱卫星。美国Geosat Committee目前正在对高光谱传感器Probe-1进行矿产、油气、环境及农业等4大领域的应用试验。人们希望通过高光谱遥感数据对矿物、岩石的类型，农作物、森林的种类，环境中各种污染物质的成份进行遥感定量分析。高光谱和超高光谱传感器的研制和应用将是未来遥感技术发展的重要方向。高空间分辨率已达米级，高光谱分辨率已达纳米级，波段数已达数十甚至数百个。

⑶微波遥感技术

微波遥感技术(如合成孔径雷达等)是当前国际遥感技术发展重点之一，其全天候性、穿透性和纹理特性是其它遥感方法不具备的。利用这一特性对解决我国海况监测，恶劣气象条件下的灾害监测，冰雪覆盖区、云雾覆盖区、松散层掩盖区及国土资源勘查等将有重大作用。微波遥感的发展进一步体现为多极化技术、多波段技术和多工作模式，

⑷小卫星群计划

为协调时间分辨率和空间分辨率这对矛盾，小卫星群计划将成为现代遥感的另一发展趋势。例如，可用6颗小卫星在2～3天内完成一次对地重复观测，可获得高于 1 m的高分辨率成像光谱仪数据。除此之外，机载和车载遥感平台，以及超低空无人机载平台等多平台的遥感技术与卫星遥感相结合，将使遥感应用呈现出一派五彩缤纷的景象。

版本二

随着科学技术的进步，光谱信息成像化，雷达成像多极化，光学探测多向化，地学分析智能化，环境研究动态化以及资源研究定量化，大大提高了遥感技术的实时性和运行性，使其向多尺度、多频率、全天候、高精度和高效快速的目标发展。

1.遥感影像获取技术越来越先进

（1）随着高性能新型传感器研制开发水平以及环境资源遥感对高精度遥感数据要求的提高，高空间和高光谱分辨率已是卫星遥感影像获取技术的总发展趋势。遥感传感器的改进和突破主要集中在成像雷达和光谱仪，高分辨率的遥感资料对地质勘测和海洋陆地生物资源调查十分有效。

（2）雷达遥感具有全天候全天时获取影像以及穿透地物的能力，在对地观测领域有很大优势。干涉雷达技术、被动微波合成孔径成像技术、三维成像技术以及植物穿透性宽波段雷达技术会变得越来越重要，成为实现全天候对地观测的主要技术，大大提高环境资源的动态监

测能力

（3）开发和完善陆地表面温度和发射率的分离技术，定量估算和监测陆地表面的能量交换和平衡过程，将在全球气候变化的研究中发挥更大的作用。

（4）由航天、航空和地面观测台站网络等组成以地球为研究对象的综合对地观测数据获取系统，具有提供定位、定性和定量以及全天候、全时域和全空间的数据能力，为地学研究、资源开发、环境保护以及区域经济持续协调发展提供科学数据和信息服务。

2.遥感信息处理方法和模型越来越科学神经网络、小波、分形、认知模型、地学专家知识以及影像处理系统的集成等信息模型和技术，会大大提高多源遥感技术的融合、分类识别以及提取的精度和可靠性。统计分类、模糊技术、专家知识和神经网络分类有机结合构成一个复合的分类器，大大提高分类的精度和类数。多平台、多层面、多传感器、多时相、多光谱、多角度以及多空间分辨率的融合与复合应用，是目前遥感技术的重要发展方向。不确定性遥感信息模型和人工智能决策支持系统的开发应用也有待进一步研究。

3、一体化计算机和空间技术的发展、信息共享的需要以及地球空间与生态环境数据的空间分布式和动态时序等特点，将推动3S一体化。全球定位系统为遥感对地观测信息提供实时或准实时的定位信息和地面高程模型；遥感为地理信息系统提供自然环境信息，为地理现象的空间分析提供定位、定性和定量的空间动态数据；地理信息系统为遥感影像处理提供辅助，用于图像处理时的几何配准和辐射订正、选择训练区以及辅助关心区域等。在环境模拟分析中，遥感与地理信息系统的结合可实现环境分析结果的可视化。3S一体化将最终建成新型的地面三维信息和地理编码影像的实时或准实时获取与处理系统。

4.建立高速、高精度和大容量的遥感数据处理系统随着3S一体化，资源与环境的遥感数据量和计算机处理量也将大幅度增加，遥感数据处理系统就必须要有更高的处理速度和精度。神经网络具有全并行处理、自适应学习和联想功能等特点，在解决计算机视觉和模式识别等特大复杂的数据信息方面有明显优势。认真总结专家知识，建立知识库，寻求研究定量精确化算法，发展快速有效的遥感数据压缩算法，建立高速、高精度和大容量的遥感数据处理系统。

5.建立国家环境资源信息系统国家环境资源信息是重要的战略资源，环境资源数据库是国家环境资源信息系统的核心。我们要提高对环境资源的宏观调控能力，为我国社会经济和资源环境的协调可持续发展提供科学的数据和决策支持。

6.建立国家环境遥感应用系统国家环境遥感应用系统将利用卫星遥感数据和地面环境监测数据，建立天地一体化的国家级生态环境遥感监测预报系统以及重大污染事故应急监测系统，可定期报告大气环境、水环境和生态环境的状况。环境遥感地理信息系统是其支撑系统，在各种应用软件的辅助下实现环境遥感数据的存储、处理和管理；环境遥感专业应用系统是其应用平台，在环境专业模型的支持下实现环境遥感数据的环境应用；环境遥感决策支持系统是其最上层系统，在环境预测评价和决策模型的驱动下进行环境预测评价分析，制定环境保护的辅助决策方案；数据网络环境是其数据输入和输出的开放网络环境，实现环境海量数据的快速流通。

总之，遥感技术在环境科学领域有广泛应用，随着科学的进步，遥感技术会越来越先进，其所发挥的作用也会越来越大。

2010年3月RS

一、名词解释：

1、成像光谱仪（2011）

2、光谱分辨率（2011）

3、监督分类：监督分类，又称为训练分类法，即用被确认类别的样本像元去识别其他未知像元的过程。首先需要从研究区域选取有代表性的训练场地作为样本，根据已知训练区提供的样本，通过选择特征函数（如像素亮度均值、方差等），建立判别函数，据此对样本像元分类，依据样本类别的特征来非样本像元的归属类别。监督分类可分为两个步骤：选择训练样本和提取统计信息、选择合适的分类算法。常用的算法有平行算法、最小距离法及最大似然法等。

4、植被指数（2011）

5、地物方向波谱（2011）

二、简答:

1、数据融合方法及特征

图像融合是一个对多遥感器的图像数据和其它信息的处理过程。它着重于把那些在空间或时间上冗余或互补的多源数据，按一定的规则（算法）进行运算处理，获得比任何单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。它不仅仅是数据间的简单复合，而强调信息的优化，以突出有用的专题信息，消除或抑制无关的信息，改善目标识别的图像环境，从而增加解译的可靠性，减少模糊性（即多义性、不完全性、不确定性和误差）、改善分类、扩大应用范围和效果。

图像融合分为多源遥感数据融合和遥感信息与非遥感信息的融合。

多源遥感数据融合的方法和特征为：⑴彩色技术，包括RGB彩色合成，HIS变换，照度-色度变换。特征：彩色合成有利于对多波段图像的解译。HIS彩色变换把标准RGB图像有效地分离为代表空间信息的明度（I）和代表波谱信息的色别（H）、饱和度（S），对颜色属性易于识别和量化，色彩的调整（数学变换）方便、灵活。彩色编码系统YIQ（Y指图像亮度，I指红色减去青色，Q指品红色减去绿色），YIQ的三成分间比RGB三成分间相关性减小，因而YIQ变换更能增强图像。⑵算术运算，“加”与“乘”，差值与比值运算，混合运算。特征：“加”与“乘”对于增加图像的对比度很有效。差值与比值图像对于变化检测很有效，尤其是比值方法对微弱的信号变化有更强的增强能力。采用加减乘除的混合运算或各波段图像数据间的相关性加权运算，可以不同程度的消除大气影响，增强相关信息特征。⑶图像变换，包括主成分分析、相关统计分析、空间滤波分析、回归变量代换、小波变换等。特征：①主成分分析，实现了数据压缩，也可作为分类前的特征选择，突出了主要信息，达到了图像增强的目的。变换后的主分量空间坐标系统的坐标轴指向数据信息量较大的方向，变换后的新波段主分量，包含的信息量逐渐较少。②相关统计分析，是基于对被融合图像之间波谱特性的相关统计分析。③空间滤波分析，多用于不同空间分辨率的图像数据的融合，分为高通滤波和低通滤波，高通滤波提高空间分辨率，低通滤波平滑原图像的细节。④回归变量代换，应用于增强空间数据或变化监测。⑤小波变换，具有变焦性，信息保持性和小波基选择的灵活性等优点，可用于以非线性的对数方式融合不同类型的数据，是融合后的图像既保留原高分辨率遥感影像的结构信息，又融合多光谱影像丰富的光谱信息，提高影像的解译能力、分类精度。

遥感信息与非遥感信息融合方法和特征：融合步骤①地理数据的网格化，使地理数据成为网格化的数据，地面分辨率与遥感数据一致，对应地面位置与遥感影像配准。②最优遥感数据的选取，选取适合需要的遥感波段。③配准复合。栅格数据与栅格数据之间采用两种方法：非遥感数据与遥感数据组成三个波段，实行假彩色合成；两种数据也可直接叠加，波段

之间可作加法或其他数学运算，也可做适当的布尔运算。栅格数据与矢量数据采用不同数据格式的复合和不同数据层的复合。不同数据格式的复合指两种数据直接叠加，如在遥感影像上叠加行政边界。不同数据层的复合指计算和记录时，将不同的图像记录到不同的层上，显示时可以分别显示，也可一起叠合显示。特征：不同遥感数据源的优势互补，进行复合增加信息量。遥感数据和非遥感数据可在空间上对应一致，又可在成因上互相说明，已达到深入分析的目的。

2、几何纠正的几种方法和特征（2011）

3、水体遥感的光谱特征及其应用（2011）

4、大气对地物光谱的物理过程

地物反射的电磁波要经过大气才能被传感器接收，由于大气的成分非常的复杂而且多变，加上电磁波本身的一些特性，此次电磁波在大气传输过程中会发生很多变化，包括大气的吸收、散射、透射等。

⑴大气吸收。电磁辐射经过大气层时，大气分子对电磁波的某些波段有吸收作用，吸收作用使电磁波的强度衰减，甚至有些波段完全不能通过大气。大气中几种主要分子对电磁辐射的的吸收带位置为，水的吸收带主要有2.5-3.0um，5-7um，0.94um，1.13um，1.38um，1.86um，3.24um以及24um以上对微波的强吸收带；二氧化碳的吸收峰主要是2.8um和4.3um；臭氧在10-40km高度对0.2-0.32um有很强的吸收带，此外0.6um和9.6um的吸收也很强；氧气主要吸收小于0.2um的辐射，0.6um和0.76um也有窄带吸收。此外大气中的其它微粒虽然也有吸收作用，但不起主导作用。

⑵大气散射。辐射在传播过程中遇到小微粒而使传播方向改变，并向各个方向散开，称散射。散射使原传播方向的辐射强度减弱，而增加向其他各方向的辐射。散射现象的实质是电磁波在传输中遇到大气微粒而产生的一种衍射现象。大气散射包括瑞利散射、米氏散射和无选择性散射。①瑞利散射，当大气中粒子的直径比波长小的多时发生的散射。这种散射主要由大气中的原子和分子，如氮、二氧化碳、臭氧和氧分子等引起的。对可见光而言，瑞利散射现象非常明显，因为这种散射的特点是散射强度与波长的四次方成反比，波长越长，散射越弱。②米氏散射，当大气中粒子的直径与波长相当时发生米氏散射。这种散射主要由大气中的微粒，如烟、尘埃，小水滴及气溶胶等引起。米氏散射的散射强度与波长的二次方成反比，并且散射在光线向前方比向后方方向更强，方向性比较明显。潮湿天气米氏散射影响较大。③无选择性散射，当大气中粒子比波长大的多时发生的散射，散射强度与波长无关，任何波长的散射强度相同。总的来说，由大气分子、原子引起的瑞利散射主要发生在可见光和近红外波段；大气微粒引起的米氏散射从近紫外到红外波段都有影响，当波长进入红外波段后，米氏散射的影响超过瑞利散射；大气云层中，小雨滴对可见光只有无选择性散射发生。

⑶大气折射，电磁波经过大气时，还会出现传播方向的改变，即折射。大气的折射率与大气密度相关，密度越大折射率越大。

⑷大气反射，电磁波传播过程中，若通过两种介质的交界面，会出现反射现象。反射主要发生在云层顶部，取决于云量，且各波段均受到不同程度的影响，消弱了电磁波的强度。

⑸大气窗口，折射改变电磁波的方向，但不改变强度。就辐射强度而言，电磁波经过大气传输后，主要是反射、吸收和散射的共同影响衰减了辐射强度，剩余部分即为透过的部分，只有选择透过率高的波段，才对观测有意义。通常把电磁波通过大气层时较少被反射、吸收或散射的，透过率较高的波段成为大气窗口。

三、论述：

1、Modis特点及应用（2011）

2、遥感在自然灾害中的监测评估中的作用及不足（2011）

3、遥感技术的发展趋势（2011）

2009年中科院地理所遥感概论博士考题

一、名词解释（4分*5 共20分）

1.成像光谱仪（2011、2010）

2.光谱分辨率（2011、2010）

3.监督分类（2011、2010）

4.合成孔径雷达

合成孔径雷达是利用雷达与目标的相对运动把尺寸较小真实天线孔径用数据处理的方法合成一较大等效天线孔径的雷达，合成孔径雷达的特点是分辨率高，能全天候工作，能有效识别伪装和穿透掩盖物，所得到的高方位分辨力相当于一个大孔径天线所能提供的方位分辨力。合成孔径雷达的工作原理为：遥感平台在匀速前进运动中，以一定的时间间隔发射一个脉冲信号，天线在不同位置上接收回波信号，并记录和贮存下来。将这些在不同位置上接收的信号合成处理，得到与真实天线接收同一目标信号相同的结果，这样就使一个小孔径天线起到了大孔径天线的同样作用。

5.叶面积指数（2011）

二、简答题（10分*4 共40分）

1.多源遥感信息融合的主要方法及其特征；

2.遥感影像几何纠正的主要方法及其特征；

3.植被指数的含义及其应用；

含义：选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值—即所谓的“植被指数”。它用一种简单而有效的形式—仅用光谱信号，不需要其他辅助资料，也没有任何假设条件，来实现对植被状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。在植被指数中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光红波段（0.6-0.7um）和对绿色植物（叶内组织引起的）高反射和高透射的近红外波段（0.7-1.1um），这两个波段不仅是植物光谱、光合作中的最重要的波段，而且他们对同一生物物理现象的光谱响应截然相反，形成的明显反差，这种反差随着叶冠结构、植被覆盖度而变化，因此可以对它们用比值、差分、线性组合等多种组合来增强或揭示隐含的植被信息。

应用：①反演生物物理参数。植被指数与植被生物物理参数（如叶面积指数LAI、植被覆盖度、绿色生物量、生物量、叶绿素浓度、光合有效吸收辐射FAPAR等）之间存在相关关系，可以作为获取这些生物物理参数的“中间变量“，或得到两者之间的转换系数。目前利用遥感数据来估算植被生物物理参数，主要采用两种方法，一是统计模型—即建立植被指数与植被生物物理参数的回归方程。它简便易行，被广泛应用，但适普性差、要有先验知识，且不考虑非植被因素（土壤背景特征、地形、大气特征）。二是理论模型—几何光学模型与辐射传输模型，它物理意义明确，描述了植被方向反射与植被冠层结构之间的关系，可反演各种类型植被的生物物理参数，但模型复杂，需要的参数较多，一定程度上限制了它的应用。

②反演地表生态环境参数。植被指数与气候参数（降水、气温和日照）、植物蒸散及土壤水分有关。以NDVI为例，NDVI常被认为是气候、地形、植被/生态系统和土壤/水分变量的函数。通过建立NDVI与降水之间的统计性关系，说明NDVI可以识别气候干旱程度；通过提取NDVI与亮度温度及表面温度梯度之间的线性关系，可研究不同地表类型表面温度的植被效应；NDVI能够反映植被状况，而植被状况与植被蒸发量、土壤水分是有关的。

4.水体的主要光谱特征及其应用意义。

三、综合题（任选二题，每题20分，共40分）

1.试论述当前光学遥感发展的特点和未来趋势；

遥感根据探测能量的波长和探测方式、应用目的分为可见光-反射红外遥感、热红外遥感、微波遥感三种基本形式，其中前两者可统称为光学遥感，属于被动遥感。

2.遥感技术在自然灾害中监测的作用和最在的不足；（2011、2010）

3.我国中巴资源卫星数据的主要特点和应用前景。(主要特点为光谱特征)

中巴地球资源卫星是1988年中国和巴西两国政府联合议定书批准，由中、巴两国共同投资，联合研制的卫星（代号CBERS）。1999年10月14日，中巴地球资源卫星01星（CBERS-01）成功发射，在轨运行3年10个月；02星（CBERS-02）于2003年10月21日发射升空，目前仍在轨运行。2007年9月19日，02B在中国太原卫星反射中心发射，2011年12月29“资源一号”02C星成功发射。

主要特点：

2008年中科院地理所遥感概论博士考题

一、名词解释（2分*5 ，共10分）

1.波谱反射率

波谱反射率是物体反射的辐射能量占总入射能量的百分比，称为反射率，以百分数表示，其值在0-1之间。物体的光谱反射率随波长变化的曲线称为光谱反射率曲线，它的形状反应了地物的波谱特征。影响反射率的因素不仅是波长，还包括物质类别、组成、结构、入射角、物体的电学性质（电导、介电、磁学性质）、及其表面特征（粗糙质、质地）等。对遥感应用而言，任何物体的反射性质是揭示目标本质的最有用信息，地物反射波谱特征的研究，对遥感来说十分重要。

2.地面反照率

地物反射的特征也可表示为反照率（albedo），又称为半球反射率，可定义为目标物的出射度与入射度之比（即单位时间、单位面积上各个方向出射的总辐射能量M与入射的总辐射能量E之比），常用ɑ表示为ɑ=M/E，以太阳光作为入射光的地表半球反射率，成为地表反照率（即自然物体的半球反射率）。地表反照率可以通过遥感所提供的辐射亮度值L或者反射率 、二向反射率分布函数BRDF来获得。

3.辐射能量

电磁辐射源（电磁振源）以电磁波的形式向外传送能量，辐射能量指以电磁波形式向外传送能量，常用Q表示，单位为焦（J）。不同辐射源可以向外辐射不同强度和不同波长的辐射能量，利用遥感探测物体，实际上是对物体辐射能量的测定与分析。

4.合成孔径雷达

5.水色遥感

水色遥感是唯一可穿透海水一定深度的卫星海洋遥感技术。它利用星载可见红外扫描辐射计接收海面向上的光谱辐射，经过大气校正，根据生物光学特性，获取海中叶绿素浓度、悬浮物浓度及黄色物质等海洋环境要素，因而它对海洋初级生产力、海洋生态环境、海洋通量、渔业资源、赤潮监测等具有重要意义。

二、简述题（6分*5，共30分）

1.中巴资源卫星光谱成像特征；（光谱特征）

3、水体遥感的光谱特征及其应用

2.影像数据几何纠正方法；（即几何纠正的方法与特征）

3.小卫星遥感系统；

遥感系统包括五部分：被测目标的信息特征、信息的获取、信息的传输与记录、信息的处理和信息的应用。①目标物的电磁波特性，任何目标物都有发射、反射和吸收电磁波的性质，这是遥感的信息源。目标物与电磁波的相互作用，构成了目标物的电磁波特性，它是遥感探测的基础。②信息的获取，接收、记录目标物电磁波特性的仪器成为传感器或遥感器，如扫描仪、雷达及辐射计等。传感器装载在遥感平台上，主要的遥感平台有地面平台（遥感车、手提平台、地面观测台等）、空中平台（飞机、气球等）、空间平台（火箭、人造卫星、宇宙飞船等）。③信息的接收，传感器接收到目标物的电磁波信息，记录在数字磁介质或胶片上，胶片由人或回收舱送回地面，数字磁介质记录的信息通过卫星微波天线传输到地面的卫星接收站。④信息的处理，地面接收站收到卫星发送的数字信息，进行一系列的处理，如信息恢复、辐射校正、卫星姿态校正、投影变换等，再转换为用户可使用的通用数据格式，或者转

换成模拟信号，才能被用户使用，地面站或用户还可以根据需要进行精校正处理和专题信息处理、分类等。⑤信息的应用，遥感获取信息的目的是应用，由各专业人员按不同的应用目的进行。

小卫星遥感系统指遥感平台采用低成本、标准化的小卫星平台的遥感系统，小卫星不只是简单的质量小，而是高度集成化技术、自动化技术的应用，特别是计算机的迅速发展，实现星上控制与处理计算机小型化。小卫星可以快速实现从设计、制造、发射、在轨运行全过程，一般不到十二个月，价格低廉，风险小，一般寿命大于十年。90时代以来，卫星技术发展进入了一个全新的介绍，各国在发展卫星遥感系统过程中更多考虑经济和风险因素，质量小而又满足特殊需求的小卫星遥感系统备受青睐。近年来微电子学及材料领域的技术进步也推动改革了小卫星遥感系统的发展，如2000年6月28日中国航天部分与清华大学发射了“清华一号”小卫星，轨高700km 与太阳同步，重50kg ，装有三波段遥感相机，地面分辨率为40米，用于遥感和通信。

4.植被指数计算方法；

植被指数是选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值，它用一种简单而有效的形式—仅用光谱信号，不需要其他辅助资料，也没有任何假设条件，来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。

健康植被，在近红外波段（0.7-1.1um ）通常反射40%-50%的能量，而在可见光范围内（0.4-0.7um ）只能反射10%-20%的能量，因为植被中的叶绿素吸收多数的可见光。而枯萎及干死植被中叶绿素含量大量减少，因此在可见光波段，其反射率比健康植被高，在近红外波段，反射率比健康植被低。裸露土壤的反射率通常在可见光高于健康植被，低于干死及枯萎植被；在近红外，明显低于健康植被。它们在不同波段上形状的差异时计算植被指数的基础。

常用的植被指数：①比值植被指数（RVI ），由于可见光红波段（R ）与近红外波段（NIR ）对绿色植物的光谱响应十分不同，两者之间的数值比能充分表达两反射率之间的差异。RVI= R NIR DN DN /，DN 为近红外、红波段的灰度值。对于绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外强反射，使其R 与NIR 值有较大的差异，RVI 值高；而对于无植被的地面包括裸土、人工特征物、水体及枯死或受胁迫植被，不显示这种特殊的光谱响应，RVI 值低。比值植被指数可提供植被反射的重要信息，是植被长势、丰度的度量方法之一。②归一化植被指数（NDVI ），NDVI= )/()(R NIR R NIR DN DN DN DN +-，归一化植被指数被定义为近红外波段与可见红波段数值之差和这两个波段数值之和的比值，实际上，NDVI 是简单比值RVI 经非线性的归一化处理所得。在植被遥感中，NDVI 应用最为广泛。③调整土壤亮度的植被指数（SAVI 、TSAVI 、MSAVI ），土壤调整植被指数SAVI=(（NIR-R ）/(NIR+R+L))(1+L)，L 是一个土壤调整系数，随植被浓度变化，它由实际区域条件所决定，用来减小植被指数对不同土壤反射变化的敏感性。当L 为0时，SAVI 就是NDVI ，对于中等植被盖度区，L 一般接近于0.5。乘法因子（1+L ）主要是用来保证最后的SAVI 值与NDVI 值一样介于-1和+1之间。转换型土壤调整植被指数TSAVI=[a(NIR-aR-b)]/(aNIR+R-ab),a 和b 分别为土壤背景先（土壤背景的亮度变化线）的斜距和截距。由于考虑了（裸土）土壤背景的有关参数，TSAVI 比NDVI 对低植被盖度有更好地指数意义，适用于半干旱地物的土地利用制图。修改型土壤调整植被指数MSAVI=

④差值植被指数DVI ，被定义为近红外波段与可见光波段数值之差，对土壤背景的变化极为敏感，有利用植被生态环境的监测，又称为环境植被指数（EVI ），适用于植被发育早-中期，

或低-中覆盖度的植被检测。⑤垂直植被指数（PVI）,在R、NIR地二维坐标系内，土壤的光谱响应表现为一条斜线-即土壤亮度线，土壤在R、NIR波段均显示较高的光谱响应，随着土壤特性的变化，其亮度值沿土壤线上下移动；而植被一般在红波段光谱响应低，而在近红外波段光谱响应高。在这二维坐标系内植被多位于土壤线的左上方，不通知呗与土壤亮度线的距离不同，把植物像元到土壤亮度线的垂直距离定义为垂直植被指数。PVI=R?V R)2+(S NIR?V NIR)2s为土壤反射率，v为植被反射率，R为红波段，NIR为近红外波段。PVI表征土壤背景上存在的植被的生物量，距离越大，生物量越大。它的特点主要是较好的滤除了土壤背景的影响，且对大气效应的敏感程度小于其他植被指数。正因为它减弱和消除了大气、土壤的干扰，所以被广泛应用于大面积作物估产。

5.激光雷达成像原理；

激光雷达定义：是激光技术与传统雷达技术相结合的产物，是以发射激光束探测目标的位置、速度等特征量的雷达系统。与普通雷达相比，激光雷达是传统微波雷达向光学频段的延伸，微波雷达工作波长在1-1000mm，而激光雷达的工作波长在0.1-10um，两者相差4-5个数量级，电磁波工作波长的大大缩短和光束指向性的提高，导致激光与被探测物质的相互作用进入微观层次，使激光雷达探测的空间分辨率和探测灵敏度大大增强。

成像原理为：激光器发出的激光经整形和扩束后由发射扫描系统向目标发射，返回信号经接收扫描进入接收系统，随后被送往探测器，光信号在这里转变为电信号，并到达计算机进行处理，经处理的信号可以适当方式存储或显示，计算机除进行数据处理外，还对激光发射和探测器门电路实行时序控制。

三、论述题（20分*3，共60分）

1.影像分割基本原理及方法；

图像分割是将图像分为一些有意义的区域，然后对这些区域进行描述，相当于提取出某些目标区域图像的特征，判断图像中是否有感兴趣的目标。

影像分割的基本原理：

影像分割的方法：⑴基于阈值的图像分割方法。阈值化图像分割基本原理是选取一个或多个处于图像取值范围之中的灰度阈值，然后将图像中各个像素的灰度值与阈值进行比较，并根据比较结果将图像中的对应像元分成两类或多类，从而把图像划分成互不交叉重叠的区域的集合，达到图像分割的目的。常见的方法有固定阈值分割法、直方图法、最大类间方差法、统计最优阈值法。①固定阈值分割法，是设原图像为f(x,y)，以阈值T或某个合适的区域空间作为该图像的特征值，将图像分割成两个部分或多个部分。②直方图法，如果图像所含的目标区域和背景区域大小可比，且目标区域和背景区域在灰度上有明显的区别，则该图像的直方图会呈现双峰-谷状，其中一个峰值对应与目标的中心灰度，另一峰值对应于背景中心灰度，选取位于两峰之间的谷值作为阈值，容易将目标和背景分开，从而将图像分割。

③最大类间方差法，是一种自适应的阈值确定的方法，它是按图像的灰度特性，将目标分成背景和目标两部分，背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，使类间方差最大的分割意味着错分概率最小。④统计最优阈值法，把背景误分割为目标区域或者把目标误分割为背景区域的情况出现的概率最小。⑵基于边界的图像分割方法，根据图像不同区域边界像素灰度值变化比较剧烈的特点，首先检测出图像可能的边缘点，再按照一定策略连接成轮廓，从而实现不同区域的图像分割。主要有并行微分算子法、模板匹配法、边界跟踪算法和边界拟合算法。①并行微分算子法，是对图像中灰度的变化进行检测，通过一阶导数极值点或二阶导数过零点来检测边缘。主要有高斯-拉普拉斯算子（LOG）、Canny 算子。②模板匹配法，利用选定几何特征的模板与图像卷积来检测图像是否具有该种几何特征结构的方法。主要有点模板、线模板、正交模板等。③边界跟踪算法，先根据某些严格的跟踪准则找出目标物轮廓或边界上的像素点，然后根据这些像素点用同样地跟踪准则找到下

一个像素点，以此类推，直到闭合或最后一个像素点不满足跟踪准则为止。④边界拟合算法，采用曲线或折现表示不同区域之间的图像边界线，是通过拟合方法把边缘连接成曲线边界或折线边界，从而得到分割不同区域的目的。⑶基于区域的图像分割方法，是把区域R划分为若干个区域，使这些区域满足完备性、连通性、独立性、互斥性和单一性。常用的有区域生长法、分裂合并法。①区域生长法，又称区域生成或区域扩张法，将一幅图像分成许多小的区域，并将具有相似性质的像素集合起来构成区域。②分裂合并算法，先把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足分割的要求，基本数据结构为图像的四叉树结构。

2.高空间分辨率处理分析及其趋势；

3.结合您专业，浅谈多源遥感数据的综合处理和分析。（多源信息融合+提取信息）

2006年中科院地理所博考试题

一．名词解释（4×5，20）

1．空间分辨率

2．监督分类

3．空间投影

4．叶面指数

5．主动遥感

二．简答题（10×4，40）

1．中巴资源卫星（CBERS）影像的波段特征（与光谱特征相同）

2．ISODATA方法的聚类过程

3．影像纹理计算方法

影像纹理计算指通过一定的图像处理计算提取出纹理特征参数，从而获得纹理的定量或定性描述的处理过程，纹理分析方法可分为：统计分析方法、结构分析方法、模型方法以及基于数学变换（信号处理）的方法。⑴统计方法，统计方法包括灰度共生矩阵法、灰度游程长度法等。灰度可以认为是在局部窗口内，影像灰度级之间的空间分布及空间相互关系。灰度共生矩阵（空间灰度相关方法）通过对影像灰度级之间联合条件概率密度p(i,j/d,θ)的计算表示纹理。p(i,j/d,θ)表示在给定空间距离d和方向θ时，灰度为i为始点，出现灰度级为j的概率（也称频数）。p(i,j/d,θ)常用矩阵形式表示，称为灰度共生矩阵。常用于提取遥感图像中纹理信息的特征统计量有：发差、熵、逆差距、灰度相关、能量、角二阶距以及协方差等。

⑵结构分析方法，⑶模型方法，

4．影像正射纠正

正射校正是一个对影像空间和几何畸变进行校正，从而生成平面正射影像的处理过程。将相机或卫星模型与有限的地面控制点结合起来，可以建立正确的校正公式，产生精确的、经几何校正的、具有地图精度级的正射影像。

正射校正需要几步完成，不考虑采集数字影像数据的传感器和相片的类型，处理步骤是一样的。包括：①进行内定向，只针对航空相片而言，内定向将建立相机参数和航空相片之间的关系，它将使用航片间的条状控制点、相机框标和相机的焦距，来进行内定向。②进行外定向，外定向将把航片或者卫片上的地物点同实际已知的地面位置（地理坐标）和高程联系起来。通过选取地面控制点，输入相应的地理坐标，来进行外定向。③使用数字高程模型（DEM）进行正射校正，这一步将对航片和卫片进行真正的正射校正。校正过程中将使用定向文件、卫星位置参数，以及共线方程。共线方程式由以上两步，并协同数字高程模型（DEM）共同建立生成的。

三．论述题（任选2道×20，40）

1．多源遥感信息复合（指数据融合）

2．植被指数计算及其应用

植被指数是选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值，它用一种简单而有效的形式—仅用光谱信号，不需要其他辅助资料，也没有任何假设条件，来实现对植物状态信息的表达，以

定性和定量地评价植被覆盖、生长活力及生物量等。

健康植被，在近红外波段（0.7-1.1um ）通常反射40%-50%的能量，而在可见光范围内（0.4-0.7um ）只能反射10%-20%的能量，因为植被中的叶绿素吸收多数的可见光。而枯萎及干死植被中叶绿素含量大量减少，因此在可见光波段，其反射率比健康植被高，在近红外波段，反射率比健康植被低。裸露土壤的反射率通常在可见光高于健康植被，低于干死及枯萎植被；在近红外，明显低于健康植被。它们在不同波段上形状的差异时计算植被指数的基础。

常用的植被指数：①比值植被指数（RVI ），由于可见光红波段（R ）与近红外波段（NIR ）对绿色植物的光谱响应十分不同，两者之间的数值比能充分表达两反射率之间的差异。RVI= R NIR DN DN /，DN 为近红外、红波段的灰度值。对于绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外强反射，使其R 与NIR 值有较大的差异，RVI 值高；而对于无植被的地面包括裸土、人工特征物、水体及枯死或受胁迫植被，不显示这种特殊的光谱响应，RVI 值低。比值植被指数可提供植被反射的重要信息，是植被长势、丰度的度量方法之一。②归一化植被指数（NDVI ），NDVI= )/()(R NIR R NIR DN DN DN DN +-，归一化植被指数被定义为近红外波段与可见红波段数值之差和这两个波段数值之和的比值，实际上，NDVI 是简单比值RVI 经非线性的归一化处理所得。在植被遥感中，NDVI 应用最为广泛。③调整土壤亮度的植被指数（SAVI 、TSAVI 、MSAVI ），土壤调整植被指数SAVI=(（NIR-R ）/(NIR+R+L))(1+L)，L 是一个土壤调整系数，随植被浓度变化，它由实际区域条件所决定，用来减小植被指数对不同土壤反射变化的敏感性。当L 为0时，SAVI 就是NDVI ，对于中等植被盖度区，L 一般接近于0.5。乘法因子（1+L ）主要是用来保证最后的SAVI 值与NDVI 值一样介于-1和+1之间。转换型土壤调整植被指数TSAVI=[a(NIR-aR-b)]/(aNIR+R-ab),a 和b 分别为土壤背景先（土壤背景的亮度变化线）的斜距和截距。由于考虑了（裸土）土壤背景的有关参数，TSAVI 比NDVI 对低植被盖度有更好地指数意义，适用于半干旱地物的土地利用制图。修改型土壤调整植被指数MSAVI=

④差值植被指数DVI ，被定义为近红外波段与可见光波段数值之差，对土壤背景的变化极为敏感，有利用植被生态环境的监测，又称为环境植被指数（EVI ），适用于植被发育早-中期，或低-中覆盖度的植被检测。⑤垂直植被指数（PVI ）,在R 、NIR 地二维坐标系内，土壤的光谱响应表现为一条斜线-即土壤亮度线，土壤在R 、NIR 波段均显示较高的光谱响应，随着土壤特性的变化，其亮度值沿土壤线上下移动；而植被一般在红波段光谱响应低，而在近红外波段光谱响应高。在这二维坐标系内植被多位于土壤线的左上方，不通知呗与土壤亮度线的距离不同，把植物像元到土壤亮度线 的垂直距离定义为垂直植被指数。PVI= (S R ?V R )2+(S NIR ?V NIR )2，s 为土壤反射率，v 为植被反射率，R 为红波段，NIR 为近红外波段。PVI 表征土壤背景上存在的植被的生物量，距离越大，生物量越大。它的特点主要是较好的滤除了土壤背景的影响，且对大气效应的敏感程度小于其他植被指数。正因为它减弱和消除了大气、土壤的干扰，所以被广泛应用于大面积作物估产。

应用：①反演生物物理参数。植被指数与植被生物物理参数（如叶面积指数LAI 、植被覆盖度、绿色生物量、生物量、叶绿素浓度、光合有效吸收辐射FAPAR 等）之间存在相关关系，可以作为获取这些生物物理参数的“中间变量“，或得到两者之间的转换系数。目前利用遥感数据来估算植被生物物理参数，主要采用两种方法，一是统计模型—即建立植被指数与植被生物物理参数的回归方程。它简便易行，被广泛应用，但适普性差、要有先验知识，且不考虑非植被因素（土壤背景特征、地形、大气特征）。二是理论模型—几何光学模型与辐射传输模型，它物理意义明确，描述了植被方向反射与植被冠层结构之间的关系，可反演各种

类型植被的生物物理参数，但模型复杂，需要的参数较多，一定程度上限制了它的应用。②反演地表生态环境参数。植被指数与气候参数（降水、气温和日照）、植物蒸散及土壤水分有关。以NDVI为例，NDVI常被认为是气候、地形、植被/生态系统和土壤/水分变量的函数。通过建立NDVI与降水之间的统计性关系，说明NDVI可以识别气候干旱程度；通过提取NDVI 与亮度温度及表面温度梯度之间的线性关系，可研究不同地表类型表面温度的植被效应；NDVI能够反映植被状况，而植被状况与植被蒸发量、土壤水分是有关的。

3．热红外影像土壤水分反演模型

2005年中科院地理所博考试题

一、简答题

1、几何校正的主要方法

2、光谱成像仪的成像机理

通常的多波段扫描仪将可见光和红外波段分割成几个到十几个波段。对遥感而言，在一定波长范围内，被分割的波段数愈多，即波谱取样点愈多，愈接近于连续波谱曲线，因此可以使得扫描仪在取得目标地物图像的同时也能获取该地物的光谱组成。这种既能成像又能获取目标光谱曲线的“谱像合一”的技术，成为成像光谱技术。按照该原理制成的扫描仪称为成像光谱仪。

高光谱成像仪的工作原理主要有两种类型，①光学/机械式扫描，这种阵列成像光谱仪要产生200多个连续光谱波段。经过光学色散装置分色后，不同波段的辐射照射到CCD线阵列的各个元件上。因而来自地面瞬时视场的辐射强度被分色记录下来，其光谱通道数与线阵列元件数相同，在逐行逐个像元扫描过程中，产生了上百个窄波段组成的连续光谱的图像。这种扫描式的高光谱成像仪主要用于航空遥感探测，较慢的飞行速度使空间分辨率的提高成为可能。如AVIRIS航空可见光/红外光成像光谱仪，有224个波段，光谱范围从0.38um到2.5um，波段宽度为10nm，瞬时视场为1mrad（毫弧度），整个扫描视场为30°，其工作原理就是扫描式。②推帚式面阵列成像光谱仪，为二维面阵列，一维是线性阵列，另一维作光谱仪。图像一行一行地记录数据，不再移动元件。成像装置在横向上测量一行中的每个像元所有波段的辐射强度，有多少个波段就有多少个探测元件。工作时，与扫描式类似，通过快门曝光，将来自地面的辐射能传输到寄存器记录数据。光电探测器采用CCD或汞-镉-蹄/CCD 混合器件，空间扫描由器件的固体扫描完成。由于像元的摄像时间长，系统的灵敏度和空间分辨率的提高可以实现。例如加拿大的CASI小型机载高光谱成像仪，有288个波段，光谱范围从0.385um-0.9um，波段宽度为1.8nm。CASI可以以两种工作方式工作，既可以用多光谱工作又可以用高光谱方式工作。中国的推扫式高光谱成像仪(PHI)也属于这种类型的仪器。

3、监督分类及其优缺点

监督分类，又称为训练分类法，即用被确认类别的样本像元去识别其他未知像元的过程。首先需要从研究区域选取有代表性的训练场地作为样本，根据已知训练区提供的样本，通过选择特征函数（如像素亮度均值、方差等），建立判别函数，据此对样本像元分类，依据样本类别的特征来非样本像元的归属类别。常用的算法有平行算法、最小距离法及最大似然法等。监督分类可分为两个步骤：选择训练样本和提取统计信息、选择合适的分类算法。常用的分类算法有：平行算法、最小距离法、最大似然法。

监督分类的优点：①可根据应用目的和区域，有选择地决定分类类别，避免出现一些不必要的类别；②可控制训练样本的选择；③可通过检查训练样本来决定训练样本是否被精确分类，从而能避免分类中严重错误；④避免了非监督分类中对光谱集群组的重新归类。

缺点：①其分类系统的确定、训练样本的选择，人为主管因素较强，分析者定义的类别也许并不是图像中存在的自然类别，导致多维数据空间中各类别并非独一无二，而是有重叠；分析者所选择的训练样本也可能并并代表图像中的真实情形。②由于图像中同一类别的光谱差异，如同一森林类，由于森林密度、年龄、阴影等地差异，其森林类的内部方差大，造成训练样本没有很好的代表性；③训练样本的选取和评估需花费较多的人力、时间。④只能识别训练样本中所定义的类别，若某类别由于训练者不知道或者数量太少未被定义，则监督分类不能识别。

4、水体的光谱特征

5、图像融合有哪些技术方法

二、论述题

1、遥感信息地学评价的标准及应用意义

2、微波技术的发展现状及趋势

3、光学影像的分类方法及特点

图像分类总的目的是将图像中每个像元根据其在不同波段的光谱亮度、空间结构特征或者其他信息，按照某种规则或算法划分为不同的类别。最简单的分类是只利用不同波段的光谱亮度值进行单像元自动分类。另一种则不仅考虑像元的光谱亮度值，还利用像元与其周围像元之间的空间关系，如图像纹理、特征大小、形状、方向性、复杂性和结构，对像元进行分类。根据分类过程中人工参与程度分为监督分类、非监督分类以及两者结合的混合分类等。

监督分类，又称为训练分类法，即用被确认类别的样本像元去识别其他未知像元的过程。首先需要从研究区域选取有代表性的训练场地作为样本，根据已知训练区提供的样本，通过选择特征函数（如像素亮度均值、方差等），建立判别函数，据此对样本像元分类，依据样本类别的特征来非样本像元的归属类别。监督分类可分为两个步骤：选择训练样本和提取统计信息、选择合适的分类算法。常用的分类算法有：平行算法、最小距离法、最大似然法。

⑴最小距离法，最小距离法是以特征空间中的距离作为像素分类的依据，包括最小距离判别法和最近领域分类法。特征：最小距离分类原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中。⑵平行算法，又称为盒式决策规则，是根据训练样本的亮度值范围形成一个多维数据空间，其他像元的光谱值如果落在训练样本的亮度值随对应的区域，就被划分到其对应的类别中。特点：算法简明、直接，能将大多数像元划分到一个类别。但缺点是类别是当类别较多时，各类别所定义的区域容易重叠。⑶最大似然法，是经常使用的监督分类方法，它是通过求出每个像素对于各类别的归属概率，把该像素分到归属类别最大的类别中去的方法。特征：最大似然法使用的前提是假设训练区地物的光谱特征和自然界大部分随机现象一样，近似服从正态分布，当总体分布不符合正态分布时，其分类可靠性将下降，此时不宜采用最大似然比分类法。这种方法的计算量较大，对不同类别的方差变化比较敏感。

非监督分类，也称为聚类分析或点群分析。即在多光谱图像中搜寻，定义其自然相似光谱集群组的过程。非监督分类不需要人工选择训练样本，仅需极少的人工初始输入，计算机按一定规则自动地根据像元光谱或空间等特征组成集群组，然后分析者将每个组和参考数据比较，将其划分到某一类别中区，已发展的算法有ISODATA、链状方法等。