新大遥感地学分析习题库及答案.docxVIP

新大遥感地学分析习题库及答案

习题1：遥感基本原理

题目：解释遥感技术的基本原理，并说明其在地学分析中的应用。

答案：

遥感技术是通过传感器从远处获取地球表面信息的技术。基本原理包括：

1.电磁波反射与辐射：地球表面物体反射或辐射电磁波，传感器接收这些电磁波。

2.波谱特性：不同物体在不同波段的反射或辐射特性不同，通过分析这些特性可以识别物体。

3.传感器类型：包括光学传感器（如多光谱、高光谱）、雷达传感器（如SAR）等。

在地学分析中的应用：

1.土地利用/覆盖监测：通过分析遥感图像，识别土地类型及其变化。

2.地质勘探：利用遥感数据识别岩石类型、构造特征。

3.环境监测：监测水体污染、植被变化等。

4.灾害评估：如洪水、地震后的影响评估。

习题2：遥感图像处理

题目：描述遥感图像处理的主要步骤，并举例说明每一步的作用。

答案：

遥感图像处理的主要步骤包括：

1.辐射校正：消除传感器和大气对图像的影响，如大气校正、传感器校正。

例子：通过大气校正，去除雾霾对图像的影响，使图像更清晰。

2.几何校正：纠正图像的几何畸变，如投影变换、配准。

例子：将不同时相的图像配准，以便进行变化检测。

3.图像增强：提高图像的视觉效果，如对比度增强、滤波。

例子：通过对比度增强，使地物边界更明显。

4.图像分类：将图像中的像素按类别进行划分，如监督分类、非监督分类。

例子：利用监督分类识别城市中的不同土地利用类型。

5.变化检测：比较不同时相的图像，识别变化区域。

例子：监测城市扩展，比较十年前后的遥感图像。

习题3：多光谱与高光谱遥感

题目：比较多光谱和高光谱遥感的异同，并说明各自的应用领域。

答案：

相同点：

1.都基于电磁波反射或辐射原理。

2.都用于地物识别和分类。

不同点：

1.波段数量：多光谱遥感通常包含几个到十几个波段，而高光谱遥感包含几十到几百个波段。

2.光谱分辨率：高光谱遥感的光谱分辨率更高，能更精细地识别地物光谱特征。

3.数据量：高光谱数据量更大，处理更复杂。

应用领域：

多光谱遥感：

1.土地利用/覆盖监测：如农田、森林的分类。

2.环境监测：如水质监测、植被健康评估。

3.城市规划：如城市扩张监测。

高光谱遥感：

1.矿物识别：精细识别不同矿物类型。

2.精准农业：监测作物健康状况，指导施肥、灌溉。

3.环境污染监测：如重金属污染的精细识别。

习题4：雷达遥感

题目：解释合成孔径雷达（SAR）的工作原理，并列举其在地学分析中的应用。

答案：

工作原理：

1.微波发射与接收：SAR系统向地面发射微波，接收地物反射的回波。

2.合成孔径：通过飞行平台的移动，模拟一个大的天线孔径，提高分辨率。

3.相位信息：利用回波的相位信息，生成高分辨率图像。

应用领域：

1.地形测绘：生成高精度数字高程模型（DEM）。

2.灾害监测：如洪水、滑坡的实时监测。

3.地质勘探：识别地下构造、断层等。

4.海洋监测：如海冰监测、海洋环流分析。

5.植被监测：通过后向散射特性，评估植被密度和结构。

习题5：遥感数据融合

题目：说明遥感数据融合的目的和方法，并举例说明其在地学分析中的优势。

答案：

目的：

1.信息互补：结合不同传感器的优势，提高信息完整性。

2.提高精度：通过多源数据融合，提高地物识别和分类的精度。

3.多维度分析：提供更全面的地理信息，支持复杂决策。

方法：

1.像素级融合：直接对图像像素进行融合，如加权平均、主成分分析。

2.特征级融合：提取特征后进行融合，如决策树、神经网络。

3.决策级融合：在分类决策层面进行融合，如投票法、贝叶斯方法。

应用优势：

例子1：将光学图像与SAR图像融合，光学图像提供丰富的光谱信息，SAR图像提供穿透云层的能力，提高土地利用分类的精度。

例子2：将多光谱与高光谱数据融合，多光谱数据提供宏观信息，高光谱数据提供精细光谱特征，提升矿物识别的准确性。

例子3：将不同时相的遥感数据融合，监测城市扩展和土地利用变化，提供更动态的分析结果。

习题6：遥感在气候变化研究中的应用

题目：阐述遥感技术在气候变化研究中的具体应用，并举例说明。

答案：

具体应用：

1.温室气体监测：通过卫星遥感监测大气中的CO2、CH4等温室气体浓度。

例子：OCO2卫星监测全球CO2分布，评估碳排放源和汇。

2.海平面变化监测：利用雷达altimeter测量海平面高度变化。

例子：Jason系列卫星监测全球海平面上升情况。

3.冰川和冻土监测：通过遥感图像分析冰川退缩和冻土融化。