2025年大學(xué)《地球信息科學(xué)與技術(shù)》專業(yè)題庫(kù)——遙感技術(shù)在城市綠地監(jiān)測(cè)中的應(yīng)用考試時(shí)間：______分鐘總分：______分姓名：______一、簡(jiǎn)答題（每題5分，共25分）1.簡(jiǎn)述城市綠地對(duì)城市生態(tài)環(huán)境具有哪些主要調(diào)節(jié)功能。2.比較并說(shuō)明Landsat系列衛(wèi)星數(shù)據(jù)與Sentinel-2系列衛(wèi)星數(shù)據(jù)在城市綠地監(jiān)測(cè)應(yīng)用中的主要區(qū)別。3.解釋什么是植被指數(shù)，并列舉兩種常用的植被指數(shù)及其主要應(yīng)用領(lǐng)域。4.簡(jiǎn)述利用遙感技術(shù)進(jìn)行城市綠地分類的主要步驟。5.描述面向?qū)ο髨D像分類方法相較于傳統(tǒng)的像元分類方法在城市綠地精細(xì)分類中的主要優(yōu)勢(shì)。二、論述題（每題10分，共30分）6.論述大氣校正在城市綠地遙感監(jiān)測(cè)中的重要性，并簡(jiǎn)述一種常用的大氣校正方法及其原理。7.闡述利用遙感技術(shù)進(jìn)行城市綠地動(dòng)態(tài)監(jiān)測(cè)的主要方法，并分析其在監(jiān)測(cè)城市擴(kuò)張背景下綠地變化中的應(yīng)用價(jià)值。8.結(jié)合實(shí)際，論述遙感技術(shù)在城市綠地生態(tài)效益評(píng)估中的應(yīng)用潛力及面臨的挑戰(zhàn)。三、計(jì)算與分析題（共45分）9.（15分）假設(shè)某城市綠地的反射率數(shù)據(jù)如下：近紅外波段反射率0.45，紅光波段反射率0.30。請(qǐng)計(jì)算該綠地的NDVI值，并簡(jiǎn)要說(shuō)明該NDVI值可能反映的植被狀況。10.（15分）某研究區(qū)利用遙感技術(shù)監(jiān)測(cè)發(fā)現(xiàn)，在兩年時(shí)間內(nèi)，城市公園A的面積由50公頃減少到45公頃，而城市公園B的面積由30公頃增加到40公頃。請(qǐng)分析這兩個(gè)公園面積變化可能帶來(lái)的生態(tài)環(huán)境效應(yīng)差異（至少列舉兩點(diǎn)）。11.（15分）描述利用兩期遙感影像進(jìn)行城市綠地變化檢測(cè)的基本流程，并說(shuō)明在變化檢測(cè)中需要注意解決的關(guān)鍵問(wèn)題（至少列舉三項(xiàng)）。試卷答案一、簡(jiǎn)答題1.城市綠地通過(guò)蒸騰作用調(diào)節(jié)局部小氣候（降溫增濕），吸收二氧化碳、釋放氧氣，改善空氣質(zhì)量；吸收粉塵和有害氣體，凈化環(huán)境；截留雨水，減輕城市內(nèi)澇；提供生物棲息地，維護(hù)生物多樣性；為居民提供休閑游憩場(chǎng)所，提升城市宜居性。2.Landsat數(shù)據(jù)獲取時(shí)間較長(zhǎng)（通常15天左右），空間分辨率較低（30米），但輻射分辨率較高（14比特），且數(shù)據(jù)免費(fèi)且歷史數(shù)據(jù)豐富。Sentinel-2數(shù)據(jù)獲取頻率高（5天左右），空間分辨率較高（10米和20米），覆蓋多光譜和海岸帶成像模式，數(shù)據(jù)免費(fèi)開(kāi)放，但輻射分辨率較低（10比特），且歷史數(shù)據(jù)相對(duì)較短。3.植被指數(shù)是利用不同波段組合，通過(guò)數(shù)學(xué)模型計(jì)算得出，用于量化表征植被特性或冠層狀態(tài)的指標(biāo)。*NDVI（歸一化植被指數(shù)）：計(jì)算公式為(NIR-RED)/(NIR+RED)，其中NIR為近紅外波段反射率，RED為紅光波段反射率。主要應(yīng)用領(lǐng)域：植被覆蓋度估算、植被類型劃分、植被長(zhǎng)勢(shì)和健康狀況監(jiān)測(cè)。*EVI（增強(qiáng)型植被指數(shù)）：計(jì)算公式更復(fù)雜，能更好地區(qū)分不同植被類型，并對(duì)大氣影響和土壤背景有更強(qiáng)的魯棒性。主要應(yīng)用領(lǐng)域：精準(zhǔn)農(nóng)業(yè)、林業(yè)資源調(diào)查、城市綠地監(jiān)測(cè)。4.利用遙感技術(shù)進(jìn)行城市綠地分類的主要步驟包括：*數(shù)據(jù)獲取與預(yù)處理：選擇合適的遙感數(shù)據(jù)源，進(jìn)行輻射校正、大氣校正、幾何校正等。*圖像特征提?。河?jì)算或提取用于分類的光譜特征、紋理特征、形狀特征等。*選擇分類方法：根據(jù)數(shù)據(jù)特點(diǎn)和應(yīng)用需求，選擇合適的分類算法（如最大似然法、支持向量機(jī)、決策樹(shù)等）。*進(jìn)行圖像分類：執(zhí)行分類算法，得到初步的分類結(jié)果。*分類后處理與精度評(píng)價(jià)：對(duì)分類結(jié)果進(jìn)行目視解譯檢查、精度評(píng)價(jià)（如混淆矩陣）、錯(cuò)誤分類像元修正等。5.面向?qū)ο髨D像分類的優(yōu)勢(shì)在于：*能有效克服傳統(tǒng)像元分類中混合像元的問(wèn)題，直接對(duì)地物對(duì)象進(jìn)行分類，結(jié)果更符合地物實(shí)際。*融合了光譜、紋理、形狀、上下文等多種地物信息，分類精度更高。*更適合進(jìn)行細(xì)粒度地物分類和變化檢測(cè)。*對(duì)影像噪聲具有一定的魯棒性。二、論述題6.大氣校正的目的是消除或減弱大氣散射和吸收對(duì)遙感傳感器接收到的地物輻射亮度的影響，恢復(fù)地物真實(shí)的反射率信息。大氣中的水汽、氣溶膠等會(huì)與電磁波相互作用，導(dǎo)致地面物體反射的光信號(hào)在到達(dá)傳感器前被削弱、散射或改變方向，使得遙感影像記錄的亮度值不能直接反映地物的真實(shí)反射特性。若不進(jìn)行大氣校正，基于反射率進(jìn)行的地物參數(shù)反演（如植被指數(shù)計(jì)算、植被參數(shù)估算、水體參數(shù)反演等）和分類、變化檢測(cè)等后續(xù)分析將產(chǎn)生較大誤差，甚至得出錯(cuò)誤結(jié)論。常用的大氣校正方法包括基于物理模型的方法（如MODTRAN）和基于經(jīng)驗(yàn)/半經(jīng)驗(yàn)?zāi)Ｐ偷姆椒ǎㄈ绨迪裨?、FLAASH、ATCOR等）。基于物理模型的方法需要輸入大氣參數(shù)和地表參數(shù)，模擬大氣與地物的相互作用過(guò)程，精度較高但計(jì)算復(fù)雜。基于經(jīng)驗(yàn)/半經(jīng)驗(yàn)?zāi)Ｐ偷姆椒ㄍǔ＠糜跋褡陨硇畔⒒蛏倭康孛鎸?shí)測(cè)數(shù)據(jù)來(lái)估計(jì)大氣影響，操作相對(duì)簡(jiǎn)單，在應(yīng)用中更為廣泛。7.利用遙感技術(shù)進(jìn)行城市綠地動(dòng)態(tài)監(jiān)測(cè)的主要方法包括：①時(shí)序影像分析：利用多期遙感影像，通過(guò)計(jì)算植被指數(shù)時(shí)間序列變化、進(jìn)行像元光譜變化檢測(cè)或面向?qū)ο笞兓瘷z測(cè)等手段，識(shí)別和監(jiān)測(cè)綠地范圍、類型、覆蓋度、健康狀況的年際或季節(jié)性變化。②多源數(shù)據(jù)融合：結(jié)合不同傳感器（如光學(xué)、雷達(dá)）或不同時(shí)相的數(shù)據(jù)，提高監(jiān)測(cè)的時(shí)相分辨率、空間分辨率或?qū)υ朴甑忍鞖鈼l件的適應(yīng)性。③人工智能方法：應(yīng)用深度學(xué)習(xí)等人工智能技術(shù)，自動(dòng)提取和識(shí)別變化區(qū)域，進(jìn)行精細(xì)化的綠地信息提取和變化趨勢(shì)分析。遙感技術(shù)在監(jiān)測(cè)城市擴(kuò)張背景下綠地變化中的應(yīng)用價(jià)值體現(xiàn)在：①快速、高效：可快速獲取大范圍、長(zhǎng)時(shí)間序列的城市地表信息，及時(shí)反映綠地變化動(dòng)態(tài)。②成本效益高：相比傳統(tǒng)地面調(diào)查，遙感監(jiān)測(cè)成本更低，覆蓋范圍更廣。③客觀、動(dòng)態(tài)：提供標(biāo)準(zhǔn)化的數(shù)據(jù)源，減少主觀誤差，實(shí)現(xiàn)連續(xù)、動(dòng)態(tài)的監(jiān)測(cè)和評(píng)估。④支持科學(xué)決策：為城市綠地規(guī)劃、保護(hù)、恢復(fù)和管理提供及時(shí)、準(zhǔn)確的數(shù)據(jù)支撐，助力實(shí)現(xiàn)城市可持續(xù)發(fā)展目標(biāo)。8.遙感技術(shù)在城市綠地生態(tài)效益評(píng)估中的應(yīng)用潛力巨大，主要體現(xiàn)在：①覆蓋范圍廣：可快速獲取大區(qū)域綠地的空間分布和結(jié)構(gòu)信息。②時(shí)間序列長(zhǎng)：利用長(zhǎng)時(shí)序遙感數(shù)據(jù)，可以分析綠地的動(dòng)態(tài)變化及其生態(tài)效益的演變趨勢(shì)。③參數(shù)反演：通過(guò)計(jì)算植被指數(shù)、地表溫度、蒸散發(fā)等參數(shù)，可以定量評(píng)估綠地的固碳釋氧、緩解城市熱島、改善局地小氣候、提供生物棲息地等生態(tài)功能。④成本效益高：相比地面監(jiān)測(cè)，遙感方法具有更高的成本效益。面臨的挑戰(zhàn)包括：①數(shù)據(jù)精度限制：遙感數(shù)據(jù)存在空間分辨率、光譜分辨率、時(shí)間分辨率等方面的限制，可能影響參數(shù)反演和效益評(píng)估的精度。②大氣干擾：大氣效應(yīng)會(huì)降低遙感信號(hào)質(zhì)量，需要精確的大氣校正。③地表參數(shù)不確定性：植被類型多樣、結(jié)構(gòu)復(fù)雜，土壤背景差異大，使得生態(tài)參數(shù)的反演模型難以完全精確。④指標(biāo)選擇的復(fù)雜性：如何科學(xué)、全面地量化綠地的各種生態(tài)效益，并建立與遙感指標(biāo)的可靠聯(lián)系，仍是一個(gè)挑戰(zhàn)。⑤遙感結(jié)果與地面實(shí)際效果的結(jié)合：遙感評(píng)估結(jié)果如何與地面實(shí)測(cè)數(shù)據(jù)結(jié)合，進(jìn)行更準(zhǔn)確的驗(yàn)證和修正。三、計(jì)算與分析題9.NDVI=(NIR-RED)/(NIR+RED)=(0.45-0.30)/(0.45+0.30)=0.15/0.75=0.20該NDVI值為0.20，屬于較低的范圍（通常認(rèn)為NDVI>0.3為較好植被覆蓋）。這表明該綠地的植被覆蓋度可能不高，或者植被長(zhǎng)勢(shì)一般、健康狀況欠佳，或者存在一定程度的土壤背景影響。10.城市公園A面積減少5公頃，可能導(dǎo)致：①局地生態(tài)環(huán)境惡化，降溫增濕能力下降，城市熱島效應(yīng)加劇；②提供給居民的休閑游憩空間減少，影響居民福祉；③公園內(nèi)生物多樣性可能降低。城市公園B面積增加10公頃，可能帶來(lái)：①局地生態(tài)環(huán)境改善，城市熱島效應(yīng)得到緩解，空氣質(zhì)量得到一定程度的改善；②為居民提供了更多的休閑游憩場(chǎng)所，提升了城市宜居性；③公園內(nèi)生物多樣性可能增加，生態(tài)系統(tǒng)服務(wù)功能增強(qiáng)?？偟膩?lái)說(shuō)，公園B面積增加帶來(lái)的積極生態(tài)和社會(huì)效益可能大于公園A面積減少帶來(lái)的負(fù)面影響。11.利用兩期遙感影像進(jìn)行城市綠地變化檢測(cè)的基本流程：①獲取兩期具有時(shí)間差異的、幾何與輻射上盡可能一致的遙感影像數(shù)據(jù)。②對(duì)兩期影像進(jìn)行預(yù)處理，包括輻射校正、大氣校正、幾何校正、圖像配準(zhǔn)，確保兩期影像在空間上精確對(duì)齊，輻射信息準(zhǔn)確。③選擇合適的植被指數(shù)或直接使用原始光譜波段，計(jì)算或提取反映綠地特征的信息。④對(duì)兩期影像進(jìn)行分類（如監(jiān)督分類、非監(jiān)督分類或變化檢測(cè)分類器），得到兩期綠地圖。⑤進(jìn)行變化檢測(cè)：通過(guò)比較兩期分類圖，識(shí)別出發(fā)生變化的像元或區(qū)域。⑥對(duì)變化區(qū)域進(jìn)行分類，判斷變化的類型（如綠地轉(zhuǎn)化為非綠地、非綠地轉(zhuǎn)化為綠地、綠地內(nèi)部類型變化等）。⑦對(duì)變化檢測(cè)結(jié)果進(jìn)行精度評(píng)價(jià)，計(jì)算分類精度、變化檢測(cè)精度等指標(biāo)。⑧結(jié)果輸出與可視化：將變化檢測(cè)結(jié)果以地圖或報(bào)表形式輸出。在變化檢測(cè)中需要注意解決的關(guān)鍵問(wèn)題：①影像配準(zhǔn)精度：