遥感导论

概念

遥感（Remote Sensing）是不接触目标、通过探测其反射或发射的电磁波来获取信息的技术。 一句话概括：用"看"的方式测地，但用眼睛看不见的波段。

一个遥感系统由五部分构成：

环节	作用
辐射源	太阳（被动）或传感器自带的发射器（主动）
大气传输	电磁波穿过大气时被吸收与散射
目标	地物对电磁波的反射 / 发射特性
传感器	把辐射能量转成电信号，再转成数字值
数据处理	辐射定标、几何校正、解译与反演

按辐射来源分两类，这是最根本的分类：

• 被动遥感：靠太阳光或地物自身的热辐射（光学影像、热红外）。怕云、怕夜。
• 主动遥感：传感器自己发波、自己收（雷达、激光雷达）。全天时、全天候，还能穿透云层。

遥感的价值在于四个"快"：观测范围大、重访周期短、不受地面条件限制、可回溯历史影像。

原理

电磁波谱与波段划分

波段	波长范围	遥感用途
γ 射线	< 0.01 nm	基本不用于对地观测
X 射线	0.01 – 10 nm	不用于对地观测
紫外	10 – 400 nm	少量用于大气与油污监测（被大气强烈散射）
可见光	400 – 760 nm	地物颜色、真彩色合成
近红外	0.76 – 1.1 μm	植被最敏感，叶绿素强反射
短波红外	1.1 – 3.0 μm	含水量、矿物识别
中红外	3.0 – 5.0 μm	高温目标、夜间成像
热红外	8 – 14 μm	地表温度、热异常
微波	1 mm – 1 m	全天候成像、穿透植被与干沙

可见光的细分（nm）：紫 400–435、蓝 435–480、绿 490–560、黄 560–580、橙 580–595、红 620–760。

波长与频率由光速联系：

$$c=\lambda \nu ,c=2.998\times {10}^8\text{m/s}$$

三条辐射定律

一切地物都在发射电磁波，理论模型是黑体辐射：

定律	公式	作用
普朗克定律	$M_{\lambda }=\frac{2\pi h{c}^2}{{\lambda }^5}\cdot \frac{1}{e^{hc/\lambda kT}-1}$	给出整个光谱的辐射分布
维恩位移定律	${\lambda }_{max}=\frac{2898}{T}\mu \text{m}$	峰值波长与温度成反比
斯特藩-玻尔兹曼定律	$M=\sigma T^4$，$\sigma =5.67\times {10}^{-8}$	总辐射与温度的四次方成正比

维恩位移定律解释了遥感为什么这样选波段：

• 太阳表面约 5778 K → 峰值在 0.5016 μm，正落在可见光绿蓝之间——人眼进化到最敏感的波段，恰好是太阳辐射最强的波段。
• 地表约 288 K → 峰值在 10.06 μm，落在热红外窗口——所以测地表温度要用 8–14 μm 波段，而不是可见光。

大气窗口

电磁波穿过大气会遇到两种作用：吸收（水汽、CO₂、臭氧是主要吸收气体）与散射（瑞利散射按 ${\lambda }^{-4}$，蓝光散射最强，这就是天空是蓝色的原因；米氏散射由气溶胶引起）。

只有透过率高的波段才能用于遥感，称为大气窗口：

窗口	波长	典型用途
可见光—近红外	0.4 – 1.1 μm	主流光学遥感
短波红外	1.5 – 1.8 μm、2.0 – 2.4 μm	矿物、含水率
中红外	3.5 – 5.0 μm	高温目标、夜成像
热红外	8 – 14 μm	地表温度反演
微波	1 mm – 1 m	全天候、穿透

分辨率：四个维度

评价一个遥感数据源的"精细程度"，要看四个互相制约的分辨率：

维度	含义	单位
空间分辨率	一个像元代表的地面大小	m（越小越清晰）
光谱分辨率	波段数量、波段宽度	波段数 / nm
辐射分辨率	量化位数（能分几级亮度）	bit（8 bit = 256 级）
时间分辨率	重访周期	天（越短越能抓变化）

这四者不可兼得：空间分辨率越高，单位时间覆盖的地面越小，重访周期就越长。这正是"高分专项卫星看细节、MODIS 看全局"的原因。

数据源	空间分辨率	重访周期	特点
MODIS	250 / 500 / 1000 m	每日 1–2 次	覆盖广，适合大尺度监测
Landsat 8/9 OLI	30 m（全色 15 m）	16 天（双星约 8 天）	免费长时序，应用最广
Sentinel-2 MSI	10 / 20 / 60 m	5 天（双星）	波段多、有红边波段
GF-1（高分一号）	全色 2 m / 多光谱 8 m	4 天	中国高分辨率主力
Sentinel-1 SAR	C 波段 5×20 m	6–12 天	全天候，可测形变

瞬时视场（IFOV）决定空间分辨率：IFOV 是传感器能分辨的最小角度，高度 H 下对应的地面尺寸为

$$\text{地面分辨率}=\text{IFOV}\times H$$

影像解译与光谱指数

真彩色用红、绿、蓝三个波段合成，与人眼所见一致；标准假彩色用近红外、红、绿（NIR-R-G）合成，效果是植被变红——因为近红外被放在红色通道，而植被在近红外反射极强。

归一化差值指数是解译的核心工具，通式是"两个波段之差除以其和"，范围 −1 到 1：

$$\text{NDVI}=\frac{\text{NIR}-R}{\text{NIR}+R}(\text{归一化植被指数})$$$$\text{NDWI}=\frac{G-\text{NIR}}{G+\text{NIR}}(\text{归一化水体指数})$$

判读规则：NDVI 越接近 1，植被越茂密；裸土与水体趋近 0 或为负。NDWI 用绿光与近红外，水体在近红外几乎不反射，所以 NDWI 为正时多为水。

主动遥感：微波与 SAR

合成孔径雷达（SAR） 用一个小天线沿轨道运动，通过信号相干处理"合成"出一个等效的大天线，从而获得高方位分辨率。关键特性：

• 穿透云层、烟尘，不受光照影响 → 洪涝、地震后第一时间仍能成像。
• 波长越长穿透力越强：L 波段（约 23 cm）> C 波段（约 5.6 cm）> X 波段（约 3.1 cm）。C 波段最常用，L 波段能穿到林下。
• 成像是相干成像，因此有特有的"斑点噪声"，但也有独有的相位信息。

InSAR（合成孔径雷达干涉测量） 利用两景影像的相位差测地形或形变。相位对距离极敏感——精度可达波长的百分之一，C 波段 5.6 cm 对应约 0.6 mm 的形变测量能力。这使得地面沉降、滑坡、火山形变都能被监测到。

典型应用

领域	做法
土地利用分类	多波段分类（统计分类或机器学习）；遥感影像是典型的二维数组，处理思路与 数组 数据一致
农业估产	NDVI 时序曲线 → 长势与产量模型
灾害监测	SAR 做洪涝范围提取；InSAR 做震后形变场
城市扩展	多时相影像对比建设用地变化
海洋	海表温度（热红外）、叶绿素浓度（水色遥感）
极地	冰盖面积与厚度变化，是气候研究的关键数据源

现代遥感解译已大量转向机器学习与深度学习（语义分割、变化检测），这一交叉方向可参考 交叉学科。

示例

例 1：波长与频率的互换

完整计算过程：

以绿光 550 nm 为例：

$$\nu =\frac{c}{\lambda }=\frac{2.998\times {10}^8}{550\times {10}^{-9}}=5.45\times {10}^{14}\text{Hz}$$

对应的光子能量：

$$E=\frac{hc}{\lambda }=\frac{6.626\times {10}^{-34}\times 2.998\times {10}^8}{550\times {10}^{-9}}=3.61\times {10}^{-19}\text{J}=2.25\text{eV}$$

同类换算：蓝光 450 nm → 6.66 × 10¹⁴ Hz（2.76 eV）；红光 660 nm → 4.54 × 10¹⁴ Hz（1.88 eV）；热红外 10.6 μm → 2.83 × 10¹³ Hz（0.12 eV）。

结论：整个可见光（400–760 nm）对应约 394–749 THz。波长越短频率越高、单光子能量越大——这就是紫外会伤害生物、而热红外只是"热"的物理原因。

例 2：太阳和地球各在哪发光？

完整计算过程：

维恩位移定律 ${\lambda }_{max}=2898/T$：

$$\text{太阳：}{\lambda }_{max}=\frac{2898}{5778}=0.5016\mu \text{m}$$$$\text{地球：}{\lambda }_{max}=\frac{2898}{288}=10.06\mu \text{m}$$

结论：太阳辐射峰值在 0.50 μm（可见光），地球辐射峰值在 10.06 μm（热红外）。两者的峰值差了 20 倍——这正是遥感把"光学遥感"与"热红外遥感"分成两套体系的原因：前者接收反射的太阳光，后者接收地物自己发出的辐射。

例 3：太阳的辐射总量有多大？

完整计算过程：

由斯特藩-玻尔兹曼定律：

$$M=\sigma T^4=5.67\times {10}^{-8}\times {5778}^4=6.32\times {10}^7{\text{W/m}}^2$$

乘以太阳表面积（半径 6.957 × 10⁸ m）：

$$P=6.32\times {10}^7\times 4\pi (6.957\times {10}^8{)}^2\approx 3.84\times {10}^{26}\text{W}$$

结论：太阳表面每平方米辐射 6.32 × 10⁷ W，总辐射功率约 3.84 × 10²⁶ W。作为对照，地球表面约 288 K 时的辐射通量只有 390 W/m²——差了五个数量级，但地球靠"吸收多少、放出多少"维持了热平衡。

例 4：NDVI 与 NDWI 怎么算

完整计算过程：

地表类型	近红外 NIR	红光 R	绿光 G	NDVI	NDWI
茂密植被	0.40	0.08	—	+0.6667	—
稀疏植被	0.25	0.15	—	+0.2500	—
裸土	0.20	0.22	—	−0.0476	—
水体	0.05	0.06	0.06	−0.0909	+0.0909
一般陆地	0.30	—	0.12	—	−0.4286

以茂密植被为例：

$$\text{NDVI}=\frac{0.40-0.08}{0.40+0.08}=\frac{0.32}{0.48}=0.6667$$

结论：NDVI 随植被茂密程度单调上升（植被 0.67 → 稀疏 0.25 → 裸土 −0.05 → 水体 −0.09）；NDWI 在水体为正、在陆地为负。这两个指数只用两个波段的加减除法，却成了遥感应用中使用频率最高的"一行公式"。

例 5：像元大小怎么推出来

完整计算过程：

某传感器瞬时视场 IFOV = 1 mrad、轨道高度 H = 700 km：

$$\text{地面分辨率}=1\times {10}^{-3}\times 700\times {10}^3=700\text{m}$$

若 IFOV 缩小到 0.1 mrad（差 10 倍）：

$$0.1\times {10}^{-3}\times 700\times {10}^3=70\text{m}$$

结论：IFOV = 1 mrad 在 700 km 高度对应 700 m 像元；要把分辨率提到 70 m，必须把瞬时视场缩小到 0.1 mrad。这就是高分辨率卫星在光学系统上必须做到极致的根本原因——分辨率是"光学设计问题"，不是"图像处理问题"。

要点

要点与常见误区

1. 遥感是"不接触"的测量：任何接触式的取样（如实地测土）都不属于遥感。
2. 主动与被动的区别在"谁发光"：太阳是被动遥感的辐射源，SAR 自己发波所以是主动遥感；主动遥感能穿云，被动不能。
3. 维恩位移定律给出峰值位置，不是全部辐射：峰值在可见光的太阳同时也辐射红外，只是弱。
4. 遥感波段选择由大气窗口决定：波长不对（如水汽吸收带内）再好的传感器也白搭。
5. 分辨率四维互相制约：空间、光谱、辐射、时间不可能同时最优，"哪个更好"要按任务回答。
6. "分辨率越高越好"是错的：监测全球植被变化用 MODIS（250 m）比用 2 m 数据更合适——覆盖与重访才是关键。
7. 假彩色里植被是红的：因为近红外被放进红色通道，不要以为影像被"处理坏了"。
8. NDVI 范围是 −1 到 1，负值不代表计算错误：水体与云在红光反射强于近红外，本来就会算出负值。
9. SAR 影像有斑点噪声，是相干成像的固有特性，不是数据质量问题。
10. InSAR 测的是"变化"而非"绝对值"：它给出的是两次观测之间的形变，需要外部基准来定标。毫米级精度说的正是这种差分形变。

小结

• 遥感 = 用电磁波不接触地测地；分被动（太阳）与主动（自发光）两类。
• 波段选择由大气窗口决定；地物能否被识别，取决于它的光谱特征。
• 三条辐射定律给定量基础：维恩位移定峰值（太阳 0.50 μm、地球 10.06 μm），斯特藩-玻尔兹曼定总量。
• 四个分辨率互相制约：空间、光谱、辐射、时间——任务决定取舍。
• 两个"一行公式"撑起大半个应用：NDVI 看植被、NDWI 看水体。
• 主动遥感的杀手锏是全天候 + 相位信息：SAR 穿云、InSAR 测到毫米级形变。

地理六章到此结束：从自然过程（第 1 章）到人文格局（第 2、4 章），从中国（第 3 章）到技术工具（第 5、6 章）。GIS 与遥感这两章同时也是计算机与地球科学的交界处——空间数据是典型的数组与图结构，空间分析里跑的就是最短路与树，顺着这条线可以接回主线课程。

下一篇：生物 · 普通生物学