第1章：卫星平台与传感器——遥感数据的“眼睛”

各位同学，大家好。我是老张，在遥感行业摸爬滚打了十几年。今天咱们开始聊卫星平台和传感器。说白了，这就是遥感数据的“源头”。你分析得再好，数据源头搞错了，后面全是白搭。

我刚开始接触遥感时，也犯过迷糊。记得有一次项目急着要数据，我随手选了MODIS的250米分辨率影像，结果做城市精细分类时，连道路和建筑都分不清。嗯，从那以后，我养成了一个习惯：先搞清楚“谁拍的、怎么拍的”，再动手分析。

2.1 常见遥感卫星：四大“主力”

目前行业里用得最多的，我归纳为四大家族。你想想看，全球每天产生的遥感数据，绝大部分都来自它们。

2.1.1 Landsat系列（美国）

这是遥感界的“老大哥”。从1972年到现在，连续观测了50多年。我个人习惯把它叫做“时间序列之王”。

• Landsat 8/9：OLI传感器，30米多光谱，15米全色。重访周期16天。
• 优势：数据免费、历史存档完整、辐射定标稳定。
• 我常用的场景：土地利用变化监测、植被长势分析。

2.1.2 Sentinel系列（欧洲）

这是后起之秀，2014年才开始发射。但它的数据质量，我个人觉得在某些方面已经超过了Landsat。

• Sentinel-2：MSI传感器，10米多光谱（4个波段），20米红边波段。重访周期5天。
• Sentinel-1：C波段合成孔径雷达（SAR），全天候成像。
• 优势：高时间分辨率、免费、全球覆盖。

我建议做农业监测的同学，优先考虑Sentinel-2。它的红边波段对作物健康非常敏感。我在做小麦估产项目时，用Sentinel-2的植被指数，精度比Landsat提高了约15%。

2.1.3 MODIS（美国）

MODIS是个“大块头”，搭载在Terra和Aqua卫星上。它的特点是：宽幅、高频、低空间分辨率。

• 空间分辨率：250米（波段1-2）、500米（波段3-7）、1000米（其余波段）。
• 时间分辨率：每天覆盖全球一次。
• 优势：适合大尺度、长时间序列分析。

2.1.4 高分系列（中国）

这是咱们国家的骄傲。高分系列卫星的特点是：高空间分辨率、多谱段、敏捷机动。

• 高分一号/二号：2米全色、8米多光谱。
• 高分六号：增加了红边波段，适合农业。
• 高分七号：立体测绘，1:10000比例尺。

我在做城市精细化管理项目时，经常用高分二号。2米的分辨率，能看清道路上的车道线。但要注意：高分数据部分需要申请或购买，不像Landsat那样完全免费。

2.2 传感器类型：三种“眼睛”

卫星上的传感器，按工作原理分三大类。我习惯用“眼睛”来比喻它们。

2.2.1 光学传感器（被动遥感）

说白了，就是“看太阳光反射”。它需要太阳照射，所以晚上拍不了。

• 工作原理：记录地物反射的太阳辐射。
• 典型代表：Landsat OLI、Sentinel-2 MSI、高分多光谱相机。
• 适用场景：植被、水体、土地利用分类。

我遇到过最头疼的事：光学影像被云遮挡。有一次做洪灾评估，连续两周都是阴天，光学影像完全不能用。后来我学会了用雷达数据补位。

2.2.2 雷达传感器（主动遥感）

雷达是自己发射微波，然后接收回波。它不依赖太阳，所以白天黑夜都能工作。云层对它来说基本是透明的。

• 工作原理：发射微波脉冲，记录后向散射强度。
• 典型代表：Sentinel-1（C波段）、ALOS-2（L波段）、TerraSAR-X（X波段）。
• 适用场景：地形测绘、形变监测、洪水识别、海洋监测。

2.2.3 热红外传感器

热红外记录的是地物自身发射的热辐射。说白了，就是“看温度”。

• 工作原理：测量地物的亮温（辐射温度）。
• 典型代表：Landsat TIRS（热红外传感器，100米分辨率）、MODIS热红外波段（1000米）。
• 适用场景：城市热岛、森林火灾、地热勘探、作物水分胁迫。

我建议做城市热岛研究时，优先用Landsat TIRS。100米分辨率虽然不算高，但足以区分街区尺度的温度差异。我曾经用Landsat 8的热红外数据，发现某城市中心比郊区高了整整8°C。

2.3 分辨率概念：四个维度

很多新手只关注空间分辨率，其实这是不够的。我总结为“四维分辨率”，缺一不可。

2.3.1 空间分辨率

就是“一个像素代表地面多大面积”。

• 粗分辨率：>100米（MODIS、AVHRR）——适合全球尺度。
• 中分辨率：10-100米（Landsat、Sentinel-2）——适合区域尺度。
• 高分辨率：<10米（高分、WorldView）——适合城市尺度。

举个例子：30米的Landsat影像，一个像素相当于一个篮球场大小。2米的高分影像，一个像素相当于一张办公桌。你想想看，做城市道路提取，用30米数据能分出主干道就不错了，但用2米数据能看清车道线。

2.3.2 光谱分辨率

就是“传感器能区分多少种颜色”。

• 多光谱：4-10个波段（Landsat 8有11个波段）。
• 高光谱：数十到数百个波段（如Hyperion有220个波段）。

我遇到过最典型的案例：用多光谱数据区分不同作物，只能分出大类（小麦、玉米）。但用高光谱数据，可以区分不同品种的小麦。当然，高光谱数据量也大得多，处理起来更费时间。

2.3.3 时间分辨率

就是“卫星多久能回来拍一次”。

• 高时间分辨率：每天一次（MODIS、Sentinel-2在赤道附近5天一次）。
• 中时间分辨率：16天一次（Landsat）。
• 低时间分辨率：>30天一次（部分高分辨率商业卫星）。

做动态监测时，时间分辨率是关键。比如监测洪水变化，需要每天甚至每小时的影像。但做土地利用分类，一年一张就够了。

2.3.4 辐射分辨率

就是“传感器能区分多少级亮度”。

• 8位：256级（0-255）——早期传感器。
• 12位：4096级——Landsat 8/9。
• 16位：65536级——部分高光谱传感器。

辐射分辨率越高，对微弱信号的区分能力越强。比如：用8位数据看水体，可能只有几个灰度级。但用12位数据，能看出水体的浑浊度差异。

2.4 知识体系框架

下面我用一张图来总结本章的核心逻辑。这张图是我自己画的，你可以把它当作选数据的“导航图”。

这张图的核心逻辑是：从应用场景出发，反向选择卫星平台和传感器。比如你要做农业监测，优先考虑Sentinel-2（高时间分辨率+红边波段）；做城市精细分析，优先考虑高分系列（高空间分辨率）；做全球尺度研究，MODIS就够了。

好了，这一章的内容就到这里。记住：选数据就像选工具，用对了事半功倍，用错了事倍功半。下一章我们聊聊数据获取与预处理，到时候我会分享一些“偷懒”的技巧。