第一章 遥感图像基础：从成像原理到数据源选择
大家好，我是老张。在遥感这个行当摸爬滚打了十几年，今天咱们来聊聊最基础的东西——遥感图像到底是怎么来的，以及我们手头常用的那些数据源到底该怎么选。
说实话，很多人一上来就急着调算法、跑模型，结果连图像的基本特性都没搞清楚。我见过不少项目，花了大量时间处理数据，最后发现是数据源选错了。嗯，咱们先把地基打牢。
1.1 遥感成像原理：说白了就是“看”地球
遥感成像，本质上和我们用手机拍照没什么两样。太阳光照射到地面，地物反射或者发射电磁波，传感器接收到这些信号，再转换成数字图像。
但这里有个关键区别：人眼只能看到可见光（红绿蓝），而遥感传感器能看到我们看不见的东西——比如红外、热红外、微波。
核心公式（记住这个就够了）：
传感器接收到的能量 = 太阳入射能量 × 地物反射率 × 大气传输率 + 大气自身辐射
说白了，你看到的像素值，是地物特性、大气条件和传感器性能共同作用的结果。
我在项目中遇到过最典型的坑：用Landsat 8做水体提取，结果发现有些湖泊的反射率异常高。后来一查，是那天刚好有薄云，大气校正没做好。所以，大气校正是预处理的第一步，千万别省。
1.2 遥感图像的四维分辨率：空间、光谱、辐射、时间
这四个分辨率，是评价遥感数据质量的核心指标。我习惯把它们比作四把尺子，每把尺子量不同的东西。
1.2.1 空间分辨率：你能看清多小的东西？
空间分辨率就是像素对应的地面实际大小。比如Landsat的30米分辨率，意味着一个像素代表30米×30米的地面区域。
- 高空间分辨率（< 5米）：WorldView、GeoEye、高分系列。适合做精细地物识别，比如建筑物提取、道路检测。
- 中空间分辨率（10-30米）：Landsat、Sentinel-2。适合区域尺度分析，比如土地利用分类、植被监测。
- 低空间分辨率（> 100米）：MODIS、AVHRR。适合全球尺度、大范围监测，比如气候变化、海面温度。
我的经验：做城市研究，至少需要10米分辨率。做农业，30米勉强够用。做生态，250米的MODIS也能出成果。别盲目追求高分辨率，数据量大、处理慢，而且不一定需要。
1.2.2 光谱分辨率：你能看到多少个“颜色通道”？
光谱分辨率指的是传感器能区分多少种波长。普通相机只有3个波段（RGB），而多光谱传感器有4-10个波段，高光谱传感器甚至有上百个波段。
你想想看，波段越多，你能区分的地物类型就越细。比如用Landsat的7个波段，你可以区分植被、水体、建筑。但用高光谱的200个波段，你甚至能区分不同种类的农作物。
注意：光谱分辨率越高，数据量越大，处理难度也越大。高光谱数据动辄几个GB，而且波段间相关性高，需要做降维处理。我曾经用高光谱数据做矿物识别，结果波段太多，模型过拟合了。后来用主成分分析降到30个波段，效果反而更好。
1.2.3 辐射分辨率：你能区分多细微的亮度差异？
辐射分辨率决定了传感器能记录多少级灰度。常见的8位数据有256级（0-255），16位数据有65536级。
辐射分辨率越高，图像的细节越丰富。比如在阴影区域，8位数据可能全是黑的，但16位数据还能看到一些纹理。
我记得有一次做雪覆盖度分析，用8位的Landsat数据，雪和云的亮度值几乎一样，根本分不开。换成16位的Sentinel-2数据，阈值分割一下子就清晰了。
1.2.4 时间分辨率：你多久能拍一次？
时间分辨率就是卫星重访同一地点的时间间隔。Landsat是16天，Sentinel-2是5天，MODIS是1天。
时间分辨率越高，越适合做动态监测。比如洪水监测、农作物生长周期分析、城市扩张监测。
但这里有个权衡：时间分辨率高的卫星，往往空间分辨率低。MODIS每天都能拍，但分辨率只有250米。Landsat分辨率高，但16天才拍一次。所以，选数据源就是做取舍。
1.3 常见遥感数据源：Landsat、Sentinel、MODIS
这三个数据源，是我用得最多的。它们都是免费开放的，而且数据质量稳定。下面我给大家做个对比。
| 数据源 | 空间分辨率 | 光谱波段数 | 时间分辨率 | 幅宽 | 主要用途 |
|---|---|---|---|---|---|
| Landsat 8/9 | 30m（多光谱）、15m（全色） | 11个波段 | 16天 | 185 km | 土地利用、植被监测、水体提取 |
| Sentinel-2 | 10m（可见光）、20m（红边/近红外） | 13个波段 | 5天 | 290 km | 农业、植被健康、灾害监测 |
| MODIS | 250m（波段1-2）、500m（波段3-7）、1km | 36个波段 | 1-2天 | 2330 km | 全球气候、海面温度、植被指数 |
1.3.1 Landsat：遥感界的“老大哥”
Landsat从1972年就开始运行了，到现在已经积累了50多年的数据。我个人觉得，Landsat最大的优势是历史数据长，可以做长时间序列分析。
比如你想研究某个城市过去30年的扩张情况，Landsat是唯一的选择。Sentinel-2虽然分辨率更高，但2015年才发射，历史数据太短。
Landsat的波段设计也很经典：可见光、近红外、短波红外、热红外，基本覆盖了大多数应用需求。尤其是热红外波段（波段10、11），做地表温度反演必备。
1.3.2 Sentinel-2：后起之秀，分辨率更高
Sentinel-2是欧洲航天局的卫星，2015年才上天。它的空间分辨率最高达到10米，比Landsat的30米精细多了。
而且Sentinel-2有3个红边波段（波段5、6、7），这对植被监测特别有用。红边波段对叶绿素含量非常敏感，可以用来估算作物产量、监测植被胁迫。
我最近做的一个项目，就是用Sentinel-2的红边波段做水稻病虫害监测。效果比Landsat好很多，因为Landsat没有红边波段。
1.3.3 MODIS：大尺度监测的“神器”
MODIS搭载在Terra和Aqua卫星上，每天都能覆盖全球。虽然分辨率低，但幅宽大（2330公里），适合做全球尺度的研究。
MODIS有36个波段，覆盖了从可见光到热红外的全谱段。而且MODIS有很多现成的产品，比如植被指数（NDVI、EVI）、叶面积指数（LAI）、海面温度（SST），直接下载就能用。
但要注意，MODIS的数据处理比较麻烦。因为分辨率低，混合像元问题很严重。一个250米的像素里，可能同时包含植被、土壤、水体。所以，用MODIS做精细分类基本不可能，但做趋势分析很合适。
1.4 知识体系总览
下面这张图，是我自己总结的遥感图像基础的知识框架。你可以把它当作一个导航图，后面学到的每个知识点，都能在这张图里找到位置。
我的建议：初学者先从Landsat入手，数据容易获取，处理流程成熟。等熟悉了基本流程，再尝试Sentinel-2的高分辨率数据。MODIS适合做宏观分析，但需要一定的数据处理经验。
好了，这一章的内容就到这里。遥感图像基础是后面所有章节的基石，理解成像原理和分辨率概念，比记住具体参数更重要。下一章我们会深入讨论遥感图像的预处理流程，包括辐射定标、大气校正、几何校正等实战内容。
公众号:蓝海资料掘金营，微信deep3321