遥感

遥感是在不直接接触目标的情况下获取并解释信息。对地观测通常依靠传感器记录地表和大气反射、发射或散射的电磁能量，再结合成像几何、时间、环境和地面资料判断目标性质。最终看到的影像不是地表的简单照片，而是传感器、观测条件和处理流程共同形成的数据产品。

从太阳辐射到一幅可分析的地表反射率影像，中间经过多次变化。能量穿过大气后与地物相互作用，传感器把接收到的信号转换为数字量化值，地面系统完成定标、定位和产品生成。云、气溶胶、地形、太阳高度角、观测角度和传感器响应都可能改变像元值。不了解这些环节，只比较像元亮暗，很容易把观测差异误判成地表变化。

传感器记录的是什么

被动光学传感器主要记录太阳照射后由地物反射的能量，热红外观测更多涉及地表和大气自身的热辐射。主动传感器发射能量并测量返回信号，合成孔径雷达和激光雷达因此可以在不同条件下获取结构信息。不同传感器的数据不能只按“清晰不清晰”比较，它们测量的物理量、波段、成像方式和噪声来源都不相同。

遥感中的分辨率至少要分成空间、光谱、辐射和时间四个方面。空间分辨率描述像元对应的地面尺度，但较小像元并不自动带来更可靠的识别；光谱分辨率关系到波段位置和宽度；辐射分辨率影响传感器区分能量差异的能力；时间分辨率涉及同一区域被重复观测的频率。任务设计通常是在这些能力、覆盖范围、数据量和成本之间取舍。

产品级别决定可以做什么

原始观测值通常不能直接用于跨时间或跨区域比较。Landsat、Sentinel 等任务会提供不同处理级别的产品，每一级对应明确的校正和质量信息。辐射定标把数字量化值转换为具有物理意义的辐亮度或反射率；几何校正和正射校正处理位置、姿态、传感器和地形造成的几何偏差；大气校正试图减弱大气传播对地表信号的影响。

处理级别越高，不代表一定更适合所有问题。高层产品包含更多算法和假设，也可能带来特定场景下的误差。使用任何产品前，应阅读产品说明、比例因子、质量波段、无效值、坐标参考和算法文档。把显示软件自动拉伸后的颜色当作原始数值，是遥感分析中常见而严重的错误。

从影像到结论

分类、目标提取、变化检测和参数反演都需要把观测信号与地面对象联系起来。训练样本应覆盖地区、季节、传感器和类别内部差异；验证样本要与训练过程保持独立。随机划分像元经常造成空间邻近泄漏，使评估结果高于模型在新区域的实际表现。地理分块、时间外推和跨传感器测试更接近真实应用，但也更难。

植被指数、水体指数和建筑指数把特定波段组合成便于解释的数值。指数能够突出某些光谱差异，却不是目标属性的直接测量。NDVI 会受土壤背景、大气、冠层结构和饱和影响；地表温度反演依赖定标、大气和发射率；生物物理参数往往需要地面观测或可靠产品进行验证。公式简洁不意味着解释可以脱离条件。

这套遥感知识体系沿着观测链展开：先理解电磁辐射和传感器，再认识任务与产品，随后进入预处理、特征、分类、定量反演、时间序列、变化检测和多源融合。SAR、LiDAR 与摄影测量单独成组，因为它们的成像物理、数据结构和处理方法与普通光学影像差异明显。GIS 提供空间参考、数据组织和分析环境，人工智能则提供部分解译方法，三者会在相关页面交叉引用。

资料来源

NASA ARSET: Fundamentals of Remote Sensing，用于遥感观测链、电磁能量和分辨率的基础说明。
USGS Landsat Glossary，用于 Landsat 任务语境下的术语核对。
USGS Landsat Project Documents，用于任务、产品、定标和算法文档的入口。