遥感入门指南：传感器、免费数据与QGIS实战

遥感，即从远处测量地球表面。传感器搭载在卫星、飞机或无人机上，记录地面反射的光或无线电波，无需实地接触即可生成地图。在QGIS中，遥感结果以栅格形式呈现，你可以像处理其他图层一样打开、合成、计算和分类。

卫星影像并非普通照片，而是由多个波段组成的测量数据堆栈，每个波段对应一种光。屏幕上显示的颜色取决于你如何将波段分配给红、绿、蓝通道——这一选择本身就是一项关键技能。遥感能回答那些范围过大、位置过偏或变化过慢而难以实地调查的问题：这片农田是否比去年更绿？洪水淹没了多远？森林被砍伐了多少？城市向何处扩张？免费卫星每隔几天重访同一地点，因此答案带有日期且可重复验证。 传感器分为被动和主动两类。被动传感器记录地面反射的太阳光，同时捕获多个波段；主动传感器则发射自己的脉冲并测量回波，如雷达（Sentinel-1）和激光雷达（LiDAR）。雷达能穿透云层并在夜间工作，因此洪水制图常依赖它。不同物质在各波段的表现各异：健康植被强烈反射近红外并吸收红光，水体吸收近红外而呈黑色，裸土则从蓝到红外反射率逐渐升高。所有指数和分类器都基于这些差异。 描述传感器时常用四种分辨率，它们相互制约：空间分辨率（像素大小）、时间分辨率（重访周期）、光谱分辨率（波段数量和宽度）和辐射分辨率（位深）。数据规格参考了ESA的Sentinel-2页面、NASA的Sentinel-1页面以及data.gouv.fr上的IGN数据集（BD ORTHO、LiDAR HD），读取日期为2026年10月27日。Sentinel-2与Landsat的波段对比及卫星影像分辨率对比可帮助你了解每种像素尺寸能看见什么、不能看见什么。 首要问题始终是：我的目标覆盖了多少像素？10米像素无法容纳一栋房屋，但可以容纳一片农田。以下步骤在QGIS中对一幅2026年10月12日拍摄的法国南部罗讷河三角洲卡马格地区的Sentinel-2影像（云量低于1%）进行了操作。该三角洲混合了开阔水域、盐田、沼泽、稻田和旱地，是理想的测试场景。 首先添加影像：打开图层 > 数据源管理器，选择STAC选项卡，连接到Earth Search（https://earth-search.aws.element84.com/v1），按范围、日期和Sentinel-2 Level-2A集合筛选，然后添加场景。在图层属性 > 符号化中选择多波段颜色，将红、绿、蓝分别设为B4、B3、B2可得到真彩色；若将B8、B4、B3分配给红、绿、蓝，则近红外置于红色通道，健康植被会显示为红色，水体为黑色。

接下来将波段转换为数值：使用栅格 > 栅格计算器，计算NDVI = (B8 − B4) / (B8 + B4)。先用识别工具点击一个水体像素，若值接近0，说明偏移已移除（如我使用的Earth Search文件）；若接近1000，则需从每个波段减去1000（这是2022年1月25日后从Copernicus下载的Sentinel-2产品的情况）。NDVI示例中，0.82在忘记减去偏移时会变成0.56。然后通过阈值将数值分类，例如NDVI大于0.6为密集植被，可使用栅格计算器或按表重分类算法；对于多个土地覆盖类别，可用免费插件SCP或dzetsaka从绘制的多边形训练分类器。最后将分类结果转换为测量值：栅格 > 转换 > 多边形化，再使用字段计算器或分区统计计算各类别面积。这些数字的精度限于像素尺度，无法更细。

遥感按尺度分为两类，工具也随之分化。在10米或30米分辨率下，你对像素进行分类：这个像素是水，那个是农作物。上述免费分类器表现良好，模型增益有限，因为像素内细节不足以识别对象。在50厘米或更精细的分辨率下，你提取对象：这是建筑物，那是树木。此时分割模型才真正发挥作用。我们开发了此领域的插件AI Segmentation，你可以在航空照片或无人机正射影像上绘制区域，输入对象类型（建筑物、树木或游泳池），其模型会返回带有置信度分数和面积的多边形轮廓。影像分辨率若粗于对象则不值得发送：我们的调优目标约为建筑物每像素0.18米、汽车每像素0.09米。GeoAI指南解释了它提取的五种对象及其成本。

遥感工作中最耗时的不是单个步骤，而是连续十几个步骤：查找场景、检查云量、移除偏移、计算、样式化、测量。我们的另一款插件AI Agent可以用一句话运行整个链条。我要求它计算印度旁遮普邦哈里凯周边农田的最新无云Sentinel-2影像的NDVI，它跳过了两个多云日期，移除了偏移，样式化了结果，并报告17平方公里区域内75%的面积NDVI高于0.6，耗时约3分30秒。它留下了工作图层，但错误陈述了区域大小，因此请核对引用的数字。遥感是从远处测量地面，卫星影像是一堆波段而非照片。Sentinel-2是农田、森林和城市边缘的默认免费数据源：13个波段，其中4个为10米像素，赤道地区每5天一幅新影像。根据问题选择波段组合：B4、B3、B2用于视觉观察，B8、B4、B3用于植被，NDVI用于量化。在任何指数计算前检查Sentinel-2偏移：水体像素接近1000意味着需从每个波段减去1000。像素级分类，对象需要更精细影像：低于约50厘米时，分割模型可提取建筑物和树木；高于10米时，模型无对象可识别。AI Agent可免费在QGIS中试用，无需信用卡。欲了解完整技术细节和更多示例，请点击原文链接查看。