考研遥感常见问答题体型（含答案）（一）考研遥感常见问答题体型（含答案）（一）考研遥感常见问答题体型（含答案）（一）考研遥感常见问答题体型（含答案）（一）考研遥感常见问答题体型（含答案）（一）

ERDAS IMAGINE是ERDAS公司开发的面向企业级的专业遥感影像处理与地理信息系统软件。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的3S（遥感图像处理、地理信息系统和全球定位系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。

基于定量遥感理论和方法，将多光谱遥感数据和实测水质数据相结合，研究了水生态环境的空间分布，并对其进行了分析和评价。

修改过了的install_ocssw.py，配合https://pan.baidu.com/s/1OdxUaTHz1sICu_ocaskbpg 提取码：sdas 一起使用，原本的install_ocssw.py有许多问题

基于深度学习遥感目标分类研究.pdf

基于深度学习特征和支持向量机的遥感图像分类.pdf

基于深度支撑值学习网络的遥感图像融合.pdf

南京大学遥感概论考研试题.遥感专业研究生复习资料，很有参考价值

针对森林复杂冠层结构和林分高密度下遥感树种识别精度不高的问题,将能够提取高维数据立体特征的三维卷积神经网络(3D-CNN)引入到遥感影像树种识别中,并利用残差网络(ResNet)对其进行改进,提出三维残差卷积神经网络(3D-RCNN),以减小网络深度带来的误差,降低退化现象的影响。联合高分五号高光谱数据(GF-5 AHIS)和高分六号高空间分辨率数据(GF-6 PMS),辅以森林资源数据和外业调查数据构建样本集。结合3D-RCNN思想构建树种识别模型。实验结果表明:相较于传统3D-CNN,3D-RCNN将模型网络从12层增加到18层,能够深化网络结构,缓解网络退化;联合GF-5 AHIS和GF-6 PMS,3D-RCNN能够有效地识别北亚热带森林树种,且识别精度(91.72%)要优于传统3D-CNN(85.65%)和支持向量机算法(85.22%)。

2018年中科院遥感所数据结构考博真题，本人2018年考博考生