简介面向遥感影像应用与环境监测方向的学习者这份资料系统梳理了主流遥感卫星的关键参数与发展脉络。整个压缩包仅含1个PDF文件约642KB以文档形式集中呈现便于在阅读时随时翻阅和检索。内容按“国外常用卫星”与“中国地球观测遥感卫星”两大板块组织前者逐一介绍Sentinel哨兵系列各颗卫星的分工、Landsat八颗卫星的沿革、SPOT五颗卫星的高分辨率成像特点以及JERS、ENVISAT、RADARSAT、ALOS、IRS等卫星的发射时间、传感器配置与典型应用后者概述陆地、气象等国产遥感卫星的发展现状。读者可据此快速比对不同卫星的分辨率、波段设置与重访周期为科研选题、数据选型与论文写作提供参考。已有412人学习下载适合遥感、地理信息与生态环境相关专业的学生及从业者用作参数速查手册。1. 遥感卫星参数到底是什么一份决定“能不能干活”的说明书第一次翻开一份遥感卫星参数表多数人都会愣住——每个字都认识连起来却不知道在说什么。轨道高度 786 公里、幅宽 290 公里、重访 5 天、13 个波段、12 位辐射、入射角 29.1° 到 46.0°这些数字单拎出来都挺唬人可凑在一张表里就像买房时看的户型参数层高、开间、朝南、容积率销售讲得清清楚楚你还是不知道自己该不该掏钱。遥感卫星参数说白了就是一台“太空相机”的说明书。只是这台相机飞到几百公里高的轨道上一天绕地球十几圈拍下来的东西不能当照片看而是一堆可计算的数字。参数表存在的理由只有一个让人判断在其他条件不变的前提下这颗卫星能不能干成自己想干的活。看清一颗“卫星”能不能用来监测作物长势和你判断一台手机能不能拍夜景本质是一回事——不看参数多少只看哪几个参数卡住了你的需求。搞懂这张表你就能从“一头雾水”变成“挑得准”。2. 为什么先看轨道卫星在哪儿飞决定了它多久来一次动手翻参数之前先看轨道。原因很实在分辨率、幅宽这些数字很大程度上被轨道高度和倾角限制住了看到轨道你大概就能猜到后面那些参数会落在什么区间。一份遥感卫星参数表里轨道这一栏通常只有三四个数字却决定了这颗星能覆盖到哪个纬度、每天几点经过、隔几天能再见一次。2.1 轨道高度与倾角一个管“看得多宽”一个管“能飞到哪”低轨对地观测卫星的高度大多落在 600 到 900 公里这一段资料里能见到的 693 公里、786 公里、814 公里、817 公里、824 公里都是这个量级。高度越低同样的镜头能把地面上的东西分得越细但单次能看到的地面宽度越窄高度越高一景能装下的范围越大想分辨细小目标就更吃力。打个比方站在二楼看楼下的小区能看清每家的阳台站到二十楼整个小区尽收眼底但阳台上的花盆就模糊了。倾角是另一个容易忽略的数字。轨道倾角 98° 上下意味着卫星飞的是略微“逆行”的极轨能从南极附近掠到北极附近全球都能拍到。倾角只有 60° 多卫星就上不了高纬度极区永远在它的视野之外但换来的是中低纬度地区更密的重访。所以看到 98.18°、98.5°、98.65°、98.7° 这类数值可以基本判断这是覆盖全球的极轨任务看到 66°就知道它服务的重点是人口密集的中低纬地区以及地球表面的大部分。这里有个常识值得说清98° 的倾角看起来“超过 90°”并不奇怪。地球在绕太阳转太阳的方向每天相对地球要偏一点轨道倾角略微超过 90°就能让轨道面跟着太阳一起转抵消这个偏移保证卫星每次飞过同一地方时太阳高度角几乎不变。这就是“太阳同步”的由来也是多时相影像能拿来对比的前提——上半年和下半年拍的两张图光照条件接近才谈得上看变化。2.2 太阳同步与地球静止两种完全不同的“值班方式”轨道还能分出两种截然不同的值班方式。一种是太阳同步极轨卫星像扫地机器人一样一圈一圈地扫过去每圈扫一条几百公里宽的带子靠地球自转让相邻两条带子拼接起来十几天到二十几天走完一个循环。另一种是地球静止轨道高度约 35786 公里卫星“钉”在赤道上方某一个经度不动一直盯着同一块区域。这两者的参数取向完全相反。静止轨道卫星重访可以做到分钟级——资料里那类大气监测任务能到约 60 分钟一次但代价是分辨率粗、看得不够细而且纬度越高越吃亏高纬地区图像会被拉得很扁。太阳同步卫星则相反分辨率可以做得很细代价是重访周期以“天”为单位突发事件的响应速度天然受限。选卫星之前先问一句“我要盯的是某一天某一刻还是某一年的变化”答案往往直接决定该去翻哪一类参数。还有一种倾斜轨道的低地球轨道高度 1336 公里、倾角 66°既不是太阳同步也不是静止。它每次经过同一地方的时间会逐日漂移光照条件不固定好处是覆盖中低纬度更勤快坏处是两次影像的阴影方向和太阳高度角差别大做定量对比时要额外小心。2.3 重访周期与回归周期为什么“再来一次”不等于“再拍一张”轨道类型典型高度覆盖范围重访能力主要代价太阳同步极轨600900 km全球含极区数天到数十天重访受轨道和幅宽限制地球静止轨道约 35786 km固定区域高纬受限分钟级分辨率粗、覆盖不对称倾斜低轨约 1300 km中低纬为主中等光照条件不稳定表里那栏“重访能力”说的不是卫星每天都能给你一张图。重访周期指的是同一颗星或同一组卫星能再次拍到同一地点的最短时间它的算法里藏着两件事一是轨道本身多久重复一次地面轨迹二是卫星能不能侧着“扭头”去看不在正下方的区域。单星 10 天、12 天两颗星错开相位互补就能压到 5 天、6 天这也是为什么双星组网的系列总爱强调“两星互补”。但重访周期只是“有可能拍到”不是“一定拍到了”。侧摆能缩短重访代价是入射角变了——同一地点两次成像的入射角差异太大做干涉测量就直接失效。云、任务冲突、数据下传窗口都会把纸面上的重访往后推。看到“1 天”这种漂亮数字时先找找它对应的传感器和模式往往是某一种特定观测方式才有这个能力不代表全系列都能每天来一趟。3. 四张“分辨率”各管什么空间、光谱、时间、辐射参数表里最容易让人混淆的是“分辨率”这三个字被反复使用。空间分辨率、光谱分辨率、时间分辨率、辐射分辨率四个词长得像干的活完全不同混起来看就会得出“这颗星比那颗星好”这种没意义的结论。这一章把四张分辨率分开讲清楚每一张都对应一个具体问题看得多细、分得清什么、来得多勤、数值多准。3.1 空间分辨率一个像素代表地面多大一块空间分辨率是最直观的一个一个像素对应的地面边长。标称 10 米意思是相邻两个像元的中心在地面上相隔约 10 米。资料里那类中分辨率光学卫星13 个波段分布在三种原生分辨率上——4 个波段 10 米6 个波段 20 米3 个波段 60 米。这三种不是随便分配的短波红外和大气校正波段天然需要更多进光量只能牺牲空间细节换信噪比。容易出问题的是“重采样”。成品影像常常统一到 10 米、20 米、60 米的固定网格上看起来每个波段都是 10 米但原始分辨率是 20 米的波段是被插值放大出来的它并不比原来更清楚。这类细节在参数表的“产品级别”说明里通常有交代正射校正产品会按不同波段的原始地面采样距离重新采样像素坐标指的还是像素左上角。买参数和买电脑一样看到“最高支持”要先问一句“原生是多少”。还有一个更隐蔽的误解分辨率高不等于识别能力强。想在影像里数清一辆车需要这辆车占据足够多的像素几个像素的跨度只能勉强判断“这里有个东西”。10 米分辨率下一个像素覆盖 100 平方米一辆几米长的车大概率连一个像素都占不满谈不上识别。空间分辨率决定的是“最小的可分单元”不是“能看清什么”中间还隔着目标与背景的对比度、成像质量、大气条件。3.2 光谱分辨率波段数量和波段宽度哪个更要紧光学卫星最迷人的地方是它不只“看”还能“分”。13 个波段的分布很有讲究443 纳米的海岸/气溶胶波段专门用来做大气校正和浅水观测490 纳米蓝、560 纳米绿、665 纳米红是可见光三原色的基础组合705、740、783 三个红边波段是植被监测的核心842 纳米近红外负责生物量945 纳米水汽波段用来反演大气水汽1375 纳米卷云波段专门揪出高空薄云1610 和 2190 纳米的短波红外管地质、云识别和雪冰。光谱分辨率不只看“13 个”这个数更要看每个波段的宽度。同样叫红边波段宽度 15 纳米和宽度 40 纳米是两回事窄波段能分辨出光谱曲线上更细微的拐点宽波段信噪比更好但细节糊掉。植被在 680 到 750 纳米之间反射率有一条陡峭上升的“红边”叶绿素含量、叶片结构变化都会让这条边左右移动所以三个宽度 15 到 20 纳米的红边波段组合起来才能把这种移动捕捉住。用一句话概括波段数量决定你能问几个问题波段宽度决定你能问多细。60 米那三个波段也值得单说。它们分辨率粗但承担的是“辅助”角色945 纳米看水汽1375 纳米看卷云443 纳米看气溶胶都是需要大量进光、又不要求空间细节的任务。把它们和 10 米波段放在同一张表里比较“谁更好”就像拿体温计和体重秤比精度测的根本不是一回事。3.3 时间分辨率与幅宽鱼和熊掌之间的一笔明账幅宽是一次成像覆盖的地面宽度。资料里那类中分辨率光学系列做到 290 公里配合 5 天左右的双星重访属于“中等分辨率、大幅宽、中等重访”的典型配置——不求最细但求扫得快、看得勤适合做大范围地表覆盖制图和变化检测。合成孔径雷达卫星把这种取舍摆得更明白它用不同成像模式把幅宽和分辨率做成几档“档位”。条带模式幅宽 80 公里分辨率约 5 米乘 5 米适合给小岛屿、特定目标做精细成像干涉宽幅模式幅宽 250 公里分辨率 5 米乘 20 米是陆地上的主力模式超宽幅模式幅宽拉到 410 公里分辨率退到 20 米乘 40 米专门服务海冰、极区和溢油这类大范围监视还有一种波模式地面覆盖只有 20 公里见方却是公海上采集海浪数据的默认模式因为它要的不是覆盖面积而是特定入射角下连续、高质量的海面回波。这几种模式的差别背后是物理约束天线尺寸是固定的波位切换决定了能量怎么分配想覆盖更宽就得摊薄想看得更细就得收窄。所以看到“幅宽 410 公里”别急着叫好先看同一行的分辨率是多少再想清楚自己是画大范围地图还是量一栋楼。3.4 辐射分辨率12 位和 8 位差的是“分得细”的能力辐射分辨率说的是亮度被切成多少级。12 位等于 4096 级8 位等于 256 级前者能把从深水到雪山的亮度差异分得更细。资料里那类多光谱仪器的辐射精度标到小于 5%意思是测量的反射率与真实值之间的偏差控制在这个量级——这个数字比“12 位”更值得关注因为它直接决定定量反演靠不靠谱。动态范围的意义在混合场景里最明显。同一景影像里既有反射率极低的水体又有反射率极高的云和雪8 位量化很容易让暗部挤在少数几个值上细节全丢。12 位留出的余地大得多代价是数据量翻倍后续处理也得记住一件事12 位数据通常存在 16 位整型里直接拿来做整数运算一不小心就溢出或者截断。import numpy as np # 假设已经把三个波段读成二维数组键是波段中心波长纳米 # 10 米波段的尺寸远大于 60 米波段实际使用前先统一重采样到同一网格 bands { 443: np.zeros((10980, 10980), dtypeuint16), # 海岸/气溶胶 665: np.zeros((10980, 10980), dtypeuint16), # 红 842: np.zeros((10980, 10980), dtypeuint16), # 近红外 } def ndvi(red: np.ndarray, nir: np.ndarray) - np.ndarray: # 先转 float32uint16 直接相减会下溢得到 65535 附近的假值 red red.astype(float32) nir nir.astype(float32) denom nir red out np.full_like(red, np.nan, dtypefloat32) # 分母为 0 的像元一般是填充区或无效区单独置 NaN别让 0 混进统计 valid denom 0 out[valid] (nir[valid] - red[valid]) / denom[valid] return out veg_index ndvi(bands[665], bands[842])这段代码只做了一件事用红和近红外算归一化植被指数。三个地方值得留意。第一转浮点是必须的整型相减的溢出是新手最常见的出错点而且它不报错只是悄悄给你一堆错误的值。第二分母为零的处理不能省无效区不排除最后统计出来的均值会莫名其妙偏低。第三这里算的是 DN 值原始数字量化值的比值严格来说先要用元数据里的定标系数转成大气顶反射率再做指数运算否则不同时相、不同卫星之间的结果没法直接比较——这一步经常被跳过然后得出“今年植被变差了”这种站不住脚的结论。4. 主动雷达的参数为什么和光学不是一套极化、入射角、成像模式把光学卫星和雷达卫星的参数表并排放会发现字段几乎对不上。光学那边问的是波段、辐射精度、幅宽雷达这边问的是极化方式、入射角、噪声等效后向散射系数。原因很简单一个靠太阳照亮地面被动接收一个自己发射微波再接收回波。参数体系不同是因为测量原理不同不能拿两套尺子互相比长短。4.1 极化方式HH、VV、HV、VH 到底在说什么雷达发射一束微波打到地面回波带着地物的“粗糙程度”和“结构信息”返回来。极化说的就是发射和接收时电磁波的振动方向H 是水平V 是垂直。HH 表示水平发、水平收VV 表示垂直发、垂直收HV 和 VH 是交叉极化——发一种、收另一种。不同组合对地物的敏感度不一样。VV 对海面这类相对平滑的表面很敏感海面风场反演、海浪方向分析常用它HH 对粗糙地表、城市建筑、裸地更敏感交叉极化 HV、VH 主要来自植被冠层的多次散射冠层越密、体散射越强所以它是区分森林和农田的好帮手。资料里给出的极化选项是双极化HHHV 或 VVVH和单极化HH 或 VV双极化多一维信息代价是数据量和下行带宽都往上走。提示单极化和双极化的产品不能混在一起做时间序列分析。极化方式变了同一块地的后向散射系数会整体偏移看起来像地表发生了变化其实只是观测方式换了。4.2 入射角与幅宽同一颗星为什么有五六种“档位”雷达参数表里最容易被略过的是入射角。资料里那颗 C 波段雷达中心频率 5.405 GHz带宽 0 到 100 兆赫兹不同模式下的入射角覆盖大约 18° 到 47°。入射角是波束与地面法线之间的夹角它决定了微波打到地面时的“斜度”进而影响回波强度、穿透深度和几何形变。以条带模式为例它被切成若干个波位每个波位有自己的入射角区间最小轨道高度处的入射角可能是 19.99° 到 26.31°也可能是 42.53° 到 46.73°视具体波位而定。干涉宽幅模式分成三个子条带入射角从约 30° 到约 46°超宽幅模式分成五个子条带从约 20° 到约 47°。看到这些区间就能理解为什么做干涉测量时前后两次必须用同一波位——入射角差一点点相位就差出一大截测出来的形变完全是假的。带宽这个参数也值得看一眼。0 到 100 兆赫兹的带宽决定了距离向分辨率带宽越宽距离向分得越细参数表里那些几十米的分辨率数字背后是带宽和脉冲持续时间5 到 100 微秒共同作用的结果。还有噪声等效后向散射系数 NESZ标到 -22 分贝这个值越小说明系统噪底越低越能看清暗目标——平静海面、光滑路面这类回波很弱的地物噪底高的系统直接就淹没了。4.3 数据级别从原始信号到能直接用的产品中间隔着几道加工雷达产品常按处理级别分档每一档能做的事完全不同。原始数据是压缩过的、没聚焦的 SAR 原始信号带着噪声、内部定标和回波源数据包是生产所有高级产品的基础一般只在特定用途下开放。往上一层是单视复数产品已经做过地理参考保留了振幅和相位两个信息相位是时间的函数靠相位差加上卫星速度就能测出距离变化——干涉测量、形变监测都建立在这个基础上。再往上是地距检测产品做过检测、多视和投影把数据投到规则的地理网格上看起来像一张普通的灰度图但相位信息已经没有了。最上面是海洋二级产品直接给风场、波谱、表面径向速度这些地球物理参数。这条链条里最关键的一句话是相位只能从单视复数产品里拿地距检测产品拿不到。很多新手拿到一张漂亮的灰度图就想做沉降监测做完发现结果一塌糊涂问题不在算法在用错了产品级别。def pick_product(task: str, has_phase: bool) - str: 按任务需求选产品级别返回建议使用的产品类型 task task.lower() if task in (insar, deformation, dem): # 干涉类任务必须保留相位只有单视复数产品满足条件 if not has_phase: raise ValueError(该数据不含相位信息无法做干涉请换单视复数产品) return SLC if task in (classification, flood, landcover): # 分类、洪涝范围提取这类任务只需要振幅地距检测产品更省事 return GRD if task in (ocean_wind, wave): # 海洋动力参数直接取二级产品别自己从头反演 return OCN return 先明确任务再决定级别这段判断逻辑不复杂但它把一件事说透了产品级别不是“高级就好”而是“匹配才对”。做形变监测却手里只有地距检测产品与其硬着头皮试不如换一景数据。同样的道理在光学侧也存在大气顶反射率产品做过正射、没做大气校正和大气底反射率产品做过大气校正之间差的不是精度高低而是能不能直接拿来做跨时相比较。前者适合自己控制大气校正流程的研究后者适合直接上手做应用的人。5. 常见误区与易混概念分辨率越高越好幅宽越大越强参数表看多了会发现一个规律几乎每个数字单独拎出来都能被误读一次。这一章挑出五组初学者最容易搞混的概念每组都说清楚混淆点在哪、为什么容易混、怎么区分。5.1 易混点一分辨率数值越大越好这是最高频的一处误读。空间分辨率的数值是地面距离10 米比 30 米细30 米比 250 米细数值越小才越清楚。看到“分辨率 250 米”觉得比“分辨率 10 米”厉害是把分辨率当成了像素数量。为什么容易混因为手机摄像头、显示器这些日常产品的“参数越大越好”思维太根深蒂固像素越高越好、刷新率越高越好到了分辨率这里突然反过来。区分方法很简单记住单位。空间分辨率的单位是米米数越小越细光谱分辨率的单位是纳米纳米数越小越细辐射分辨率的单位是位位数越大越细时间分辨率的单位是天天数越小越勤。四个“分辨率”里三个都是数值小更精细只有辐射分辨率是数值大更精细。5.2 易混点二分辨率高就等于数据精度高空间分辨率和几何精度、辐射精度是三件事。一颗卫星可以把影像做到 5 米一个像素但如果没有精确的轨道和姿态数据做地理参考像素位置可能偏出几十米反过来一颗 30 米分辨率的卫星几何定位精度可以做到几米以内。为什么容易混因为“精度”和“分辨率”在中文口语里几乎同义都指“准不准、细不细”。区分的时候问自己我要的是“看清更小的东西”还是“知道这个东西究竟在哪个坐标”前者看空间分辨率后者看几何定位精度和正射校正产品质量。做面积统计、边界提取几何精度不够带来的误差往往比分辨率差一档更致命。5.3 易混点三重访周期短就等于每天都有可用影像重访周期描述的是“卫星有能力再来一次”的最短间隔不是“一定能拍到、拍到的都能用”。中间隔着云、任务调度、侧摆范围、数据下传能力这几道关卡。为什么容易混因为参数表只给一个数字看起来就像承诺。区分方法是看两个附加信息一是这个重访对应的是哪个传感器、哪种模式很多时候只有特定载荷能达到最短重访二是产品交付时效资料里那类近实时产品在数据采集三小时后就能交付非及时产品要等到一个月后——重访 5 天不等于 5 天后你手上就有数据。5.4 易混点四产品级别越高越“原始”数据处理级别是从低到高排列的0 级最原始1 级做了辐射和几何校正2 级加了大气校正或地球物理参数反演。级别越高加工越多人为干预越多。为什么容易混因为习惯性地把“级别高”理解成“等级高、更好”。区分要看用途想研究传感器本身的性能、自己控制大气校正参数低级别产品更合适因为高级别产品已经把某些信息抹掉了想直接做应用、做跨时相分析高级别产品更省事。加工是不可逆的大气校正做错了想退回去重来只能从低级别重做一遍。5.5 易混点五公开可下载就等于可以随便用数据公开、免费下载和“没有使用约束”是两件事。影像的命名规则、坐标系统、云掩膜、版本号近实时版和最终版往往有差别、引用要求都属于使用前要确认的内容。为什么容易混因为下载按钮放在那儿点一下就拿到文件感觉和下载一张壁纸没区别。区分方法是养成看元数据的习惯先确认这景影像是哪个版本、有没有经过大气校正、云掩膜是否已经应用、投影和分辨率是否被改过。同一地点、同一天的影像不同版本之间可能有肉眼可见的差异混着用等于给时间序列埋雷。6. 什么时候该看哪几个参数三个场景的取舍和一个踩过的坑参数看懂了最后要落到“我这件活该盯哪几行”。三个典型场景取值逻辑完全不同。任务第一优先第二优先可以妥协城市地表沉降监测产品级别必须含相位入射角一致性幅宽、重访作物长势与物候光谱波段红边、近红外重访周期空间分辨率洪水应急制图全天候能力雷达幅宽与交付时效辐射精度沉降监测的取舍最严格。它要的是毫米级的地表位移必须在单视复数产品上做干涉前后两次的入射角、轨道方向、极化方式都要匹配任何一项对不上相位就成了噪声。这个场景里幅宽 250 公里还是 80 公里不重要重访 6 天还是 12 天也能商量唯独产品级别和波位一致性没有退路。同理光学侧做长时序变化检测大气校正产品几乎是硬性门槛不能指望用大气顶反射率去比两个季节的植被指数。作物长势监测反过来空间分辨率可以放一放。一块农田动辄几百米见方10 米和 20 米的差别对区域统计影响有限但有没有红边波段、重访能不能压到一周以内直接决定能不能抓住关键生育期。洪水应急又是另一套逻辑云层压顶的时候光学卫星只能歇着雷达的全天候能力是刚需幅宽越大、交付越快越好分辨率退到 20 米乘 40 米完全可以接受——先知道水漫到哪儿再谈细节。我自己犯过的错恰好属于第一类。早些年拿到一景雷达数据看灰度图挺漂亮想着做点形变分析埋头算了两周结果怎么都对不上已知的地面测量。后来回头翻产品说明才发现拿到的是地距检测产品相位早在处理阶段就被处理掉了。那一刻的感受很难形容不是算法写错是从第一步就选错了原料。从那以后我每次拿到一景新数据都强制先走一遍“三级确认”先看产品级别和是否含相位再看入射角和极化方式最后才看分辨率够不够用。这三步花不了五分钟能省掉两周白干。参数表的价值不在于把所有数字背下来而在于遇到任务时知道往哪一行看。这份资料把几类主流对地观测系列的基本参数、传感器细节、成像模式、产品级别和典型应用整理在一起正好可以当成一张对照表放在手边遇到具体问题再翻对应那一页。希望帮到你。本文还有配套的精品资源点击获取