第一次跑空中三角测量，程序跑了一整晚。早上打开结果，整个测区全平了 —— 所有点都落在同一个高程上。那一刻我才明白，这门学科的门槛不在概念，在数据和参数。
一、心路：从地图到算法
我从小就爱看地图，高考填志愿时以为遥感是 “高级看地图”。真正学起来才发现，它一半是数学，一半是编程。
转折是一次正射影像拼接失败。影像拼出来有明显接缝，地物错位。查了两周，原因是相机畸变参数没标定对，加上控制点分布不均。改过来之后，接缝消失了，那种成就感很具体。
准备推免时我的焦虑是 “代码不够强”。我的应对是每天写两小时代码，从读栅格、算指数、做分类开始，一点点补。
二、绩点：数学与编程并重
摄影测量与遥感的课，数学和编程两条腿。
摄影测量学把共线方程、内外方位元素、相对定向与绝对定向推一遍，推完才知道空三在解什么。遥感原理把辐射传输、大气校正、传感器特性讲清。数字图像处理把滤波、增强、分类练熟。误差理论别轻视，精度评定全靠它。
编程上，Python 加 GDAL/rasterio 是基本功，能读写、能裁剪、能重投影。我还学了点机器学习，做分类时用得上。
三、英语：读遥感期刊
遥感方向的英文期刊，图多、数据多。
我的读法是先看图：研究区、数据源、结果对比图、精度表。图看懂了，再看方法。术语表记了：orthorectification、bundle adjustment、radiometric calibration、NDVI、change detection、point cloud、ground truth。
一周读两篇，重点看它的精度评价怎么做。这一块最能看出功夫。
四、竞赛：GIS 赛事最对口
这个方向最对口的竞赛是 GIS 类的技能赛事，其次是遥感类赛事、数学建模、大创、挑战杯。
我参加过一次 GIS 技能赛，题目是给定数据做空间分析，要求出图、出报告。三天里最耗时间的是数据清洗 —— 投影不一致、字段缺失、边界重叠，全是脏活。
经验是：这类比赛，谁能把脏数据收拾干净，谁就走得快。技术再花，数据不对也白搭。
五、科研：一次变化检测
我的科研训练是一次土地利用变化检测。
流程：选研究区、收集两期影像、几何配准、辐射归一化、分类、变化提取、精度评价。
精度评价用混淆矩阵，算了总体精度和 Kappa 系数。第一版结果精度很低，查出来是两期影像的季节差异太大，地物光谱不一致。换了一对同季节的影像，精度立马上去了。
这段经历让我在面试时能讲清 “误差从哪来”，而不是只说 “我做了变化检测”。
六、辅导：把数据讲清楚
我报知点保研的定制辅导，问题是材料里的数字堆在一起，没有逻辑。
咨询师帮我把项目按 “数据、方法、精度、结论” 四段重写，每个数字后面标上来源；模拟面试追问 “你的训练样本怎么选的”“精度评价为什么用 Kappa”，逼我把方法说透。
说明：辅导改善的是表达与准备，录取由院系考核决定，任何服务都不构成录取承诺。
遥感这行，眼睛在天上，脚要在地上。数据不会骗人，但会藏事。
如有保研问题可以咨询电话 4000003363 或者微信 shuoedu，知点保研咨询师将热情专业的解答您的考研问题。
