（1）搭建基于pytorch或tensorflow框架的神经网络运算环境；（2）构造ResNet模型，利用样本数据集完成模型训练；（3）利用模型对遥感图像对应的场景进行分类，同时使用混淆矩阵等手段对分类结果进行分析与评价。

1. 如果要搭建基于 PyTorch 或 TensorFlow 框架的神经网络运算环境，需要完成以下几步：
- 安装相应框架，可以通过命令行或者 pip 安装；
- 导入相应模块，以 PyTorch 为例，可以在代码中导入 torch 和 torchvision 模块；
- 设置设备，指定使用 CPU 还是 GPU 进行运算；
- 定义模型，设置神经网络的结构；

2. 构造 ResNet 模型可以利用 PyTorch 或 TensorFlow 提供的基本模块，按照 ResNet 的架构，编写代码，定义 ResNet 模型；

3. 训练模型需要提供训练数据集，可以调用 PyTorch 或 TensorFlow 提供的数据读取接口，对数据进行预处理，然后设置训练参数（如学习率，优化器，损失函数等），开始训练，保存训练结果。

对于遥感图像的分类，使用模型进行预测，把预测结果与真实标签进行比较，利用混淆矩阵等手段对分类结果进行分析与评价。