1. 课程导入与选型问题界定

多光谱无人机遥感的选型，本质上不是“挑一台参数最高的相机”，而是把一项具体的农情或生态监测任务，翻译成一组可被硬件满足的成像条件。很多初次接触该领域的用户会先看像素、看波段数量、看价格，结果买回来的传感器在关键波段上分辨率不足，或者波段中心与目标特征吸收峰错位，导致后期指数计算失真。因此本课程的第一件事，是把“选型”从一个采购动作重新界定为一个需求推导过程：任务决定指标，指标决定传感器，传感器再反过来约束飞行方案与数据处理链。

选型的核心目标是什么

多光谱传感器选型要同时满足四个层面的目标，缺一不可。第一是光谱有效性：传感器必须具备能够区分目标状态的特征波段，例如植被监测中红光与近红外是计算NDVI的基础，若要做氮素或叶绿素精细诊断，还需要红边波段。第二是空间可分辨性：单像元对应的地面尺寸（GSD）必须小于目标对象的尺度，监测作物冠层通常要求GSD在厘米级，监测林地冠层则可放宽。第三是辐射一致性：多光谱相机的各波段需要具备可比的辐射响应，并配合下行光传感器或反射率板实现辐照度归一化，否则不同架次、不同光照下的数据无法比较。第四是平台适配性：重量、功耗、接口、触发方式必须与无人机平台和任务节奏匹配。

这四个目标之间存在明显的相互制约。提高空间分辨率往往意味着降低飞行高度或缩小视场，从而牺牲单架次覆盖面积；增加波段数量会降低单波段的光通量与信噪比，也可能抬高重量与成本。选型工作的实质，就是在任务约束下寻找这组指标的可行平衡点，而不是追求单项最优。

典型应用场景及其指标牵引

不同应用场景对传感器的要求差异很大，理解这种差异是建立选型思维的起点。精准农业中的作物长势与氮素诊断，关注红边与近红外波段，要求较高的光谱分辨率与稳定的辐射定标，飞行高度通常在60～120米，GSD控制在3～8厘米。林业与生态调查关注冠层结构、树种分类与胁迫监测，覆盖面积大，可接受较大的GSD，但需要更多波段以支撑分类。水体与湿地监测的难点在于水体信号弱、动态范围要求高，需要高信噪比和针对水体特征设计的波段。灾害与应急评估则强调快速部署与数据回传效率，对绝对精度要求可适度放宽。

可以看到，场景差异最终都落到同一组可量化指标上：波段中心与带宽、GSD、幅宽、信噪比、辐射定标方式、重量与功耗。选型时应当先写出任务对应的指标区间，再拿候选传感器去比对，而不是反过来被产品参数表牵着走。

全流程框架：从任务到成果

把选型放进完整业务链条中看，它只是中间一环，但它的决策会向下游传导。一个可复用的流程框架包含六个环节：任务定义、指标推导、传感器筛选、飞行与采集方案设计、辐射与几何预处理、指数计算与成果解译。选型发生在第三环，但必须同时考虑第四环的飞行约束和第五环的定标要求。例如某传感器不带下行光传感器，就必须在流程中额外安排反射率板拍摄，这会改变作业时间与人力配置。

一个可操作的指标推导示例

假设任务是监测一片约40公顷的玉米地，需要识别氮素胁迫差异，并输出NDVI与NDRE分布图。先推导空间指标：玉米行距约0.6米，要在一个像元内稳定反映冠层差异，GSD取5厘米较为稳妥。若候选相机像元尺寸为5.2微米、镜头焦距8毫米，则航高可由相似关系估算：航高 ≈ GSD × 焦距 / 像元尺寸 = 0.05 m × 8 mm / 0.0052 mm ≈ 77米。再推导覆盖指标：若相机幅宽对应地面约120米、航向重叠率75%、旁向重叠率60%，则单条航线有效覆盖约48米，40公顷（约632米×632米）需要约14条航线，配合电池续航可判断是否需分架次。

光谱指标方面，氮素诊断需要红边波段（约730～740纳米）与近红外（约840纳米），仅靠红蓝波段无法支撑NDRE。辐射指标方面，若任务要求跨日期比较，则必须选择带下行光传感器的机型，或在每次飞行前后拍摄反射率板。把这些条件列成一张筛选表，候选机型是否合格就一目了然。需要说明的是，上述数值为教学示例中的合理假设，实际作业应以设备标称参数与现场测试为准。

建立以任务需求为起点的选型思维

传统采购思维是“先看有什么，再想能干什么”，而工程化的选型思维是“先明确要什么，再验证谁能干”。两者的差别在于责任归属：前者把适配风险留给后期调试，后者在选型阶段就把风险显性化。具体做法是，把任务拆成可检验的命题，例如“能否区分两档氮素水平”“能否在单架次内覆盖40公顷”“能否保证两周内三次飞行数据可比”，然后逐条对应到传感器参数与作业方案上。任何一条无法闭合，就说明选型或方案需要调整。

还需要注意，选型不是一次性决策。随着监测目标从长势评估扩展到病虫害早期识别，对波段和分辨率的要求会变化，传感器配置也应随之复核。把选型看作流程中的一个可迭代节点，而非一锤定音的采购结论，才能让整套多光谱作业体系持续可用。