2. 多光谱遥感物理基础

多光谱无人机之所以能“看出”人眼看不到的差异，根本原因在于不同地物对不同波长电磁波的反射、吸收和透射能力不同。要正确选型传感器、正确解读影像，必须先建立三个基础认知：光谱波段如何划分、地物反射特性如何形成“光谱指纹”、辐射能量从太阳到传感器经历了什么。这三者共同决定了“波段设置”与“地物识别”之间的对应关系。

一、光谱波段划分：从可见光到短波红外

遥感中常用的光谱区段按波长由短到长依次为：可见光（约400–700 nm）、近红外（NIR，约700–1000 nm）、短波红外（SWIR，约1000–2500 nm），再往长波方向是热红外（TIR，约8–14 μm）。多光谱无人机载荷通常覆盖400–1000 nm，部分高端机型扩展到SWIR。可见光内部又可细分为蓝（450–520 nm）、绿（520–600 nm）、红（630–690 nm）；红边（Red Edge，约680–750 nm）是植被反射曲线急剧上升的过渡带，对叶绿素含量和氮素胁迫极为敏感。

需要特别强调的是：波段中心波长与波段宽度共同决定信息量。同样是“红边波段”，中心波长700 nm、带宽20 nm的窄带传感器，与中心波长720 nm、带宽40 nm的宽带传感器，对植被胁迫的响应曲线并不相同。选型时不能只看“有没有红边”，还要看中心波长是否落在目标特征的敏感区间内。

二、地物反射特性：光谱指纹的形成

地物反射率随波长变化的曲线称为光谱反射曲线，它是地物识别的物理依据。以健康植被为例：蓝光和红光被叶绿素强烈吸收，反射率低；绿光因叶绿素对绿光的弱吸收和叶片内部散射而出现一个小反射峰，这就是植被“看起来是绿色”的原因；进入红边后反射率陡升；在近红外波段，由于叶片细胞间隙的多次散射，反射率可达40%–60%，形成高平台；到SWIR波段，受叶片含水量影响，在1450 nm、1940 nm附近出现明显的水分吸收谷。

土壤的反射曲线则相对平缓，随波长增加缓慢上升，在可见光区整体高于植被的蓝红波段，在近红外区低于健康植被。水体的反射率整体很低，且在近红外波段几乎全吸收，因此“近红外暗、可见光稍亮”是水体的典型特征。人工目标如沥青路面反射率低而平缓，白色屋顶在可见光全波段高反射。这些差异构成了波段组合判读的物理基础。

三、辐射传输基本概念：能量如何到达传感器

太阳辐射穿过大气到达地表，经地物反射后再次穿过大气进入传感器。这一路上，大气中的气体分子、气溶胶、水汽会通过吸收和散射改变辐射的强度和光谱分布。吸收具有强烈的波段选择性：臭氧在紫外和可见光短波端吸收，水汽和二氧化碳在近红外及SWIR形成多个吸收谷，氧气在760 nm附近有吸收带。散射则使短波辐射更容易偏离原方向，造成影像的“雾感”和对比度下降。

因此，传感器记录的原始DN值并不等于地表反射率，它等于“太阳辐照度 × 大气透过率 × 地表反射率 × 传感器响应”再加上路径辐射。实际作业中，常通过辐射定标把DN值转为辐亮度，再借助经验线性法或辐射传输模型（如6S、MODTRAN）转为地表反射率。对于无人机低空作业，大气路径较短，但若飞行高度超过数百米或天气通透性差，仍建议做反射率校正，否则不同架次、不同时间的影像无法直接比较。

四、波段设置与地物识别的对应关系

理解了反射曲线，就能把“识别任务”翻译成“波段需求”。下面给出几组典型对应关系，均为教学示例，实际选型需结合具体作物、区域和精度要求调整。

以一次教学示例任务为例：某地块需要区分玉米与大豆并评估长势。若传感器仅有RGB三波段，两者在可见光区差异有限，难以稳定区分；加入NIR后，玉米与大豆在近红外反射率上的差异被放大，配合红边波段还能进一步反映叶绿素状态。假设示例中玉米NDVI约0.78、大豆约0.65，差异明显；但若只算NDVI，两者都属“健康植被”，无法区分长势细节，此时红边指数NDRE的差异（示例中玉米0.42、大豆0.31）提供了第二维判别信息。这说明波段设置应服务于具体的判别维度，而不是波段越多越好。

五、选型时的物理约束检查

在把上述关系落到传感器选型时，建议按以下顺序核对：第一，目标特征是否落在所选波段的中心波长附近，带宽是否足够窄以避开邻近吸收带干扰；第二，传感器光谱分辨率与信噪比能否在目标反射率差异量级上分辨出信号，例如红边差异往往只有几个百分点，低信噪比传感器会淹没这一差异；第三，是否具备辐射定标能力，能否输出辐亮度或反射率产品，否则跨架次比较失去物理意义；第四，飞行高度与大气路径是否需要对大气校正做额外处理。把这四点与前面的反射曲线对照，就能把“物理基础”转化为可执行的选型判断，而不是停留在概念层面。