2、高光谱遥感基础：电磁波谱、光谱分辨率、成像光谱仪原理与数据立方体概念
高光谱遥感的核心在于“图谱合一”——它同时获取地物的空间图像与连续光谱信息。要理解这一技术，首先需要建立从电磁波谱到数据立方体的完整认知链条。本章将围绕四个关键概念展开：电磁波谱中遥感常用波段的位置与特性、光谱分辨率对地物识别能力的决定性影响、成像光谱仪如何同时获取空间与光谱信息，以及数据立方体这一核心数据组织形式的物理意义与使用逻辑。
2.1 电磁波谱与遥感窗口
电磁波谱涵盖了从伽马射线到无线电波的连续频率范围。高光谱遥感主要利用的是反射太阳辐射的波段，集中在可见光（VIS，400–700nm）、近红外（NIR，700–1100nm）和短波红外（SWIR，1100–2500nm）区域。这一区间被称为“反射光学窗口”，因为在此范围内，地物对太阳辐射的反射和散射行为携带了丰富的物质成分信息。
不同地物在特定波长处具有特征吸收谷或反射峰，这些特征源于电子跃迁、分子振动和倍频吸收等物理机制。例如，植被在680nm附近因叶绿素吸收呈现明显低谷，在750nm后反射率急剧上升形成“红边”；矿物中的Al-OH基团在2200nm附近有特征吸收。高光谱传感器通过密集采样这些连续波段，能够捕捉到宽波段遥感无法分辨的细微光谱差异。
| 波段区域 | 波长范围 | 主要信息类型 | 典型应用 |
|---|---|---|---|
| 可见光 (VIS) | 400–700 nm | 色素吸收、颜色特征 | 植被叶绿素、水体浑浊度 |
| 近红外 (NIR) | 700–1100 nm | 细胞结构散射、含水量 | 植被生物量、作物长势 |
| 短波红外 (SWIR) | 1100–2500 nm | 分子振动、矿物成分 | 矿物填图、土壤有机质 |
2.2 光谱分辨率：区分地物的关键能力
光谱分辨率指传感器记录电磁辐射的最小波长间隔，即波段宽度Δλ。多光谱遥感（如Landsat）通常只有几个到十几个宽波段（Δλ=50–100nm），而高光谱遥感拥有数百个连续窄波段（Δλ=5–10nm）。光谱分辨率的提升意味着能够分辨更精细的光谱特征，从而区分光谱曲线相似但成分不同的地物。
以两种相似矿物为例：高岭石和蒙脱石在可见光波段几乎无法区分，但在2200nm附近的吸收特征位置和深度存在差异。只有光谱分辨率足够高（Δλ≤10nm）时，才能准确捕捉这些细微差别。光谱分辨率还影响混合像元分解的精度——窄波段能提供更多约束条件，减少反演的不确定性。
2.3 成像光谱仪的工作原理
成像光谱仪是获取高光谱数据的核心硬件设备。其基本结构包括：前置光学系统（望远镜）、狭缝、准直镜、色散元件（光栅或棱镜）、聚焦镜和面阵探测器。工作原理可概括为：地物辐射经望远镜收集后，通过狭缝形成一条窄带视场；该视场内的光经准直后照射到色散元件上，不同波长的光被分开，再经聚焦镜成像在面阵探测器上。探测器的一维对应空间位置（沿狭缝方向），另一维对应光谱波长。
实际飞行中，成像光谱仪通常采用推扫（Push-broom）或摆扫（Whisk-broom）模式。推扫式传感器利用平台运动，逐行获取二维空间信息，配合面阵探测器一次获取一整行像元的光谱；摆扫式则通过旋转扫描镜逐点采样。现代主流机载系统（如AVIRIS、HySpex）多采用推扫式，因其光能利用率高、信噪比好、几何畸变小。
成像光谱仪核心参数示例（以机载推扫式为例）：
- 光谱范围：400–2500 nm
- 波段数：224（VNIR: 96, SWIR: 128）
- 光谱采样间隔：约10 nm
- 空间像元数（沿轨/跨轨）：640 / 1024
- 瞬时视场角 (IFOV)：0.5 mrad
- 总视场角 (FOV)：30°
- 量化位数：12 bit（可调至16 bit）2.4 数据立方体：高光谱数据的组织与存储
高光谱数据以三维数据立方体（Data Cube）的形式组织，其中两个维度（x, y）表示空间位置，第三个维度（λ）表示光谱波段。每个像元对应一条完整的光谱曲线，每个波段对应一幅空间灰度图像。这种结构使得数据既可以被视为“具有光谱维的图像序列”，也可以被视为“具有空间分布的光谱库”。
数据立方体的存储格式直接影响读写效率和算法设计。常见的三种格式为：
- BSQ（Band Sequential）：按波段顺序存储，每个波段为一个完整的二维图像。适合逐波段处理，但读取单个像元的光谱曲线效率较低。
- BIL（Band Interleaved by Line）：按行存储，每行包含所有波段的数据。在空间与光谱访问之间取得平衡。
- BIP（Band Interleaved by Pixel）：按像元存储，每个像元的所有波段连续排列。最适合逐像元光谱分析，但空间滤波操作效率低。
| 存储格式 | 数据排列方式 | 优势 | 劣势 | 适用场景 |
|---|---|---|---|---|
| BSQ | 波段1 → 波段2 → … | 波段操作高效 | 像元光谱读取慢 | 波段选择、图像分类 |
| BIL | 行1所有波段 → 行2… | 空间/光谱折中 | 两种访问均非最优 | 通用处理 |
| BIP | 像元1所有波段 → 像元2… | 光谱读取极快 | 空间操作效率低 | 光谱匹配、混合像元分解 |
2.5 案例拆解：从数据立方体到矿物填图
以某矿区机载高光谱矿物填图任务为例，说明数据立方体的实际应用流程。任务目标：识别研究区内高岭石、明矾石和叶蜡石三种蚀变矿物的空间分布。
初始条件：使用HySpex传感器获取数据，光谱范围400–2500nm，共224个波段，空间分辨率2m，数据立方体大小为1024×2048×224（约4.7亿像元值）。原始数据以BSQ格式存储，单文件约940MB。
分析过程：
- 数据预处理：将BSQ格式转换为BIP格式，便于逐像元光谱分析；进行辐射定标（将DN值转换为反射率）和大气校正（使用MODTRAN模型）。
- 光谱重采样：将224个波段重采样至190个有效波段，去除水汽吸收带（1350–1450nm、1800–1950nm）和信噪比过低的边缘波段。
- 端元提取：使用PPI（像元纯净指数）算法从数据立方体中提取候选端元光谱，结合USGS光谱库进行匹配，确定三种矿物的参考光谱。
- 光谱角填图（SAM）：对每个像元计算其光谱与三种参考光谱的光谱角，设定阈值（如0.1弧度），将像元归类为最相似的矿物类型。
- 结果验证：将填图结果与野外X射线衍射（XRD）分析结果对比，总体分类精度达87%。
复盘与代价：处理过程中发现，BIP格式转换耗时约15分钟，但后续SAM算法运行速度提升了3倍。大气校正参数的选择对结果影响显著——使用不同气溶胶模型时，高岭石和明矾石的分类精度差异达12%。最终选择与当日气象条件最匹配的模型参数，才获得可靠结果。
2.6 常见误区与总结
初学者在处理高光谱数据时，常陷入以下误区：
- 忽视光谱分辨率与地物特征宽度的匹配：并非波段越窄越好，过窄的波段会增加噪声，而过宽的波段会平滑掉关键吸收特征。
- 混淆辐射分辨率与光谱分辨率：辐射分辨率指传感器记录辐射亮度的量化等级（如12bit vs 16bit），与光谱分辨率是不同概念，但共同影响数据质量。
- 忽略数据立方体的存储格式对算法效率的影响：在BIP格式上运行逐波段操作，或在BSQ格式上运行逐像元操作，都会导致I/O瓶颈。
- 直接使用原始DN值进行分析：未进行辐射定标和大气校正的数据，其光谱曲线无法与参考光谱库匹配，导致分类结果不可靠。