2、高光谱成像基础：光谱学基本原理、光谱分辨率与波段数、高光谱数据立方体（x,y,λ）的构成与解读
高光谱成像（Hyperspectral Imaging, HSI）并非简单的“拍照”，而是将传统的二维空间成像与一维光谱探测深度融合，形成一种“图谱合一”的三维数据获取技术。要掌握数据采集与校准技巧，首先必须深刻理解其物理基础与数据本质。本章将从光谱学的基本原理出发，厘清光谱分辨率与波段数的关系，并重点拆解高光谱数据立方体（x, y, λ）的物理意义与解读方法，为后续的辐射定标、几何校正与数据质量分析打下坚实的理论基础。
2.1 光谱学基本原理：从电磁波到物质指纹
光谱学的核心在于研究物质与电磁辐射的相互作用。当入射光照射到地物表面时，会发生反射、吸收、透射和散射等物理过程。不同物质因其分子结构和化学组成不同，对不同波长的电磁波具有选择性吸收和反射特性，从而形成独特的光谱曲线，这被称为物质的“光谱指纹”。高光谱成像正是利用这一原理，通过获取连续且窄波段的光谱信息，实现对地物成分的精细识别与定量反演。
在可见光-近红外（VNIR, 400-1000 nm）和短波红外（SWIR, 1000-2500 nm）范围内，主要的光谱信息来源于电子跃迁和分子振动。例如，植被在450nm和680nm附近因叶绿素强吸收形成低谷，在近红外波段因细胞结构散射形成高反射平台；土壤中的铁氧化物在900nm附近有特征吸收；矿物中的羟基（OH⁻）在2200nm附近有诊断性吸收带。理解这些物理机制，是选择波段范围、设计采集方案和解释数据的基础。
2.2 光谱分辨率与波段数：精度与数据量的权衡
光谱分辨率（Spectral Resolution）通常定义为传感器响应函数半高全宽（FWHM）所对应的波长范围，单位为纳米（nm）。波段数（Number of Bands）则是指传感器在覆盖波长范围内采样的离散通道数量。两者共同决定了光谱维的信息密度。高光谱传感器通常具有数百个波段，波段宽度在5-10nm之间，而多光谱传感器（如Sentinel-2）仅有10-20个宽波段（20-100nm）。
选择光谱分辨率与波段数时，需遵循以下判断流程：
- 明确应用目标：如果是矿物填图，需要10nm以内的分辨率以区分不同矿物的特征峰；如果是植被叶绿素含量反演，5-10nm分辨率即可满足需求。
- 评估信噪比（SNR）：波段越窄，到达传感器的能量越少，信噪比越低。在弱光照条件下，过窄的波段会导致噪声急剧增加。
- 考虑数据存储与处理成本：波段数增加一倍，数据量增加一倍，处理时间呈非线性增长。
| 参数类型 | 多光谱 | 高光谱 | 超光谱（研究级） |
|---|---|---|---|
| 波段数 | 10-20 | 100-400 | >1000 |
| 光谱分辨率 (FWHM) | 20-100 nm | 5-10 nm | <2 nm |
| 数据立方体大小 (512×512) | ~5 MB | ~200 MB | >1 GB |
| 典型应用 | 植被指数、水体监测 | 矿物填图、精细农业 | 大气科学、实验室分析 |
2.3 高光谱数据立方体（x, y, λ）的构成与解读
高光谱数据立方体是一个三维数组，其中x和y代表空间维（图像的行列坐标），λ代表光谱维（波长或波段序号）。这个立方体可以从三个维度进行切片解读：
- 空间切片（x-y平面）：固定某一波段λᵢ，得到该波长下的单波段灰度图像I(x, y, λᵢ)。它反映了地物在特定波长下的空间分布与反射强度差异。
- 光谱切片（x-λ平面）：固定某一行y₀，得到该行所有像元的光谱变化剖面，常用于检查光谱维的连续性与异常像元。
- 像元光谱（λ维向量）：固定空间坐标(x₀, y₀)，提取该像元的光谱曲线I(λ)。这是进行地物识别与定量反演的基本单元。
在实际解读中，需注意数据立方体的存储格式（BSQ、BIL、BIP）对读取效率的影响。BSQ格式按波段顺序存储，适合单波段快速显示；BIP格式按像元顺序存储，适合光谱维的快速提取。在采集数据后，应首先检查立方体的三个维度是否完整，是否存在坏线、条带或暗角。
2.4 案例拆解：利用光谱曲线识别不同地物类型
场景背景：在某矿区进行无人机高光谱飞行，搭载400-1000nm波段范围的推扫式传感器，光谱分辨率5.5nm，共120个波段。飞行高度120m，地面分辨率5cm。目标是从数据立方体中快速区分裸岩、植被和人工地物（蓝色铁皮房顶）。
初始现象：在单波段图像（650nm）中，裸岩与铁皮房顶均呈现高亮度，难以区分。若仅使用RGB合成（630nm、550nm、470nm），铁皮房顶呈蓝色，但裸岩与水泥地易混淆。
分析过程：
- 从数据立方体中提取三个典型像元的光谱曲线：裸岩（x=120, y=340）、植被（x=200, y=150）、铁皮房顶（x=80, y=280）。
- 观察光谱形态：植被在680nm处有明显吸收谷，在750nm后反射率急剧上升（红边效应）；裸岩光谱曲线平缓，在850nm附近有轻微吸收；铁皮房顶在400-500nm反射率较高，在600nm后反射率下降，且曲线呈锯齿状（可能受涂层颜料影响）。
- 计算归一化植被指数（NDVI = (R850 - R680) / (R850 + R680)），植被像元NDVI=0.78，裸岩=0.15，铁皮房顶=0.08。
操作步骤：在ENVI或Python中，使用“Z Profile”工具提取光谱曲线，通过光谱库匹配（如USGS光谱库）进行自动识别。对于铁皮房顶，其光谱与标准光谱库不匹配，需结合空间纹理特征进行人工解译。
结果对比：仅用RGB合成，分类精度约65%；加入120个波段的光谱信息后，采用支持向量机（SVM）分类，总体精度提升至92%。代价是数据处理时间增加了约40分钟（原始数据约8GB）。
复盘经验：光谱维信息是解决“同物异谱”和“异物同谱”问题的关键。但需注意，大气吸收带（760nm附近氧气吸收、940nm水汽吸收）处的波段噪声较大，在分析前应进行大气校正或剔除这些波段。