1. 课程导入与找矿问题界定

遥感找矿的核心任务，是从多光谱或高光谱影像中识别与矿化有关的蚀变异常，并把异常落到具体空间位置上，供野外查证与钻探部署参考。蚀变矿物（如绢云母、绿泥石、高岭石、褐铁矿）在可见光—短波红外区间具有诊断性吸收特征，但卫星传感器波段宽、混合像元严重、植被与阴影干扰强，导致蚀变信息往往被淹没在背景地物光谱中。直接对单波段做阈值分割，或简单波段比值，常常得到"到处是异常"或"异常被漏掉"的结果。主成分分析（PCA）正是为解决"多波段信息高度相关、蚀变信号弱且与背景混叠"这一矛盾而引入的统计变换工具。

需要先界定清楚：PCA在本课程中不是分类器，也不是端到端的找矿模型，而是一种正交线性变换与信息重分配手段。它把原始n个波段投影到n个互不相关的主成分方向上，方差大的方向承载背景地物（地形、植被、亮度差异）的主要信息，方差小的方向则可能集中了蚀变矿物的微弱光谱差异。找矿应用的关键，是根据蚀变矿物的诊断吸收波段，判断哪一个主成分的载荷符号组合符合该矿物"某波段吸收、某波段高反射"的特征，从而把该主成分当作蚀变分量来增强显示。这一判断依赖对波段物理意义的理解，而非机械地取"最后一主成分"。

上图把本课程的逻辑主线固定下来：左侧是找矿任务与数据现实，中间是PCA这一变换工具，右侧是蚀变分量、异常分级与查证结果。可以看到，PCA处在"数据"与"地质解释"之间的枢纽位置，它既不产生新的物理观测，也不自动给出矿化结论，而是把多波段中难以肉眼分辨的微弱差异，重新组织到少数几个可判读的分量上。因此本课程后续所有操作，都围绕一个判断展开：哪一个主成分、依据什么载荷符号，可以被解释为某类蚀变矿物的增强分量。

为什么不能把PCA当成"黑箱降维"

常见误区是：对影像做PCA，取方差最大的前几个主成分做彩色合成，看到有花纹就当作异常。这种做法的问题在于，PC1通常由地形阴影和整体亮度主导，PC2常与植被绿度或湿度相关，真正的蚀变信息可能藏在方差很小的PC4、PC5中，且其载荷符号组合才是判别依据。以Landsat 8 OLI为例，若用2、4、5、6、7波段（对应可见光蓝、红、近红外、短波红外1、短波红外2）做PCA，绢云母在2.2μm附近（波段7）有吸收、在1.6μm附近（波段6）相对高反射，则代表绢云母的蚀变分量通常表现为波段7载荷为负、波段6载荷为正的组合。若某分量载荷符号相反，则它增强的可能是绿泥石等另一类矿物，或只是噪声。可见，载荷矩阵的解读是PCA找矿不可跳过的一步，也是本课程要重点训练的能力。

本课程要解决的具体问题

围绕"用PCA提取蚀变信息并支撑找矿部署"，课程将逐层展开以下问题，并在后续章节中配合可复现的示例参数与判读依据：

• 数据与波段：不同传感器（Landsat 8/9、ASTER、Sentinel-2、高光谱）哪些波段组合对绢云母、绿泥石、高岭石、褐铁矿敏感，波段选择如何影响PCA结果。
• 预处理：辐射定标、大气校正、去条带与云掩膜为何必须在PCA之前完成；未做大气校正时，气溶胶差异会进入PC1并污染后续分量。
• 变换与判读：协方差矩阵特征分解的实现方式，载荷矩阵的读取方法，如何用"诊断吸收波段为负、对比波段为正"的规则锁定蚀变分量。
• 异常分级：以蚀变分量像元的均值与标准差为基准，采用均值+2σ、+3σ分级，并说明示例阈值仅作教学演示，实际需结合区域背景调整。
• 结果校验：用已知矿点、地质图与野外查证点检验异常的空间合理性，区分真实蚀变异常与伪异常（如水体边缘、云影、裸土亮斑）。

需要强调参照约定：本课程中"载荷为正"指该波段在主成分方向上的投影系数为正，即该波段亮度升高会使该主成分值升高；"吸收波段载荷为负"意味着该波段反射率降低时主成分值反而升高，这正是蚀变矿物在该波段吸收、在对比波段高反射时被增强的数学表现。全文与图示均采用这一约定，后续不再重复说明。掌握这一约定，读者才能在拿到任意一组PCA结果时，独立判断哪个分量值得进一步做异常提取，而不是依赖他人给定的"第几主成分"。

从任务闭环看，本课程的终点不是一张漂亮的彩色异常图，而是一条可追溯的证据链：输入影像与波段选择有依据，预处理有记录，载荷判读有解释，阈值分级有标准，异常落点有地质与野外信息支撑。PCA在其中承担的是"把弱信号搬到可判读位置"的角色，找矿判断仍由地质认识与查证结果最终裁定。带着这一角色定位进入后续学习，才能避免把统计变换误当作找矿结论。