1. 课程导论

高光谱遥感把成像光谱仪搭载在卫星、航空或无人机平台上，在可见光—短波红外（约0.4～2.5 μm）范围内以纳米级光谱采样间隔连续记录地物反射率，形成"图谱合一"的三维数据立方体。对矿物填图而言，这一数据形式的独特价值在于：不同矿物在特定波长处具有诊断性吸收特征，例如含铁矿物在0.85～0.95 μm附近的宽吸收、Al-OH矿物（高岭石、明矾石、白云母）在2.17～2.21 μm附近的窄吸收、Mg-OH矿物（绿泥石、滑石）在2.30～2.35 μm附近的吸收，以及碳酸盐矿物在2.31～2.34 μm的特征。这些吸收的位置、深度与对称性，构成了识别矿物种类与丰度的物理基础。

然而，一个像元往往覆盖数米到数十米的地面范围，其中同时存在多种矿物、植被、土壤与阴影。传感器记录的是这些成分反射率的非线性混合结果，直接对像元光谱做匹配往往失效。因此本课程的两大核心任务被明确区分：端元提取是"找成分"——从数据中确定存在哪些纯净地物光谱（端元），并给出其光谱曲线；光谱解混是"算比例"——在给定端元集合的前提下，求解每个像元中各端元的丰度，并满足丰度非负、和为1的约束。前者回答"有什么"，后者回答"有多少、在哪里"，二者共同构成从光谱立方体到矿物分布图的桥梁。

上图给出了本课程贯穿始终的技术主线。需要强调的是，端元提取与解混并非简单的先后两步，而是一个需要反复迭代的闭环：端元数量估计偏少会导致混合像元被强行拟合、残差偏大；端元数量偏多则会引入虚假端元，使丰度图出现不合理的斑块。实际工作中常以重构误差（RMSE）随端元数变化的"肘部"、以及端元光谱是否具有可解释的诊断吸收，作为判断依据。

典型应用场景与数据条件

矿物端元提取与解混的典型应用包括：蚀变矿物填图与找矿靶区圈定（如斑岩铜矿外围的高岭石—明矾石—绢云母分带）、矿山环境监测（酸性矿山排水相关的黄钾铁矾、施威特曼石识别）、行星与月球表面矿物反演、以及岩芯高光谱扫描的矿物定量编录。这些场景的共同前提是：数据已完成辐射定标与大气校正，反射率量纲一致；研究区存在相对纯净的像元或至少存在可分离的光谱端元；并且有地面实测光谱或 XRD 矿物分析作为验证样本。

以一个教学示例说明参数与判断方式（以下数值为合理假设，非实测结果）：假设使用 2.0～2.4 μm 区间的 60 个波段，对一幅 200×200 像元的机载高光谱影像做分析。先做 MNF 变换，观察特征值曲线在前 8～10 个分量后明显下降，据此初步设定端元数 p 在 6～10 之间；用 VCA 提取候选端元，逐一检查 2.17 μm、2.20 μm、2.33 μm 附近是否存在吸收谷，剔除无诊断特征的"伪端元"；再用 FCLS 解混，统计全图 RMSE 分布，若均值约 0.02、95% 分位数低于 0.05（反射率量纲），则认为模型基本合理；若某些区域 RMSE 显著偏高，往往提示遗漏了阴影、植被或某种含水硫酸盐端元，需要回到端元提取环节补充。