3. 高光谱数据特性与预处理

高光谱矿物端元提取的成败，往往在打开影像之前就已经被数据质量决定了。端元提取算法（如PPI、N-FINDR、MNF后接VCA等）本质上是在光谱空间中寻找凸包顶点或极值方向，它们对两类误差极其敏感：一是系统性偏差，如未定标导致的辐亮度量纲混乱、大气路径辐射叠加造成的“伪吸收”；二是随机噪声，尤其是条带、坏像元和低信噪比波段，会让极值点落在噪声尖峰上，提取出物理上不存在的“假端元”。因此，端元提取前的预处理不是可选项，而是一条必须走完的数据质量保障链。

从DN值到地表反射率：定标与大气校正的衔接

原始高光谱影像通常以DN值存储，第一步是辐射定标，把DN转换为具有物理意义的辐亮度。以常见的线性定标为例，定标系数一般以增益和偏移给出：

L = gain × DN + offset        # 单位：μW·cm⁻²·sr⁻¹·nm⁻¹ 或 W·m⁻²·sr⁻¹·μm⁻¹
# 示例（假设值）：gain = 0.0125, offset = -0.35
# DN=2000 → L = 0.0125×2000 - 0.35 = 24.65

定标后必须核对量纲与增益符号，并检查是否存在饱和像元（DN达到上限）和零值区。若增益为负或量纲与后续大气校正模型不匹配，反射率反演会整体偏移。

大气校正的目标是去除大气分子散射、气溶胶散射和水汽吸收，得到地表反射率。工程上常用辐射传输模型（如MODTRAN、6S）配合影像自身反演的气溶胶光学厚度，或采用基于暗像元/经验线性的方法。以FLAASH类模型为例，关键输入包括：传感器高度与像元大小、成像时间与太阳几何、气溶胶模型、水汽与能见度初值。校正后应重点检查：植被在0.55 μm附近的绿峰是否合理、水体在近红外是否接近零反射、以及1.4 μm和1.9 μm水汽吸收带是否被有效压制。若整幅影像反射率出现负值或大面积“平顶”，通常说明气溶胶反演或定标环节存在问题，需回退排查，而不是直接进入端元提取。

噪声评估：先量化，再决定去噪策略

噪声评估的目的是给出每个波段的可信度，为波段选择和去噪提供依据。常用做法包括：均匀区域标准差法（选取同质区计算波段标准差）、局部均值与方差关系法（噪声估计），以及基于MNF变换的特征值分析——MNF将噪声白化后按信噪比排序，特征值曲线拐点之后的分量通常以噪声为主。实际操作中可先做MNF，观察前若干分量的特征值，若第k个分量之后特征值接近1且趋于平坦，说明这些分量信噪比很低。

需要强调的是，去噪与端元提取存在张力：过度平滑会削弱窄吸收特征（如2.2 μm附近的Al-OH吸收），使端元光谱“变钝”。因此建议保留原始反射率与去噪后反射率两套数据，端元提取以原始数据为主、去噪数据用于交叉验证。对坏像元和条带，应优先用掩膜剔除而非插值填补，避免人为制造虚假光谱。

光谱重采样：让影像与光谱库在同一波长网格上对话

端元提取后需要与光谱库（如USGS、JPL）比对识别矿物，而影像波段中心波长与光谱库采样间隔往往不一致。重采样的核心是把高分辨率光谱库卷积到传感器的光谱响应函数上，而不是简单取最近邻波段。以高斯型响应近似为例：

# 对光谱库反射率 ρ(λ) 按传感器波段响应 R(λ) 加权平均
ρ_band = Σ ρ(λ)·R(λ) / Σ R(λ)
# 示例：中心波长2200 nm、FWHM 20 nm 的波段
# 对USGS光谱在2190–2210 nm区间按高斯权重积分

重采样时必须保证影像与光谱库使用同一波长单位和同一响应函数；若忽略FWHM差异，2.2 μm吸收深度会被系统性低估或高估，导致矿物丰度反演偏差。建议在重采样后绘制影像端元与库光谱的叠合曲线，检查吸收位置与深度是否对齐。

把质量保障做成可执行的检查单

为了让上述环节可复现，建议在端元提取前形成一份数据质量检查单，逐项记录并给出放行判断。下面是一份可直接参考填写的示例（数值为教学假设，不代表实测结果）：

综上，辐射定标解决“量纲可信”，大气校正解决“物理可信”，噪声评估解决“波段可信”，光谱重采样解决“比对可信”。四者共同构成端元提取前的数据质量保障链，任何一环缺失，后续的端元识别与丰度反演都缺乏可靠基础。