1. 课程导入与SAM矿物分类全景

光谱角匹配（Spectral Angle Mapper，SAM）是ENVI中一种基于光谱形状相似性的分类方法。它把每条像元光谱看作高维空间中的一个向量，通过计算像元光谱向量与参考光谱向量之间的夹角来判定类别。夹角越小，说明两条光谱在波形走势上越接近；夹角为0表示方向完全一致。由于SAM只比较向量的方向、不比较向量的长度，因此它对整体反射率受光照、地形阴影、反照率差异引起的明暗变化具有较好的耐受性，这一点在矿物填图中尤为重要——同一矿物在不同坡向、不同照度下反射率整体缩放，但吸收特征的位置与相对形态基本保持稳定。

需要先明确一个参照约定：本课程中所有“夹角”均指两条光谱向量在波段空间中的广义夹角，取值范围为0°～90°，数值越小表示相似度越高；SAM输出的角度分类图与规则分类图均以此定义为准，后续章节不再重复说明。同时要区分SAM与光谱信息散度（SID）、匹配滤波（MF）等方法：SAM强调形状，SID强调概率分布差异，MF强调目标在背景中的丰度响应。矿物填图中，SAM常作为快速圈定蚀变异常、生成矿物分布初判图的第一道工序。

上图把整门课的实战链路压缩成四个阶段，并同时给出SAM的几何原理与ENVI界面中真正会用到的四个面板。学习时建议把这张图当作“地图”：每进入一个新章节，先回到图上确认自己处在哪个阶段、输入是什么、输出要交给谁。

本课程的学习目标

完成本课程后，你应当能够独立完成一条从高光谱影像到矿物分布图的完整作业链，具体包括四项可检验的能力。第一，能判断一份高光谱数据是否具备做SAM填图的前提条件，包括波段范围是否覆盖目标矿物的诊断性吸收特征（如Al-OH在2.17～2.21 μm、Fe-OH在2.25～2.30 μm、碳酸盐在2.31～2.35 μm附近的吸收），以及信噪比、空间分辨率是否满足比例尺要求。第二，能从USGS光谱库或影像自身端元中构建与影像波段严格对齐的参考光谱，并理解为什么重采样对齐是SAM成败的关键一步。第三，能在ENVI中正确设置SAM参数并解释角度图的含义，而不是只记住点哪个按钮。第四，能对分类结果做阈值调优与精度评价，给出有依据的矿物分布解释。

SAM在矿物填图中的定位

矿物填图的方法谱系大致可分为三类：基于诊断吸收特征的位置与深度（如连续统去除后的吸收深度、吸收位置制图）、基于光谱形状整体相似性（SAM、SID）、基于统计分解与丰度反演（MF、MTMF、线性解混）。SAM处在第二类，它的优势是无需假设端元丰度、计算量小、对整体亮度变化稳健，适合在大范围影像上快速圈定“哪些像元的光谱形状像某矿物”；它的局限也同样明确：当两种矿物的光谱形状高度相似（例如不同类别的白云母或伊利石）时，SAM容易混淆，此时需要结合吸收位置偏移、吸收深度比值等特征做二次判别，或改用MTMF等方法。因此在本课程中，SAM被定位为“第一道筛选与异常圈定工具”，而不是最终定论工具。

实战流程的整体逻辑

四个阶段之间存在明确的依赖关系，任何一环出错都会向下游传递。数据准备阶段若未做大气校正，水汽吸收波段附近的畸变会直接抬高夹角，导致漏分；参考光谱若未按影像波段重采样，SAM会因波段数不匹配而无法运行，或被迫使用近似波段从而引入系统偏差；SAM计算阶段的最大角度阈值若设得过宽（例如默认的0.1弧度约5.7°），会把大量背景像元划入目标类，设得过窄则目标类破碎、漏分严重；结果判读阶段若不做独立样本验证，就无法判断阈值是否合理。

为了让流程可执行，下面给出一份可直接对照使用的阶段检查表，字段均对应真实操作与判断依据，可在实际作业中逐项勾选。

最后需要建立的一个观念是：SAM输出的角度图本身携带的信息比二值分类图更丰富。角度值是一个连续相似度度量，阈值只是把它切成类别。因此在实战中应养成先看角度直方图、再定阈值的习惯——直方图若呈明显双峰，说明目标与背景可分性好，阈值取谷底附近即可；若呈单峰长尾，则说明目标信号弱或参考光谱代表性不足，此时应回到参考光谱阶段复查，而不是反复调阈值。这一判断逻辑将贯穿后续所有章节。