遥感图像基础：成像原理、传感器与光谱特性
各位同学好，我是老张。今天咱们聊聊遥感图像的基础。说实话，很多做去雾和对比度拉伸的朋友，上来就调参数，结果效果时好时坏。为什么？因为你不了解图像是怎么来的。
我刚开始接触遥感时也犯过这毛病。有一次处理Landsat-8数据，怎么拉伸都感觉不对劲。后来一查，原来是波段选择错了。嗯，从那以后，我养成了一个习惯：拿到影像先看元数据，搞清楚传感器和波段再说别的。
遥感成像原理：光是怎么变成数字的？
说白了，遥感成像就是传感器接收地物反射或发射的电磁辐射，然后把它量化成数字。整个过程分三步：
- 能量来源：太阳光照射到地面，或者地物自身发射热辐射。
- 大气传输：电磁波穿过大气层，会被吸收、散射。这也是为什么我们需要去雾——大气效应把图像搞模糊了。
- 传感器记录：卫星上的探测器把接收到的辐射强度转换成DN值（Digital Number，数字量化值）。
核心概念：DN值 ≠ 真实反射率。DN值只是传感器记录的原始数字，要经过辐射定标和大气校正才能得到物理量。很多初学者直接拿DN值做对比度拉伸，效果当然不稳定。
你想想看，同样的地物，在不同光照条件、不同大气状态下，DN值可能差很多。所以做去雾和拉伸之前，我建议至少做一步辐射定标。
常见传感器：Landsat 与 Sentinel-2
目前做遥感图像处理，最常用的两个数据源就是Landsat系列和Sentinel-2。我个人的经验是：
- Landsat：历史数据长，从1972年到现在，适合做时间序列分析。空间分辨率30米，够用。
- Sentinel-2：时间分辨率高（5天重访），波段更多，尤其是红边波段对植被分析很有用。
下面这个表格是我整理的对比，大家做项目选数据源时可以参考：
| 参数 | Landsat-8/9 OLI | Sentinel-2 MSI |
|---|---|---|
| 空间分辨率 | 30 m（多光谱） / 15 m（全色） | 10 m（可见光-近红外） / 20 m（红边-短波红外） |
| 波段数量 | 11 个波段 | 13 个波段 |
| 重访周期 | 16 天 | 5 天（双星） |
| 幅宽 | 185 km | 290 km |
| 辐射分辨率 | 12 bit | 12 bit |
我的建议：如果做城市或精细农业，优先选Sentinel-2，10米分辨率能看清更多细节。如果做长时间序列的植被变化，Landsat的存档数据更丰富。
图像波段与光谱特性
波段是什么？就是传感器在不同波长范围记录的图像。每个波段对应一个光谱区间。我记得有一次做水体提取，用近红外波段效果很差，换成绿波段就好多了。这就是波段选择的重要性。
下面这张图展示了Landsat-8和Sentinel-2的主要波段及其典型应用：
光谱特性：不同地物长什么样？
不同地物在不同波段的光谱响应是不一样的。这就是我们做遥感分类和去雾的基础。我给大家总结几个典型地物的光谱特征：
- 植被：在绿波段（~0.55μm）有个小反射峰，所以看起来是绿色的。在近红外（~0.8μm）反射率急剧上升，这是植被最明显的特征。
- 水体：从可见光到近红外，反射率持续下降。在近红外波段几乎全吸收。所以用近红外波段可以很好地提取水体。
- 裸土/建筑：光谱曲线比较平缓，没有明显的吸收谷或反射峰。在短波红外波段反射率较高。
- 雪/云：在所有可见光波段反射率都很高，在短波红外波段反射率下降。这也是区分云和雪的一个方法。
注意：雾霾对蓝波段的影响最大，对近红外影响较小。所以做去雾时，我一般会先看蓝波段的直方图——如果蓝波段直方图整体右移且对比度很低，说明雾霾严重。这时候用暗通道先验或者直方图均衡化，效果会比较明显。
波段组合与真彩色/假彩色
我们平时看到的遥感图像，其实是多个波段组合的结果。常见的组合方式有：
| 组合名称 | 波段组合（R-G-B） | 适用场景 |
|---|---|---|
| 真彩色 | B4-B3-B2（Landsat） | 接近人眼视觉，适合目视解译 |
| 标准假彩色 | B5-B4-B3（Landsat） | 植被显示为红色，适合植被监测 |
| 城市假彩色 | B7-B6-B4（Landsat） | 城市/裸土显示为紫色/粉色 |
| 植被健康 | B8-B4-B3（Sentinel-2） | 红边波段增强，植被细节更丰富 |
我个人做去雾处理时，习惯先用真彩色看看雾霾分布，再用假彩色看看植被区域有没有被雾霾影响。如果假彩色图像上植被区域发灰发白，说明雾霾确实严重，需要做去雾处理。
小结
这一章我们聊了遥感图像是怎么来的，Landsat和Sentinel-2这两个常用传感器有什么区别，以及不同波段的光谱特性。这些基础知识，是后面做去雾和对比度拉伸的根基。你想想看，如果你连波段都搞不清楚，怎么知道该对哪个波段做拉伸？