高光譜影象具有“圖譜合一”特徵，讓高光譜遙感理論上具備眾多應用優勢，如礦物種類識別、樹種分類、農作物水分/肥力監測、水質引數反演等。這些應用的基礎是從高光譜影象中能獲取連續波譜曲線和表現物質反射/吸收的特徵波譜。然而，現實很骨感，因為資料很匱乏。

今天，現實有可能會被高分五號改變。高分五號於5月9號發射，並於5月13號接收到首軌影象，預計經過半年的除錯和測試即可正式投入使用。高分五號是世界首顆實現對大氣和陸地綜合觀測的全譜段高光譜衛星，也是高分家族中唯一一個高光譜觀測衛星。

應用基礎

高光譜遙感實際上是按照感測器型別來劃分的，核心是高光譜影象及圍繞高光譜影象的應用。高光譜影象的光譜通道窄（<10nm）而連續，從每個像元均可提取一條連續的光譜曲線。

圖：高光譜影象示意圖

地球上不同的物質都有自己獨特的光譜特徵，物質的光譜就像人的“指紋”一樣。利用光譜分析可以通過“圖譜合一”探測物質的具體成分。如下例子中，對赤鐵礦光譜和高光譜影象上獲取的光譜進行對比分析，就可以得到赤鐵礦的分佈。

注：該例子來源於“基於Hymap高光譜影象的澳大利亞Tasmania赤鐵礦填圖”，引自張兵課題組（中科院空天資訊研究院）成果，Zhang, B. et al. Environ Earth Sci (2012) 65: 649. 9. 9. https://doi.org/10.1007/s12665-011-1112-y。

圖：不僅能探測一個地方有沒有礦，還可以分析是何種礦

物質在某些譜段具有特殊的波譜特徵，如葉綠素在0.50-0.52譜段是強反射峰區，在高光譜影象上可以顯現這種特徵，而多光譜影象上是看不到的。如下左圖為不同健康程度的植物波譜曲線，葉綠素是植被健康的重要指標，利用這個波譜特徵，就可以精確的分析作物病害程度。

圖：植被不同受損的波譜特徵與作物病蟲害監測

資料“匱乏”

高光譜感測器也是可以搭載在不同的平臺上。對於我們使用者來說，衛星高光譜影象的價格是最低的，有人說這個說法不對，製造和發射一個衛星需要上億。這是一個成本核算和運營方式的問題，這個上億元其實不需要消費者承擔。如果你選擇無人機拍攝，那麼你可能需要購買無人機和感測器，目前市場上微型高光譜感測器大約需要50萬+，當然你也可以購買別人飛行拍攝的資料。

圖：高光譜資料的“匱乏”

大家對美國Hyperion比較熟悉，這顆衛星屬於試驗性的，拍攝的資料比較少。歐空局的CHRIS同樣屬於試驗性。目前國際上星載高光譜影象獲取基本處於空白。

高分五號橫空出世，高分五號衛星的可見光短波紅外相機，光譜解析度可達5奈米，擁有330個探測通道。詳細引數如下：

• 光譜範圍：400nm~2500nm
• 空間解析度：30m
• 幅寬：60km
• 光譜解析度：VNIR:5nm，SWIR:10nm
• 譜段數：330
• 設計壽命：8年

單純看引數是過去和今天首屈一指的高光譜衛星。2021年9月7日11時01分在太原衛星發射中心用長征四號丙遙四十運載火箭成功發射高光譜觀測衛星(高分五號02星)。

“珠海一號”衛星星座很值得一提，於2018年4月26號4顆高光譜衛星發射上天。衛星引數非常漂亮：

• 光譜範圍：400nm~1000nm
• 空間解析度：10m
• 幅寬：150km@500km
• 光譜解析度：2.5nm
• 譜段數：256（可任意選擇32個譜段下傳）

這四顆高光譜衛星中有兩顆是冠名：青科大一號（OHS-01）和貴陽一號（OHS-03）。

圖：塞爾維亞高光譜影像展示，幅寬150km（來自歐位元網站）

預處理

高光譜影象跟多光譜影象的處理基本類似，包括幾何校正和大氣校正。我們在處理多光譜資料時候，大氣校正是根據應用場景可選擇的執行。對於高光譜來說大氣校正基本屬於必須要做的步驟。

可能由於高光譜感測器的技術性能等原因，星載高光譜影象中有部分波段有很明顯的噪聲，主要表現為條帶噪聲。目前主要方法是採用臨近像元均值替代的方式修復。

高光譜影象應用主要依靠的是地物波譜曲線，在噪聲去除的時候，雖然採用了一些精度相對較高的插值方法，可是依然還是有殘餘噪聲。因此，對於這些噪聲波段，合理的方法就是不用。比如Hyperion L1T級產品，雖然有242個波段，有效的其實只有164波段。其餘的波段噪聲或者無效波段被標識為BadBand而不用。

圖：高光譜影象的條帶噪聲（左-HJ-1A,右-Hyperion L1R）

影象分析

高光譜影象與多光譜影象的分析基礎有本質區別，多光譜影象主要是基於畫素的畫素值及延伸出的紋理、形狀等進行影象分析。對高光譜影象分析的實質是對像元光譜曲線的定量化處理與分析，在這個過程中，地物波譜特徵用影象或者波譜曲線表示，用已知的波譜曲線A和未知的波譜曲線B進行對比分析，從而得出波譜曲線A和B是否一致，或者佔多大比重（混合像元分解）；另外一個情況，如果一種物質A中摻和其他物質B而造成物質A的波譜特徵發生變化，可以建立物質A、物質B與波譜特徵變化三者之間的關係，這個也是定量遙感中物質反演的一個基本過程之一。這是高光譜遙感中的波譜識別的兩個主要過程。

第一種情況其實就是波譜識別，主要應用是影象分類和目標識別。在這個過程中重要的步驟是端元波譜獲取。端元波譜的物理意義就是指影象中具有相對固定光譜特徵的地物型別，也就是影象中只有一種物質的像元。廣義上講，端元波譜就是“分類訓練樣本”，即應用於波譜識別的標準波譜。如下圖為一種經典的從圖上獲取端元波譜的方法。當然，最簡單端元波譜獲取方法是直接從標準波譜庫中獲取。

圖：MNF+PPI+N維視覺化端元波譜獲取

有了端元波譜接下來就是分析方法，最常見也最好理解的就是波譜角填圖(Spectral Angle Mapper——SAM），波譜角填圖（SAM）使用n-維角度將像元與參照波譜進行匹配。該演算法是將像元N個波段的光譜看做N維波譜向量，通過計算與端元波譜之間的夾角判定兩個波譜間的相似度，夾角越小，說明越相似。

圖：波譜角示意圖

如下一個生物入侵高光譜遙感監測的例子，獲取了矢車菊(入侵植物)的端元波譜後，從高光譜影象上識別矢車菊的分佈。

圖：識別生物入侵植物

如下為一個目標識別的例子，在高光譜影象上有一個坦克的目標，以這個坦克範圍內的平均波譜曲線作為端元識別影象上其他區域，在樹林底下識別了疑似目標。

圖：圖上目標識別

總結

沉寂了多年的高光譜遙感大概率事件會被高分五號的發射而啟用，當然取決於高分五號的資料質量，以及是否免費、方便的獲取。

Landsat系列衛星是航天遙感的起點，哨兵-1的發射成為InSAR技術應用的轉折點。我們也希望高分五號成為高光譜遙感的新起點。

最後以一段話作為結尾：高光譜遙感可以實現對內陸/海洋水體、陸表生態環境、蝕變礦物、巖礦類別、森林/草原病蟲害、外來物種等進行綜合探測。