第1章多光谱遥感概述

1. 多光谱遥感概述

各位同学，今天咱们来聊聊多光谱遥感。说实话，这个领域我摸爬滚打了十几年，每次跟新人讲起，我都喜欢从最基础的电磁波开始——因为这是理解一切的钥匙。

电磁波谱，说白了就是各种电磁波按波长排了个队。从波长极短的伽马射线，到我们肉眼可见的可见光，再到波长很长的无线电波，它们本质上都是电磁波，只是频率不同。

我经常跟学生打比方：电磁波谱就像一条彩虹，但比彩虹宽得多。我们人眼能看到的，只是其中极小的一段——380nm到780nm的可见光。多光谱遥感呢，就是把这个范围拓宽了，让我们能看到"看不见"的东西。

关键概念：遥感中常用的电磁波谱区间包括：

为什么会这样划分？因为不同地物在不同波段的反射和辐射特性不一样。举个例子，健康的植被在近红外波段反射率很高，而水体在近红外几乎完全吸收。这就是我们做分类和监测的基础。

个人经验：我刚开始做遥感时，总觉得波段越多越好。后来在项目中吃过亏——波段太多，数据量大不说，波段间相关性也高，反而增加了处理难度。选波段要讲究"少而精"，针对你的应用场景来选。

多光谱成像，其实就是同时获取多个窄波段的地物反射或辐射信息。你想想看，普通相机只有红绿蓝三个波段，而多光谱传感器可以有几十个甚至上百个波段。

成像原理主要有这么几种：

我记得有一次做项目，需要融合Landsat和MODIS数据。Landsat是推扫式，MODIS是摆扫式，两者的几何特性完全不同。我当时花了两周时间做配准，才把两套数据对齐。嗯，这里要提醒大家：不同传感器的数据融合，第一步永远是几何配准，这一步做不好，后面全是白搭。

避坑指南：我曾经在融合Landsat和Sentinel-2数据时，直接用了默认的配准参数，结果分类精度反而下降了。后来发现，两个传感器的空间分辨率不同（30m vs 10m），需要先做重采样，再做配准。这个顺序不能乱。

下面说说三个我工作中最常用的传感器。它们各有特点，适合不同的应用场景。

Landsat是美国NASA和USGS的联合项目，从1972年到现在，已经跑了50多年。我个人觉得，Landsat是遥感界的"老黄牛"——数据稳定、免费、覆盖全球。

Landsat的波段设计很讲究。比如近红外波段（Band 5）对植被特别敏感，短波红外（Band 6、7）对土壤和矿物区分度好。我做植被覆盖度估算时，最喜欢用Band 5和Band 4的组合——归一化植被指数（NDVI）就是靠这两个波段算出来的。

Sentinel-2是欧洲航天局的"双子星"——A星和B星同时在天上飞。它的优势在于高空间分辨率（10m）和高时间分辨率（5天重访）。

我做过一个城市绿地监测的项目，Landsat的30m分辨率只能看出大块绿地，而Sentinel-2的10m分辨率能清楚看到街道两旁的树木。你想想看，这对城市规划有多重要。

Sentinel-2的亮点：

这里有个小技巧：Sentinel-2的红边波段可以用来估算叶绿素含量。我做过对比，用红边波段算出来的叶绿素指数，比用传统近红外波段算出来的精度高15%左右。

MODIS是搭载在Terra和Aqua卫星上的中分辨率传感器。它的特点是"大尺度、高频率"——每天能覆盖全球一次，但空间分辨率只有250m到1km。

说实话，MODIS不适合做精细地物识别，但做全球尺度的监测，它是无可替代的。比如全球植被覆盖度、海面温度、火灾监测，MODIS是首选。

我记得有一次做全国植被变化监测，Landsat数据量太大（全国需要几百景），处理起来很慢。后来改用MODIS的NDVI产品，虽然分辨率粗，但时间序列完整，处理速度快了10倍。说白了，选传感器要看你的应用需求——要精度还是要效率，得权衡。

下面我用一张图来总结本章的核心内容。这张图是我自己画的，把电磁波谱、成像原理和典型传感器串在了一起。

我的建议：刚开始接触多光谱遥感，别急着学算法。先把这三个传感器的波段设置、分辨率、重访周期背下来。我在项目里经常要快速判断用哪个传感器——比如做城市变化检测，首选Sentinel-2（10m分辨率）；做区域植被趋势，用MODIS（时间序列长）；做历史对比，用Landsat（50年存档）。

好了，这一章就讲到这里。多光谱遥感的基础打牢了，后面讲数据融合和信息增强，你才能理解为什么要做、怎么做。记住一句话：传感器是工具，应用是目的，选对工具才能做好事。