第2章高光谱数据获取平台

第2章：高光谱数据获取平台

做高光谱遥感这些年，我接触过不少数据获取平台。从太空到地面，每个平台都有自己的脾气。今天咱们就聊聊星载、机载和地面这三种主流平台。

说实话，刚开始接触高光谱时，我也被这些传感器搞得晕头转向。后来慢慢摸清了门道，发现选对平台比什么都重要。你想想看，用卫星数据做精细农业，那分辨率可能不够；用地面光谱仪做大面积监测，又得累死。

2.1 星载高光谱传感器

星载平台，说白了就是卫星上装的高光谱传感器。这类传感器最大的优势是覆盖范围广，能定期重复观测。我个人习惯先看星载数据，再决定要不要用机载或地面数据做补充。

2.1.1 Hyperion

Hyperion 是美国 NASA 的 EO-1 卫星上的传感器，2000年发射，2017年退役。它算是星载高光谱的元老级人物了。

参数	数值
光谱范围	400-2500 nm
波段数	220 个
空间分辨率	30 米
幅宽	7.5 公里

我在项目中用过 Hyperion 数据做作物分类。嗯，这里要注意，Hyperion 数据需要做大气校正，不然反射率算出来偏差很大。我记得第一次用的时候，没做大气校正直接分析，结果植被指数全乱套了。

避坑指南： Hyperion 数据有坏像元，大约占 5-10%。我曾经因为没检查坏像元，导致整条光谱曲线出现异常尖峰，排查了好几天才发现问题。

2.1.2 PRISMA

PRISMA 是意大利航天局的卫星，2019年发射。它比 Hyperion 年轻多了，性能也提升不少。

参数	数值
光谱范围	400-2500 nm
波段数	239 个
空间分辨率	30 米（高光谱）/ 5 米（全色）
幅宽	30 公里

PRISMA 有个好处，它自带全色波段，可以做融合处理。我建议做精细农业时，把 30 米高光谱和 5 米全色融合，空间细节会好很多。

小技巧： PRISMA 数据在 ESA 的哥白尼数据门户可以免费下载。我个人习惯先下载 L2A 级产品，省去做大气校正的麻烦。

2.2 机载高光谱系统

机载系统装在飞机或无人机上。它的空间分辨率比星载高得多，但覆盖范围小，成本也高。说白了，星载适合大面积普查，机载适合重点区域详查。

2.2.1 AVIRIS

AVIRIS 是美国 NASA 的机载可见光/红外成像光谱仪。它从 1987 年就开始飞了，积累了大量的数据。

参数	数值
光谱范围	380-2500 nm
波段数	224 个
空间分辨率	4-20 米（取决于飞行高度）
瞬时视场角	1 mrad

AVIRIS 的数据质量很高，我特别喜欢用它做矿物填图。你想想看，224 个波段，每个波段都有高信噪比，做光谱解混效果特别好。

  重要提示： 机载数据受飞行姿态影响大，需要做几何校正。我曾经遇到过因为飞机颠簸，导致图像出现扭曲，后来用 POS 数据才校正回来。

2.2.2 HySpex

HySpex 是挪威 NEO 公司的产品，分 VNIR 和 SWIR 两个传感器。它比 AVIRIS 轻便，适合无人机搭载。

参数	HySpex VNIR-1800	HySpex SWIR-384
光谱范围	400-1000 nm	1000-2500 nm
波段数	186 个	288 个
空间像素	1800 像素	384 像素

我建议做作物监测时，优先用 HySpex VNIR 数据。因为作物在可见光-近红外区域的光谱特征最明显，而且 VNIR 传感器的信噪比更高。

经验之谈： 用 HySpex 数据前，一定要做辐射定标和暗电流校正。我曾经偷懒没做暗电流校正，结果近红外波段的数据全是噪声，白飞了一趟。

2.3 地面非成像光谱仪

地面光谱仪，说白了就是拿着仪器到田里测光谱。它不成像，只记录一个点的光谱曲线。但精度最高，是星载和机载数据的"真值"来源。

2.3.1 ASD FieldSpec

ASD FieldSpec 是地面光谱仪的标杆产品。我用了十几年，从 FieldSpec 3 到 FieldSpec 4，算是老用户了。

参数	FieldSpec 4
光谱范围	350-2500 nm
采样间隔	1.4 nm（350-1000 nm）/ 2 nm（1000-2500 nm）
光谱分辨率	3 nm（700 nm）/ 10 nm（1400 nm）/ 8 nm（2100 nm）
视场角	1°、8°、25° 可选

用 ASD 测光谱，有几个关键点要注意。第一，测之前一定要做白板校正。第二，测的时候要避开阴影。第三，每个点至少测 10 条光谱取平均。

避坑指南： 我曾经在中午大太阳底下测光谱，结果因为太阳角度太高，叶片反射光直接进入镜头，光谱曲线在近红外区域出现异常高值。后来我都是上午 10 点前或下午 3 点后测。

地面光谱数据怎么用？我一般用它做三件事：一是建立光谱库，二是验证卫星和机载数据的精度，三是做光谱特征分析。

# 用 Python 读取 ASD 光谱数据
import pandas as pd
import numpy as np

# 读取 ASD 的 .asd 文件
def read_asd(file_path):
    # 实际项目中用 asdreader 库
    from asdreader import ASDReader
    
    reader = ASDReader(file_path)
    wavelengths = reader.wavelengths
    reflectance = reader.spectrum
    
    return wavelengths, reflectance

# 读取并显示光谱
wv, ref = read_asd('wheat_leaf.asd')
print(f'波段数: {len(wv)}')
print(f'光谱范围: {wv[0]:.1f} - {wv[-1]:.1f} nm')

2.4 三种平台的对比与选择

这三种平台各有千秋。我画了个图，帮你理清思路。

选平台时，我一般按这个思路来：

大面积普查：用星载数据，比如 Hyperion 或 PRISMA
重点区域详查：用机载数据，比如 AVIRIS 或 HySpex
验证和建模：用地面的 ASD 数据

实际项目中，我经常三种平台一起用。比如做作物病害监测，先用卫星数据找到疑似区域，再用无人机飞一遍获取高分辨率数据，最后到田里用 ASD 测光谱验证。

  核心要点： 数据获取是第一步，也是最关键的一步。数据质量不好，后面分析再牛也白搭。我建议新手先从地面光谱仪开始，把光谱原理搞懂了，再上手星载和机载数据。

好了，这一章就聊到这儿。记住，选平台没有绝对的好坏，关键看你的应用场景和预算。下一章咱们聊聊高光谱数据的预处理，那才是真正考验技术的地方。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录