在遙感、農業、食品檢測、環境監測和文物保護等領域，高光譜儀是一種能夠“看見”物質細微差異的先進光學儀器。與普通相機（通常只記錄紅綠藍三個通道的顏色信息）不同，高光譜儀能夠捕獲上百個連續且極窄波段的光譜信息——每個像素都對應一條完整的光譜曲線。這條曲線就像物質的“光學指紋”，反映了其化學成分、物理結構和表面狀態。理解高光譜儀的工作原理，有助于我們更好地把握它的應用潛力和數據解譯方法。

成像與光譜的結合：從“三通道”到“數百通道”

常規數字相機通過紅綠藍（RGB）濾光片將可見光分成三個寬波段，每個像素記錄的只是三種顏色的強度組合，丟失了大量光譜細節。高光譜儀的成像原理則是將二維空間圖像與一維光譜信息進行融合，形成“三維數據立方體”（x, y, λ）。其中，x和y代表空間坐標，λ代表波長維度（覆蓋紫外、可見、近紅外甚至短波紅外范圍）。

實現這種數據采集的方式主要有三種：

• 推掃式（Pushbroom）：通過一個行掃描相機，隨著平臺（無人機、衛星或傳送帶）的運動，逐行掃描地面或樣品表面，每行獲取所有波長的光譜數據，最終拼接成完整圖像。這是目前常用的高光譜成像方式，適用于移動平臺。

• 凝視式（Staring）：探測器在一次曝光中采集整個二維視場的光譜信息，然后通過濾光片或干涉儀進行波長掃描，逐波段獲取完整圖像。這種方式適合靜態觀測，但采集時間較長。

• 快照式（Snapshot）：使用特殊的光學元件（如棱鏡或微透鏡陣列）在一次曝光中同時獲取空間和光譜信息，響應速度快，適合快速移動或瞬態過程的監測。但光譜分辨率相對較低。

光譜分辨率與空間分辨率的權衡

高光譜儀的光譜分辨率取決于分光元件的性能。常見的光譜分光技術包括：

• 色散型（棱鏡/光柵）：將入射光按波長在空間上展開，用線陣或面陣探測器接收不同波長的光信號。優點是技術成熟、成本適中；缺點是光能利用率較低，光譜分辨率受狹縫寬度限制。

• 干涉型（傅里葉變換）：基于邁克爾遜干涉儀原理，通過測量干涉圖并經過傅里葉變換獲得光譜。優點是光譜分辨率高、光通量大；缺點是結構復雜、對振動敏感。

• 濾光片型（可調諧濾光片或線性漸變濾光片）：通過切換或掃描濾光片選擇波長。優點是結構緊湊、成本低；缺點是光譜通道數有限，分辨率受濾光片帶寬限制。

空間分辨率由探測器的像素尺寸和光學系統的焦距決定。在推掃式成像中，空間分辨率與平臺飛行高度、鏡頭焦距和像素尺寸相關。光譜分辨率與空間分辨率之間存在一定的權衡——在探測器總像素數固定的情況下，用于光譜維度的像素越多，空間維度的像素越少。

數據立方體與信息提取

高光譜儀采集的原始數據是一個三維數組：每一幀圖像包含某一波長下的空間分布信息；每個像素都對應一條包含數百個波長點的光譜曲線。

從高光譜數據中提取信息的關鍵步驟包括：

• 輻射定標：將原始信號數值轉換為絕對反射率或輻亮度。這需要通過標準白板（反射率近100%）和暗電流（零反射率）的測量進行校正，消除光源波動和探測器響應不均勻的影響。

• 光譜特征提取：通過分析光譜曲線的吸收峰位置、深度和寬度，識別物質成分。例如，植被在可見光區有葉綠素吸收峰，在近紅外區有反射峰；礦物在短波紅外區有特定的O-H、C-O、Fe³?等吸收帶。

• 數據降維與分類：采用主成分分析（PCA）、最小噪聲分離（MNF）等方法將高維光譜數據投影到低維空間，突出差異性；然后使用支持向量機（SVM）、光譜角制圖（SAM）或神經網絡等算法對目標進行分類或識別。

高光譜儀的應用邊界

高光譜儀雖然能夠提供豐富的光譜信息，但它也有其局限性：

• 光譜分辨率和空間分辨率之間存在一定的權衡關系；

• 光譜數據的解釋需要依賴光譜庫或化學計量學模型；

• 對于混合光譜（一個像素中包含多種物質），需要通過光譜解混算法進行分解，結果存在一定的不確定性；

• 觀測條件（光照、大氣）對光譜測量有一定影響，需要進行大氣校正或標準板歸一化。

高光譜儀的原理可以概括為“用數百個窄波段‘看’世界的成像光譜技術”。它提供的不僅是圖像，還有每一點的光譜信息，讓我們能夠對物質進行更細致的分類和識別。理解數據立方體的結構和信息提取的基本流程，是正確應用高光譜技術的起點。