C5 · 出版卷 15

Hyperspectral Geological Mapping

Mineral groups、spectral libraries、classification confidence

学习目标

本章建立成像光谱（亦称高光谱成像）的可辩护流程。学习者应能检查光谱立方体及其质量，掩膜不可用波长与像元，控制噪声和维度，在不形成循环验证的情况下获得候选端元，比较特征拟合、光谱角、解混和分类方法，制图置信度与未知，并设计空间独立的野外验证。

数百通道不会创造数百条独立矿物事实。立方体包含相关信号、大气残差、探测器结构、混合像元与空间背景。只有输入、假设、拒绝规则和错误均可见时，分类器才有科学用途。

成像光谱立方体有两个空间维和一个光谱维，但交付文件可将辐亮度、表观反射率、地表相关反射率、质量、几何与不确定度分开存储。分析前检查波长中心、响应宽度、半高全宽、校准偏移、信噪比、无数据、饱和、探测器模块与地理定位。

去除或标记强大气吸收区、低信号边缘、未校准通道、探测器拼接、条带、丢行与过强噪声。光谱 smile 使波长随视场变化，keystone 使空间配准随波长变化；若未校正，可制造假特征偏移或彩色边缘。

应绘制随机和目标像元光谱、波段直方图及诊断残差空间图。平滑 RGB 预览可能遮蔽光谱失效。原始波段掩膜和像元质量掩膜必须作为一级输出保留。

相邻通道高度相关。主成分变换按方差排序，却不能区分地质信号、大气或亮度；噪声调整变换利用估计噪声协方差，可集中相干信息，但其分量仍由数据决定，需要物理解释。

平滑可提升表观信噪比，同时拓宽或移动特征；导数可压制连续谱，却放大高频噪声；基线和连续谱去除会施加锚点。每项变换都需要参数敏感性分析，并能返回原始光谱。

应估计有效维度，而不是盲目使用全部波段。将数据分为校准、模型选择和验证支持域。不得从异质地质边界估计噪声，再宣称变换独立于地质。

端元是用于代表成分或类别的光谱，可来自实验室库、野外测量、影像中的近纯像元或物理模型。各来源具有不同尺度与迁移限制。影像端元共享大气和传感器响应却可能是混合物；库端元可能很纯，却与野外状态不符。

端元提取方法按数学准则寻找光谱极值，并不保证找到矿物。必须检查其空间位置、质量与物理特征，并加入植被、阴影、水、土壤、道路和校准伪影等混淆端元。独立证据前不得给极值命名。

特征拟合将连续谱去除后的吸收形状、深度和中心与卷积参考比较，解释性较强却依赖所选区间。应尽可能使用多个相容特征，传播波长和噪声不确定度，并保留残差光谱。在低信号或掩膜波长中看不到特征属于未知，不是负证据。

光谱角比较向量方向，减弱总体幅度影响，但会忽略尺度信息；若不筛查，它可偏爱噪声强的暗像元。匹配滤波器相对背景协方差寻找目标，其结果高度依赖背景定义。机器学习分类器可以描述复杂边界，却需要有代表性、独立的标签与经过校准的概率。

线性解混用 \mathbf r\approx M\mathbf f+\boldsymbol\epsilon 表示像元光谱，其中 M 的列是端元，比例 \mathbf f 可受非负与和为一约束。残差揭示模型不足。紧密混合、阴影、变化端元与非线性散射均违反简单模型。

任何方法都不能取消拒绝机制。阈值应由验证和错误后果确定，而不是为了让地图好看。必须报告备选候选和 unknown 类。不同物理方法的地图发生冲突时，应调查原因，而不是简单投票消除。

光谱分类具有空间结构。孤立单像元检出可能是真实子像元出露，也可能是噪声或伪影。形态滤波改变最小制图单元并可删除小型有效目标；每项空间规则都要记录并统计前后差异。

置信度应综合光谱拟合、候选间差距、信号质量、出露比例、大气与几何质量及训练数据适用域。仅有 softmax 概率不是已校准置信度。首选类别必须与不确定度和被排除支持域同时制图。

验证应按空间分块，使相邻相关像元不同时进入训练和测试。报告逐类精确率、召回率与混淆，并按地形、覆盖和信号质量分层。由大量背景主导的平均准确率可能掩盖罕见地质目标完全失效。

一个合成立方体包含两种含羟基材料、干植被、亮土和阴影。两种材料的特征中心有小幅偏移，在高信号像元中可分。光谱角分类器能制图两种材料，却因噪声后的向量方向相似而把部分阴影误标；特征拟合可拒绝阴影，但在未校正探测器列波长偏移处混淆两种材料。

应用光谱校准场与最低信号规则后，两个地图在出露核心区一致，混合边缘仍只能到组级。空间分块验证显示组级精确率高，却不足以区分组内成员。发布产品应制图组级相容性、高置信子集、未知与所需野外点，不能强制给出两个矿物名。

解释与决策。 把类别连接到观测特征和模型适用域，说明每个像元由哪些波长、端元和质量规则支撑。决策可以安排穿过高置信与歧义区的样带。野外点必须覆盖预期阳性、混淆物、边界与表观阴性，而不能只去最鲜艳区域。

用五个端元、变化照明、混合、相关噪声、一个坏探测器列和波长偏移建立合成立方体，比较特征拟合、光谱角与约束线性解混。采用空间分块验证，并生成首选类别、残差、置信度与未知地图，在测量空间解释方法冲突。

审计问题：坏波段和坏像元是否明确？响应卷积是否应用？端元是否独立于验证？背景定义是否记录？阈值是否关联错误后果？是否允许 unknown？空间滤波是否声明？残差能否揭示模型失效？野外点是否覆盖备选解释和不同覆盖条件？