跳转至

8.5 多光谱技术原理

多光谱成像(Multispectral Imaging)在少数离散波段(通常 4–20 个)上同时获取空间图像,每个波段覆盖较宽的光谱范围。相比高光谱,多光谱系统结构简单、数据量小、易于实时处理,在农业、环境监测、遥感测绘和工业检测中应用广泛。


一、核心概念

1.1 定义

多光谱成像在预先选定的离散波段上采集数据,波段数量少、带宽较宽(通常 50–200 nm),各波段在空间上严格配准。

多光谱:像元 → 4–20 个宽波段
高光谱:像元 → 数十至数百个窄波段 → 近似连续光谱

1.2 波段选择原则

多光谱的波段通常针对特定应用设计:

应用 典型波段(中心波长) 依据
植被监测 红(650 nm)、近红外(850 nm) NDVI、红边
农业多光谱 蓝、绿、红、红边、NIR(5–6 波段) 植被指数、水分、氮素
地物分类 蓝、绿、红、NIR(4 波段,类似 Landsat) 通用地物区分
水体/海洋 蓝、绿、红、NIR、SWIR 叶绿素、悬浮物、水深
矿物勘探 可见–短波红外多波段 蚀变矿物特征

二、多光谱成像的实现方式

2.1 滤光片分光

在探测器前放置滤光片,将不同波段分配到不同探测器或像元:

方式 结构 特点
滤光片轮 机械旋转切换滤光片 结构简单,时序采集,有配准问题
多相机 每个波段独立相机 + 滤光片 同时采集,需光学配准
滤光片阵列(马赛克) 像元级滤光片(Bayer 扩展) 单次曝光,空间分辨率损失
可调滤光片(AOTF/LVF) 电调或线性渐变滤光片 灵活选波段,成本较高

2.2 色散分光

与高光谱类似,用棱镜或光栅分光,但只保留少数波段对应的探测器通道,其余舍弃。可视为高光谱的"稀疏采样"版本。

2.3 多探测器分光

分束镜将光分成多路,每路经不同滤光片后由独立探测器接收。光学复杂,但各波段严格同时成像,无运动配准误差。


三、多光谱与高光谱的差异(概要)

维度 多光谱 高光谱
波段数 4–20 数十至数百
光谱分辨率 宽(50–200 nm) 窄(5–20 nm)
光谱连续性 离散 近似连续
数据量
物质识别能力 有限(依赖预设波段) 强(可提取任意特征)
系统成本
实时性 易实现

详见 8.6 多光谱与高光谱对比。


四、典型多光谱系统

4.1 卫星多光谱

  • Landsat 8/9:11 波段(可见–热红外),30 m GSD,全球覆盖
  • Sentinel-2:13 波段,10–60 m GSD,5 天重访
  • Planet Dove:4 波段(蓝绿红 NIR),3–5 m GSD,日重访

4.2 无人机/机载多光谱

  • Parrot Sequoia:绿、红、红边、NIR 四波段,面向农业
  • MicaSense Altum:5 波段 + 热红外,农业与测绘
  • DJI P4 Multispectral:6 波段(含红边),农业应用

4.3 工业多光谱

  • 分选机:3–8 波段,实时分选农产品、矿石、塑料
  • 印刷检测:多波段检测墨色、缺陷
  • 医学:多光谱病理切片、皮肤检测

五、多光谱数据处理特点

5.1 简化流程

多光谱数据量小,流程相对简化:辐射定标 → 大气校正(可选)→ 几何校正 → 指数计算 / 分类。

5.2 植被指数

多光谱最常用的是植被指数,如:

  • NDVI = $(NIR - Red)/(NIR + Red)$
  • EVI = $2.5 \cdot (NIR - Red)/(NIR + 6 \cdot Red - 7.5 \cdot Blue + 1)$
  • SAVI(土壤调节)= $(NIR - Red)/(NIR + Red + L) \cdot (1+L)$

红边波段可构造红边指数,用于叶绿素、氮素估算。

5.3 分类

多光谱分类常用最大似然、SVM、随机森林等。因波段少,对训练样本数量和特征工程要求相对宽松,但类别精细区分能力弱于高光谱。


参考资料

  • Thenkabail et al., Remotely Sensed Data Characterization, Classification, and Accuracies, CRC Press
  • Gitelson, "Remote Estimation of Chlorophyll-a", Remote Sensing of Environment, 2011
  • MicaSense / Parrot / DJI 多光谱相机技术白皮书

更新时间

2026-03-03