4.3 多光谱应用¶

多光谱成像凭借关键特征波段的精准选择，以极低的数据量实现高价值信息提取。目前多光谱技术在精准农业领域已进入大规模商用阶段，在土地管理、灾害应急、城市治理等方面也形成了成熟的服务产业链。

一、精准农业管理（最大规模商用场景）¶

现状与规模¶

截至 2024 年，全球精准农业遥感市场规模已超过 120 亿美元，无人机多光谱是其中增速最快的细分市场（年均 > 15%）。多光谱无人机实现了从实验室原型到"农民可操作"的跨越：操作者无需光谱学背景，仅需按预设航线起飞，软件自动输出植被指数地图和分区处方。

全生育期管理示意¶

播种前（裸土期）   → 高光谱测土（有机质/含水量）→ 变量施底肥
苗期（3~8 叶）    → NDVI/NDRE 监测出苗率均匀性 → 补种决策
拔节期（快速生长）→ NDRE 监测氮素供应 → 追肥处方图
开花~灌浆期       → 叶水势/NDWI 监测干旱风险 → 灌溉决策
收获前（2~3周）   → 穗部特征 + NDVI 衰减估计产量 → 收割规划

作物胁迫多光谱响应规律¶

胁迫类型	多光谱波段响应	识别策略
氮缺乏	红边反射率下降，650 nm 吸收减弱	NDRE 低于阈值 + RGB 发黄
病害（霜霉、锈病）	670 nm 吸收减弱，NIR 散射降低	NDVI/EVI 局部异常低
害虫危害（叶面孔洞）	近红外散射显著降低	NIR 通道与正常冠层对比
干旱水分胁迫	水分波段（970 nm）反射增强	NDWI 降低；如有 RE 则 NDRE 下降
倒伏	冠层结构改变，NIR 高台反射下降	多时相变化检测

二、土地覆盖分类与变化监测¶

典型分类系统¶

多光谱影像（Sentinel-2, 10 m, 13 波段）
    ↓ 辐射定标 + 大气校正（Sen2Cor 或 ACOLITE）
监督分类（随机森林 / SVM / U-Net 语义分割）
    ↓ 训练样本：地块调查矢量（5~10% 面积覆盖）
土地覆盖类别图（水体 / 耕地 / 林地 / 建设用地 / 裸地 / 草地）
    ↓ 精度评估（混淆矩阵，总体精度 OA > 90%）
年度产图 → 变化检测（面积统计 + GIS 报告）

变化检测主要方法¶

方法	原理	适用性
图像差值法	$\Delta NDVI = NDVI_{t2} - NDVI_{t1}$，阈值分割	快速简单，全区域普查
分类后比较	两期分类结果取交集，统计转移矩阵	类别清晰，精度依赖分类精度
CVA（变化向量分析）	多波段差异向量幅度与方向	可区分变化类型
深度学习（ChangeFormer）	孪生网络，端到端特征学习	高精度，需标注样本

三、水质大面积监测¶

典型算法性能¶

面向不同水质参数的经验模型精度（不同研究区差异较大，仅供参考）：

参数	经验算法	相关系数 R²
叶绿素 a（Chl-a）	三波段模型（700/670/NIR）	0.75~0.90（封闭水体）
悬浮泥沙（SPM）	红光归一化差异指数	0.85~0.95（黄河类浑水）
水体透明度（Secchi）	490/555 nm 比值	0.80~0.92（城市湖库）
总磷（TP）	间接反演（Chl-a 代理）	0.65~0.80（精度受限）

四、灾害应急响应¶

洪涝灾害¶

获取灾后 Sentinel-1 SAR（穿云）+ Sentinel-2 多光谱
    ↓ NDWI / MNDWI 提取洪水淹没范围
    ↓ 与历史正常水体掩模比较 → 新增淹没面积
输出产品：淹没范围矢量 + 面积统计 + 受影响耕地/建筑物清单

森林火灾¶

MODIS/Sentinel-2 多时相影像
    ↓ 归一化燃烧指数 NBR = (NIR - SWIR)/(NIR + SWIR)
    ↓ dNBR = NBR_前 - NBR_后 → 火烧烈度等级图
输出：过火面积 + 烈度分级（低/中/高）→ 植被恢复评估

地震建筑物损毁¶

使用高分辨率多光谱卫星（0.5~3 m）灾前/灾后对比，检测：建筑物颜色改变（废墟的灰色裸露）+ 纹理变化（规则格网变为碎片）+ 阴影消失。

五、城市智能管理¶

应用	数据源	输出产品
城市热岛识别	多光谱 + 热成像（ASTER/Landsat-8 TIR）	地表温度（LST）空间分布
不透水面提取	Sentinel-2 多光谱	城市化率，排水风险区
绿化覆盖率	多光谱 NDVI 积分	全市公园绿地统计
违建识别	多时相多光谱	新增不明构筑物清单

参考资料¶

1.2 多光谱产品
2.1 农业遥感、2.4 环境监测
ESA Sentinel-2 数据用户手册（Sen2Cor 大气校正文档）

更新时间¶

2026-03-03