1. 引言：超越“看见”，追求“理解”的光谱智能

高光谱图像（Hyperspectral Image, HSI）分类，长久以来被视为遥感领域的一颗明珠。它不同于普通RGB相机对世界的三通道粗略描摹，而是通过数百个连续、狭窄的光谱波段，为地表的每一个像元绘制出一条近乎连续的“光谱指纹”。这项技术使得我们能够“看见”物体内在的化学成分与物理属性，从而在精准农业、矿物勘探、环境监测乃至军事侦察中发挥不可替代的作用。然而，从“看见”光谱到“理解”场景，中间横亘着一道深邃的技术鸿沟。

传统的研究范式，无论是基于光谱角匹配（Spectral Angle Mapper, SAM）的物理模型，还是支持向量机（SVM）等浅层机器学习方法，本质上都是在高维特征空间中进行模式匹配。它们将每个像素视为一个孤立的光谱向量，忽视了地物在空间上的连续性和上下文关联。这种“只见树木，不见森林”的视角，在面对“同物异谱”和“异物同谱”现象时显得力不从心。笔者认为，这种局限性的根源在于对HSI数据本质的误读：它并非一组无序的高维点集，而是一个由光谱维度和二维空间坐标共同构成的、充满复杂语义关联的“体素立方体”。

深度学习的兴起，特别是卷积神经网络（CNN）的引入，首次系统性地将空间上下文信息纳入分类决策。然而，CNN的平移不变性与局部感受野特性，与光谱维度上长程、非局部的依赖关系存在天然的结构性矛盾。本文评述：将光谱序列视为一维信号进行卷积处理，如同用一把短尺去丈量绵延的山脉，虽能捕捉局部纹理，却无法洞察山脉的整体走向。近年来，以Transformer为代表的自注意力机制，凭借其全局建模能力，开始颠覆这一局面。它将光谱序列视为一个全连接的图，让每一个波段都能直接与其他所有波段进行信息交互，从而更有效地捕捉光谱间的长程依赖。

但技术演进的步伐远未停止。本文确立的核心分析主线——“从模式解构到认知对抗，再到基础模型觉醒”——旨在揭示，当前的研究前沿已从单纯的模型结构创新，转向解决更深层次的认知难题。我们不仅需要模型在标准数据集上表现优异，更需要其在未曾谋面的传感器、大气条件或地物类别上具备鲁棒的泛化能力（领域泛化），在仅有个位数标注样本时快速适应新任务（小样本学习），并能抵御精心设计的、物理上难以察觉的对抗性光谱扰动（对抗攻击）。这些挑战直指智能的本质：不是记忆，而是理解与推理。

最终，我们正站在一个全新范式的门槛上：基础模型的觉醒。如同GPT系列模型在自然语言处理领域引发的革命，通过在海量无标签数据上进行自监督预训练，再微调至下游任务，遥感领域也在孕育其专属的基础模型。这些模型不再是为单一分类任务定制的工具，而是具备通用光谱-空间语义理解能力的“遥感智能体”。本文将深入探讨这一转型的技术路径，并基于笔者思辨，预测其将如何重塑高光谱图像分类的未来图景。

2. 数据本质的解构：高光谱体素立方体的物理与信息论困境

2.1 光谱-空间纠缠与“体素”概念再定义

高光谱数据通常被表示为一个三维立方体 \( X \in \mathbb{R}^{H \times W \times C} \)，其中 \( H \) 和 \( W \) 是空间维度，\( C \) 是光谱波段数。然而，这种简化的表示掩盖了其内在的复杂性。笔者认为，我们应当引入“体素”（Voxel）的概念来重新定义HSI的基本处理单元。一个体素不仅包含该空间位置的光谱向量 \( \mathbf{x}_{i,j} \in \mathbb{R}^C \)，更隐含了其与周围体素在光谱-空间上的纠缠关系。这种纠缠体现在两个层面：第一，空间邻近的体素大概率属于同一地物，其光谱特征具有连续性和相似性；第二，不同地物间的边界体素，其光谱往往是多种纯净光谱的混合，形成所谓的“混合像元”。

传统逐像素分类方法完全割裂了这种纠缠，将每个体素视为独立同分布的样本，这从物理成像机理上就是不准确的。光的散射、大气程辐射以及传感器的点扩散效应，都使得任何一个像元的光谱不可避免地受到其周围地物的影响。本文评述：因此，一个有效的分类模型，其核心任务并非孤立地“识别”光谱，而是“解译”这种光谱-空间纠缠，从混合信号中恢复出纯净的地物类别信息。这本质上是一个逆问题，比单纯的模式匹配要复杂得多。例如，在印度松树（Indian Pines）数据集[1]中，农田的斑块状分布和混合像元问题极为突出，仅凭光谱信息几乎无法准确区分大豆和玉米的早期生长阶段，必须依赖空间上下文来消除歧义。

2.2 休斯现象的当代解读：维度灾难还是信息稀疏？

休斯现象（Hughes Phenomenon）是高光谱分类中一个经典的拦路虎。它指出，在训练样本固定的情况下，分类精度会随着特征维度（波段数）的增加先升后降。传统观点将其归咎于“维度灾难”：高维空间中参数估计的方差急剧增大。然而，笔者认为，在深度学习时代，我们需要对这一现象进行更深刻的反思。对于现代深度神经网络，其参数量动辄百万甚至上亿，远超样本数，却能取得良好性能，这似乎与休斯现象的预言相悖。

问题的关键不在于维度的绝对数量，而在于信息的有效表示和模型的归纳偏置。高光谱数据虽然维度高，但其信息高度冗余，本质上是嵌入在高维空间中的一个低维流形。休斯现象的本质，是模型未能有效学习到这一低维流形结构，反而被高维空间中的噪声和虚假相关性所误导。本文评述：CNN和Transformer的成功，正是因为它们内置了强大的归纳偏置（如局部连接、权重共享、自注意力），能够从有限样本中高效地捕捉这一低维流形。因此，对抗休斯现象的关键，不是降维本身，而是设计能够揭示数据内在低维结构的模型架构与训练策略。一项基于Salinas数据集[2]的研究表明，一个未经降维的3D-CNN模型，其分类精度远超经过PCA降维的SVM，这有力地证明了有效的特征学习远比简单的维度约简更重要（数据来源：IEEE TGRS 2017, Li et al.）。

3. 架构演进：从光谱序列建模到光谱-空间令牌混合

3.1 经典方法的局限与卷积核的结构性缺陷

在深度学习普及之前，SVM、随机森林（RF）及形态学轮廓（MP）等方法主导了HSI分类。这些方法的共同点是依赖于手工设计的特征提取器，如局部二值模式（LBP）、Gabor滤波器或PCA/MNF降维后的光谱特征。它们的局限性显而易见：特征设计与分类器优化是解耦的，手工特征难以穷尽复杂场景下的所有光谱-空间变化模式。

CNN的引入实现了特征学习与分类的端到端联合优化。1D-CNN沿光谱维度进行卷积，2D-CNN在空间平面提取纹理，3D-CNN则试图同时捕捉光谱-空间局部特征。然而，笔者必须指出其结构性缺陷：卷积操作的感受野是局部的，要建立长程依赖必须堆叠大量层数，这会导致优化困难、计算量激增，且难以有效传递远距离信息。对于光谱维度而言，这意味着相隔数百纳米的两个关键吸收/反射特征之间的关联，可能因网络深度不足而被忽略。这好比试图通过一系列局部放大镜来拼凑一幅全景地图，过程低效且容易丢失全局结构。

3.2 Transformer的入侵：光谱序列的全局自注意力重塑

Vision Transformer (ViT) 及其变体为HSI分类带来了革命性的思路。其核心是将图像切分为一系列图像块（Patch），并将其线性投影为“令牌”（Token），然后通过多头自注意力（MHSA）机制，让每个令牌都能与所有其他令牌进行信息交互。当应用于HSI时，一个自然的想法是将每个像素的光谱向量视为一个令牌，从而构建一个光谱序列Transformer。这种架构一举打破了CNN的局部性限制，使得模型能够从第一个注意力层开始就建立全局光谱依赖。

然而，这种逐像素的光谱Transformer完全忽视了空间信息。于是，SpectralFormer[3]等架构应运而生，它巧妙地设计了分组光谱嵌入和跨层自适应融合模块，既能学习光谱序列的全局依赖，又能通过金字塔结构聚合多尺度空间特征。本文评述：这标志着HSI分类进入了“光谱-空间令牌混合”的新阶段。模型不再分别处理光谱和空间信息然后简单融合，而是在令牌层面进行混合与交互。例如，Spatial-Spectral Transformer (SST)[4] 通过一个专门设计的空间-光谱注意力模块，让每个像素的光谱令牌能够注意到其空间邻域内的其他光谱令牌，实现了局部空间上下文与全局光谱依赖的高效统一。这种设计哲学是：空间位置关系决定了哪些光谱令牌之间应该进行强交互，从而将空间先验知识无缝地注入到全局自注意力机制中。实验证明，在Houston 2013数据集[5]上，SST的分类精度（OA）比当时最优的3D-CNN方法提高了约2-3个百分点（数据来源：IEEE TGRS 2021, Zhong et al.）。

3.3 图视角下的非欧几里得表征：拓扑先验的注入

CNN和Transformer本质上都是为规则网格数据（欧几里得结构）设计的。然而，地物在空间上的分布往往是不规则的，尤其是类别边界。图神经网络（GNN）提供了另一种强大的范式，它将HSI建模为一个图 \( G = (V, E) \)，其中节点 \( V \) 代表像素或超像素，边 \( E \) 代表它们之间的相似性或空间邻接关系。这种非欧几里得的表征方式，天然地适合捕捉不规则的地物拓扑结构。

GNN的核心是消息传递机制，每个节点通过聚合其邻居节点的特征来更新自身的表示。在HSI分类中，图的构建至关重要。除了简单的空间邻接图，还可以构建基于光谱相似性的语义图，或两者结合的动态图。本文评述：GNN的优势在于其灵活性，可以将任何形式的先验知识（如数字高程模型DEM、激光雷达LiDAR点云）作为额外的节点特征或边权重注入图中。例如，将LiDAR提供的高程信息作为节点属性，可以极大地帮助区分光谱相似但高度不同的地物（如屋顶和道路）。笔者观察到，将Transformer的全局自注意力与GNN的局部拓扑感知能力相结合，是一个极具潜力的方向。Graph Transformer通过将图结构信息作为位置编码或注意力掩码，在保持全局视野的同时，增强了对局部不规则边界的建模精度。

3.4 状态空间模型的曙光：Mamba架构的长程依赖线性化求解

Transformer的二次计算复杂度（\( O(N^2) \)）是其处理高分辨率HSI或长光谱序列时的阿喀琉斯之踵。近期，以Mamba[6]为代表的状态空间模型（State Space Models, SSMs）异军突起，为长序列建模提供了线性时间复杂度的解决方案。SSM的灵感来源于连续线性时不变系统，它通过一个隐含状态来记忆和传播序列中的历史信息。

Mamba通过引入输入依赖的选择性扫描机制，克服了传统SSM在内容感知推理上的不足，使其性能在多个领域比肩甚至超越Transformer。对于HSI分类，这无疑是一道曙光。我们可以将整个HSI空间或一条超长光谱序列展开为一个一维序列，输入到Mamba块中，以极低的计算成本实现全局信息的交互。本文评述：笔者预判，光谱维度的Mamba建模将成为一个新的研究热点。想象一下，将数百个波段的光谱序列输入一个Mamba模型，其状态向量可以动态地“记住”关键吸收特征的位置和形状，同时“忘记”不重要的噪声波段，这种选择性记忆机制与光谱分析的物理过程不谋而合。目前，已有初步工作（如SpectralMamba[7]）探索了其在HSI分类中的应用，通过双向Mamba块捕捉光谱序列的前后向依赖，在保持线性复杂度的同时，取得了与SpectralFormer相当甚至更优的性能，这预示着“状态空间智能”在遥感领域的巨大潜力。

4. 认知对抗：开放环境下的鲁棒性、泛化性与安全性博弈

4.1 领域泛化与不变性表征学习：从封闭集到开放世界的跨越

绝大多数HSI分类研究都基于一个封闭世界的假设：训练集和测试集来自同一传感器、同一地区、同一大气条件下采集的数据。然而，在真实应用中，这一假设几乎从不成立。将一个在A传感器数据上训练好的模型，直接应用于B传感器获取的数据，性能会出现断崖式下跌。这就是领域漂移（Domain Shift）问题，其根源在于不同传感器的光谱响应函数、空间分辨率、光照和大气条件存在差异。

领域自适应（Domain Adaptation, DA）试图通过同时访问源域和目标域（无标签）数据来缓解漂移，但领域泛化（Domain Generalization, DG）的目标更为雄心勃勃：它要求在训练阶段完全无法访问任何目标域数据，模型仅从多个源域中学习一个能够泛化到任意未知目标域的不变性表征。本文评述：这触及了机器学习的核心——学习不变性因果关系，而非虚假的相关性。在HSI中，这意味着模型需要学会关注地物固有的光谱吸收特征（如叶绿素在680nm的吸收谷），而忽略由传感器或大气引起的系统性差异。实现这一目标的技术路径包括：基于对抗学习的域不变特征提取、基于数据增强的域随机化、以及基于元学习的优化策略。例如，通过模拟不同传感器光谱响应函数的卷积操作来增强训练数据，可以迫使模型学习对光谱分辨率变化鲁棒的特征。笔者认为，DG是HSI分类走向真正实用化的必经之路，其研究价值远高于在单一数据集上追求小数点后的精度提升。

4.2 小样本学习的元认知策略：让模型学会“如何学习”

高光谱图像的像素级标注成本极其高昂，需要专家进行耗时的实地勘察。因此，如何在仅有极少量标注样本（例如每类1-5个）的情况下训练出有效的分类器，即小样本学习（Few-Shot Learning, FSL），具有重大的现实意义。传统的微调（Fine-tuning）策略在此场景下极易导致过拟合。

元学习（Meta-Learning），或“学会学习”，为解决FSL问题提供了优雅的框架。其核心思想是在大量相似的任务（Episode）上进行训练，每个任务都包含一个小的支持集（Support Set）和查询集（Query Set）。模型通过在这无数个小任务上的反复磨练，学会了一套能够快速适应新任务的初始化参数或优化策略。当面对一个全新的、只有少量标注样本的目标类别时，模型只需几步梯度更新即可完成适配。本文评述：在HSI领域，基于度量的元学习方法（如原型网络、匹配网络）尤为流行。其核心是学习一个强大的嵌入空间，使得同类样本的嵌入向量彼此靠近，而异类样本相互远离。分类时，只需计算查询样本嵌入与各类别原型（支持集嵌入的均值）的距离即可。笔者认为，将元学习与领域泛化相结合，是构建通用HSI分类器的关键一步。模型不仅需要从少量样本中快速学习，还需要保证这种学习能力对领域漂移是鲁棒的。

4.3 物理不可克隆的对抗攻击：光谱维度的隐形扰动与防御

对抗攻击揭示了深度神经网络脆弱的一面：在输入数据上添加人眼不可察觉的微小扰动，就能导致模型以高置信度做出错误预测。在HSI分类中，对抗攻击具有特殊的物理含义。由于光谱是地物的物理属性，攻击者不能随意篡改。然而，一种更隐蔽、更危险的攻击形式是“物理不可克隆”的对抗光谱扰动。攻击者可以通过在地物表面涂覆特制的、具有特定光谱吸收/反射特性的化学物质，来改变其光谱响应，从而在模型看来“变成”了另一个类别。

这种攻击的可怕之处在于，它是对物理世界的直接篡改，而非数字图像的像素修改。传统的、基于图像梯度生成的数字对抗扰动无法直接应用于此。攻击者需要解决一个约束优化问题：在保证涂覆材料物理可实现、且用量极少（不可见）的前提下，最大化模型分类错误的概率。本文评述：这为HSI分类的安全性敲响了警钟。例如，在军事侦察中，敌方可能通过涂覆特殊材料，将一辆坦克在光谱上伪装成一辆普通卡车。防御此类攻击，不能仅依靠对抗训练等传统方法，因为它们主要防御数字域攻击。笔者认为，未来的防御策略必须结合物理先验，例如，通过建立地物光谱的物理模型，检测出那些不符合自然光谱变化规律的、由人工材料引起的异常光谱特征。这是一个将物理模型与数据驱动模型深度融合的新兴交叉领域。

5. 基础模型的觉醒：自监督预训练与视觉-语言驱动的通用遥感智能

5.1 掩码自编码器与对比学习：光谱空间中的预训练范式之争

基础模型（Foundation Model）的成功建立在“预训练-微调”范式之上。在海量无标签数据上进行预训练，使模型获得通用的、可迁移的知识表征，然后在下游任务上仅用少量标注数据进行微调。在HSI领域，两种主流的自监督预训练范式正展开激烈竞争：掩码自编码器（Masked Autoencoder, MAE）和对比学习（Contrastive Learning）。

MAE的思路简洁而强大：随机遮蔽输入图像的大部分光谱波段或空间块，然后训练一个编码器-解码器结构，根据未被遮蔽的部分重建出被遮蔽的内容。这个过程迫使模型学习光谱-空间的内在结构和上下文关系。SpectralMAE[8]等工作已证明，这种重建任务能学到极佳的光谱-空间表征。另一方面，对比学习（如SimCLR, MoCo）则通过拉近同一数据不同增强视图（正样本对）的表征，推远不同数据（负样本对）的表征来学习不变性特征。本文评述：笔者认为，这两种范式并非互斥，而是互补。MAE擅长学习像素/体素级别的细粒度重建特征，而对比学习更侧重于学习全局的、语义级别的判别特征。一个强大的HSI基础模型，很可能需要融合这两种预训练任务。例如，可以先使用MAE学习丰富的局部细节，再使用对比学习提炼高层次的语义不变性，形成一个多阶段的预训练流程。

5.2 走向视觉-语言模型：从光谱向量到语义概念的跨模态对齐

CLIP（Contrastive Language-Image Pre-training）模型的出现，将视觉基础模型推向了新的高度。它通过在4亿对图文数据上进行对比学习，将视觉概念与自然语言描述对齐到了一个共享的嵌入空间。这赋予了模型强大的零样本（Zero-Shot）分类能力：给定任意类别的文本描述，模型无需任何训练样本即可识别出图像中的对应物体。

将这一思想迁移到高光谱遥感，意味着我们可以构建一个“光谱-语言”模型。想象一下，我们不再需要为每个地物类别定义离散的标签，而是可以用一段描述性的自然语言来定义它，例如：“一种健康的、处于拔节期的冬小麦，光谱在近红外波段具有高反射率平台”。模型通过在海量的光谱-文本配对数据（可以来自现有的地理信息系统、遥感解译报告等）上进行对比学习，学会将光谱特征与这些语义概念对齐。本文评述：这将是HSI分类范式的终极革命。它将分类问题从封闭的、固定类别的模式匹配，转变为开放的、基于语义理解的检索与推理。目前，遥感领域的视觉-语言模型（如RemoteCLIP[9], GeoRSCLIP[10]）已崭露头角，但它们主要处理RGB或多光谱图像。将其扩展到具有数百个波段的高光谱图像，需要解决光谱-文本数据对稀缺、以及如何将连续光谱信息与离散语言符号有效对齐等核心挑战。

5.3 笔者预判：通往通用遥感智能体的路径构想

综合以上分析，笔者尝试勾勒出一条通往通用遥感智能体（Generalist Remote Sensing Agent）的路径。这个智能体将不再是一个被动的分类器，而是一个能够主动感知、推理和交互的系统。

第一阶段：统一的多模态、多任务预训练。构建一个巨大的Transformer或Mamba骨干网络，同时处理高光谱、多光谱、SAR、LiDAR等多种遥感数据，并使用MAE、对比学习、以及光谱-语言对齐等多种自监督任务进行联合预训练。其目标是学习一个通用的、跨模态、跨任务的“地球表层表征”。

第二阶段：指令微调与人类偏好对齐。借鉴InstructGPT的思想，构建一个包含大量“遥感图像-任务指令-正确答案”的数据集。任务指令可以是：“请识别出图像中所有水体”、“找出可能遭受病虫害的农田区域”或“描述这个区域的植被覆盖变化”。通过指令微调，使模型能够理解并执行各种复杂的、以自然语言描述的遥感分析任务。

第三阶段：与大型语言模型（LLM）的深度融合。将训练好的遥感编码器作为LLM的“眼睛”，LLM作为“大脑”。用户可以直接用自然语言提问，LLM会拆解任务，调用遥感编码器提取相关特征，并进行多步推理，最终生成包含地图、图表和文字的分析报告。本文评述：这无疑是一个极具雄心的长期目标，但其技术基石——基础模型、多模态学习、指令微调——正在飞速发展。笔者坚信，高光谱遥感领域将因此迎来一场从“定制化分类器设计”到“通用智能体应用”的深刻范式转型。

6. 工程实践洞察：数据集、基准测试与评估陷阱

理论创新离不开严谨的实验验证。在HSI分类领域，几个经典数据集构成了算法竞技的主战场，但每个数据集都有其独特的挑战和评估陷阱。

• Indian Pines (IP)[1]：由AVIRIS传感器于1992年采集，包含145x145像素，200个波段（去除水汽吸收后），16类地物。其特点是空间分辨率低（20m），混合像元严重，且类别极度不均衡。预处理细节：通常使用原始辐射率数据，或进行大气校正为反射率数据。评估陷阱：由于样本数极少（总计10249个标注像素），随机划分训练/测试集时，结果的方差极大。严谨的做法是采用多次随机重复实验并报告均值和标准差。
• Salinas (SA)[2]：同样由AVIRIS采集，空间分辨率3.7m，包含512x217像素，204个波段，16类地物。其特点是空间纹理清晰，类别相对均衡。预处理细节：数据已为反射率。评估陷阱：该数据集相对简单，很多复杂模型在此数据集上的性能提升微乎其微，容易造成“天花板效应”，不适合作为验证算法创新性的唯一基准。
• Houston 2013 (HU)[5]：由ITRES CASI-1500传感器采集，包含349x1905像素，144个波段，15类地物。这是一个极具挑战的城市遥感数据集，地物光谱相似度高，空间结构复杂。同时提供了同区域的LiDAR点云数据，是进行多模态融合研究的理想平台。预处理细节：数据为辐射率，LiDAR数据已配准为DSM。
• Pavia University (PU) & Pavia Centre (PC)：由ROSIS传感器采集，分别包含610x340和1096x715像素，103个波段，9类地物。城市环境，阴影区域是主要挑战。预处理细节：数据为反射率。

笔者必须强调一个普遍的评估陷阱：信息泄露。许多研究在划分训练/测试集时，采用的是逐像素随机采样。这会导致空间上相邻、高度相关的像素被分别划入训练集和测试集，从而人为地、虚假地抬高了测试精度。一个模型可能仅仅是记住了训练像素的纹理模式，并将其泛化到了几个像素之外的测试像素上，而非真正理解了地物类别。本文评述：一个更严格、更具说服力的评估协议是“按块划分”（Block-wise Splitting），即在地理空间上划出一块连续区域作为测试集，其余区域用于训练。这才能真正考验模型在空间上的泛化能力，其测试结果通常会比随机采样低5-15个百分点，但这才是模型真实能力的体现。

7. 结论与展望

本文沿着“模式解构-认知对抗-基础模型觉醒”这一独创性主线，对高光谱图像分类的研究进展进行了深度剖析。我们解构了HSI数据的体素本质，批判了CNN在长程依赖建模上的结构性缺陷，并系统阐述了Transformer、GNN和SSM等新型架构如何通过光谱-空间令牌混合、拓扑先验注入和线性化状态追踪等机制重塑分类范式。更进一步，我们跳出模型结构的窠臼，深入探讨了领域泛化、小样本学习和物理对抗攻击等认知层面的核心挑战，指出鲁棒性和泛化性是通往真实世界应用的必经关口。

最终，我们将视野投向未来，论述了以MAE、对比学习为代表的自监督预训练，以及以CLIP为蓝本的视觉-语言模型，正如何唤醒遥感领域的基础模型。笔者坚信，这绝非昙花一现的技术炒作，而是一场深刻的范式觉醒。未来的高光谱图像分类，将不再是孤立地设计一个又一个精巧的分类器，而是构建一个能够持续学习、跨模态理解、并能与人类通过自然语言进行交互的通用遥感智能体。这条道路充满挑战，从海量多模态数据的构建，到物理世界知识与数据驱动模型的深度融合，再到模型的安全性、可解释性与伦理对齐，每一个环节都亟待突破。但毫无疑问，一个能够真正“理解”我们星球光谱脉动的智能时代，正在加速到来。

主要参考文献

1. Baumgardner, M. F., Biehl, L. L., & Landgrebe, D. A. (2015). 220 Band AVIRIS Hyperspectral Image Data Set: June 12, 1992 Indian Pine Test Site 3. Purdue University Research Repository. (数据集预处理：移除20个水汽吸收波段，保留200个波段用于分类)。
2. Salinas Valley Hyperspectral Image Dataset. (原始数据由AVIRIS传感器采集，包含512x217像素，204个波段。预处理：已校正为地表反射率)。
3. Hong, D., et al. (2022). SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers. IEEE Transactions on Geoscience and Remote Sensing, 60, 1-15.
4. Zhong, Z., et al. (2021). Spatial-Spectral Transformer for Hyperspectral Image Classification. IEEE Transactions on Geoscience and Remote Sensing, 60, 1-15.
5. Debes, C., et al. (2014). Hyperspectral and LiDAR Data Fusion: Outcome of the 2013 GRSS Data Fusion Contest. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7(6), 2405-2418. (数据集：Houston 2013，包含144个光谱波段和LiDAR DSM数据)。
6. Gu, A., & Dao, T. (2023). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. arXiv preprint arXiv:2312.00752.
7. Yao, J., et al. (2024). SpectralMamba: Efficient Hyperspectral Image Classification with State Space Models. arXiv preprint arXiv:2404.00889.
8. Sun, X., et al. (2023). SpectralMAE: Spectral Masked Autoencoder for Hyperspectral Image Classification. IEEE Transactions on Geoscience and Remote Sensing, 61, 1-16.
9. Liu, F., et al. (2024). RemoteCLIP: A Vision Language Foundation Model for Remote Sensing. IEEE Transactions on Geoscience and Remote Sensing.
10. Zhang, Z., et al. (2024). GeoRSCLIP: Towards Building a Versatile Vision-Language Foundation Model for Geoscience and Remote Sensing. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops.