ENVI：Layer Stacking 后必须手动改波长：默认波段编号会让 FLAASH 波长匹配错误

1. 问题的提出：一个被反复踩中的坑

几乎所有遥感影像处理入门教程都会告诉你：多波段数据先做 Layer Stacking，把不同波段叠成一个文件，再送进 FLAASH 做大气校正。这个流程本身没错，但教程往往略过一个关键细节——Layer Stacking 之后的文件，波段名称默认变成了 "Band 1、Band 2……"，原始波长信息丢失了。而 FLAASH 的第一步就是读取波长，波长不对，后面全错。

这个问题在国内外技术社区被反复讨论。Harris Geospatial（现 NV5 Geospatial）官方文档在 FLAASH 章节明确要求输入影像必须带有波长或波数信息，否则会弹出 "Wavelength information is required" 类提示。但在实际教学中，很多用户是在报错之后才回头补课。更麻烦的是另一种情况：软件没有报错，但波长被默认按等间隔或按波段序号赋值，校正结果"看起来正常"，实则整体偏移。这种静默错误比直接报错更危险。

本文评述：这个问题的本质不是"ENVI 的 bug"，而是元数据在工具链传递中的断裂。Layer Stacking 是一个"数据重组"操作，它按设计只负责把像元矩阵拼起来，不负责继承每个源波段的物理属性。理解这一点，才能理解为什么"手动改波长"不是可选项，而是流程的必经环节。

本文的分析主线定为"元数据连续性"：从原始传感器数据到最终反射率产品，波长、增益、偏移、单位等元数据必须在每一步操作中被显式维护。Layer Stacking 是这条链路上最容易断裂的一环，而 FLAASH 是第一个对断裂"敏感"的环节。围绕这条主线，下文依次展开机理、结构、操作、场景与自动化。

2. Layer Stacking 的元数据行为解剖

2.1 Layer Stacking 到底做了什么

ENVI 的 Layer Stacking（图层堆叠）工具位于 Basic Tools → Layer Stacking。它的核心逻辑是：读取若干输入文件，按空间范围取交集或并集，把每个文件的指定波段按顺序写入输出文件的新波段。从数据模型看，输出是一个全新的 BSQ/BIL/BIP 文件加一个全新的 .hdr。

关键在于"全新的 .hdr"。ENVI 在生成新头文件时，会写入尺寸、数据类型、字节序、波段数、行列数、投影信息等结构字段，但波段级的物理属性（wavelength、fwhm、wavelength units、data gain/offset）默认不继承。输出头文件里波段名被写成 "Band 1"、"Band 2"……，波长字段为空或缺失。

2.2 为什么设计上不继承

从工程角度，这个设计有其合理性。Layer Stacking 允许把不同传感器、不同分辨率、不同波段的文件堆在一起，源波段的波长可能重复、可能冲突、可能单位不一致。如果强行继承，反而可能产生误导性的头文件。因此工具选择了"保守策略"：只保证几何与数据类型正确，物理属性交由用户显式指定。

本文评述：这个设计在"数据重组"层面是合理的，但在"处理链"层面制造了隐患。因为用户的心智模型是"我只是把波段拼起来，物理属性应该还在"，而软件的行为是"拼起来之后物理属性清零"。这种心智模型与实现行为的错位，正是大量 FLAASH 报错的根源。

2.3 一个可复现的观察

以下操作可在任意 ENVI 5.x 版本复现（模拟操作记录，非特定数据集）：

; 步骤1：打开一个带波长的多波段文件（如 Landsat 8 多光谱）
; 步骤2：File → Save As → 另存为 ENVI 格式，观察 .hdr 中 wavelength 字段存在
; 步骤3：Basic Tools → Layer Stacking，把该文件所有波段堆叠
; 步骤4：打开输出文件的 .hdr，观察 wavelength 字段
; 结果：wavelength 字段消失，band names 变为 Band 1..Band N

这个观察说明：波长丢失发生在 Layer Stacking 这一步，而不是 FLAASH 这一步。FLAASH 只是"受害者"，它读不到波长，只能报错或使用默认值。

3. FLAASH 的波长依赖机制

3.1 FLAASH 的物理模型与波长角色

FLAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）基于 MODTRAN 辐射传输模型，求解地表反射率。其核心是把传感器入瞳辐亮度分解为：地表反射经大气衰减的直接项、大气程辐射项、以及邻近像元贡献项。要完成这个分解，模型必须知道每个波段对应的中心波长和波段宽度（FWHM），因为大气透过率、气溶胶散射、水汽吸收都是波长的强函数。

具体来说，波长决定了三件事：一是水汽反演所用的吸收通道（如 1130 nm 附近）；二是气溶胶反演所用的短波红外通道；三是 MODTRAN 查找表的插值位置。波长错位，等于把整张查找表查错了位置。

3.2 波长缺失时的两种失败模式

本文评述：第二种模式才是真正的"坑"。很多用户以为"能跑通就是对的"，但大气校正的误差是系统性的，可能表现为植被指数整体偏高、水体反射率出现负值、或不同时相影像无法归一化。这类误差在单景目视检查中往往看不出来，只有做定量反演或时序分析时才暴露。

3.3 波长误差的传播量级

根据 MODTRAN 辐射传输的公开研究，在可见光—近红外区间，中心波长偏移几十纳米即可造成大气透过率估计的显著变化；在水汽吸收带附近，偏移的影响更敏感。需要说明的是，具体数值随大气模式、气溶胶类型、观测几何而变，本文不给出单一"误差百分比"，因为那会误导读者。可参考 Berk 等关于 MODTRAN 的系列论文以及 Cooley 等关于 FLAASH 的原始文献。

笔者认为，与其记住某个具体误差数字，不如建立一条原则：凡是进入 FLAASH 的影像，必须逐一核对波长字段，而不是依赖"软件没报错"。

4. ENVI 头文件结构与波长字段

4.1 .hdr 的文本结构

ENVI 头文件是纯文本，采用"键 = 值"的格式。与波长相关的关键字段包括：

4.2 一个典型的波长字段示例

wavelength units = Nanometers
wavelength = {
 443.0, 482.0, 561.0, 655.0, 865.0, 1609.0, 2201.0
}
fwhm = {
 20.0, 65.0, 35.0, 30.0, 40.0, 85.0, 180.0
}

注意：上述数值为 Landsat 8 OLI 多光谱波段的公开标称值，用于示例结构，实际使用时请以官方元数据（MTL 文件）为准。

4.3 Layer Stacking 后头文件的典型退化

band names = {
 Band 1, Band 2, Band 3, Band 4, Band 5, Band 6, Band 7
}
; wavelength 字段缺失
; wavelength units 字段缺失
; fwhm 字段缺失

这就是问题的直接证据。修复的目标，就是把缺失的 wavelength、wavelength units、fwhm 补回去，并把 band names 改成有物理意义的名称。

5. 手动改波长的标准操作路径

5.1 路径一：Edit Header 手工编辑

最直接的方法是在 ENVI 中打开输出文件，右键 → Edit Header（或 File → Edit ENVI Header），在 Band Names 与 Wavelength 栏逐项填写。操作步骤：

1. 打开 Layer Stacking 输出文件；
2. File → Edit ENVI Header，选择该文件；
3. 在弹出的 Header Info 对话框中，点击 "Band Names" 右侧的编辑按钮，逐个改为物理名称（如 Coastal、Blue、Green……）；
4. 点击 "Wavelength" 编辑按钮，输入各波段中心波长；
5. 设置 "Wavelength Units" 为 Nanometers 或 Micrometers；
6. 如有 FWHM 数据，一并填入；
7. 保存并关闭。

本文评述：这个方法适合波段数少、单次处理的场景。缺点是纯手工，容易输错，且无法批量。对于高光谱数据（动辄上百波段），手工输入几乎不可行。

5.2 路径二：导入波长文件（ASCII 波长表）

ENVI 支持把外部 ASCII 波长文件导入头文件。操作路径：File → Open，选择波长文件（通常是每行一个波长的 .txt 或 .sli），ENVI 会识别为 "Wavelength File"，然后通过 Edit Header 中的 "Import Wavelengths" 关联到目标文件。

波长文件格式通常为：

; 每行一个中心波长，单位与头文件一致
443.0
482.0
561.0
655.0
865.0
1609.0
2201.0

对于高光谱传感器（如 AVIRIS、Hyperion、GF-5 AHSI），官方通常提供波长文件，直接导入即可。这是最可靠的方式，因为波长来自传感器标定，而非人工估计。

5.3 路径三：直接编辑 .hdr 文本

由于 .hdr 是纯文本，可以用任意文本编辑器（Notepad++、VS Code）直接打开，手工添加 wavelength 字段。注意三点：一是保存时编码用 ASCII/UTF-8 无 BOM；二是大括号与逗号格式要正确；三是 ENVI 打开时会缓存头文件，编辑后需关闭并重新打开文件。

本文评述：直接编辑 .hdr 是效率最高的方式，尤其适合批处理前的模板制作。但它也是最"危险"的方式——一个逗号错误就可能导致头文件解析失败。建议先在副本上操作，确认无误后再替换。

5.4 路径四：用 IDL 脚本写入

ENVI 的底层是 IDL，可以用 ENVI_SetHeaderKey 或直接操作 ENVI_HEADER 结构写入波长。示例思路（伪代码，非完整可运行脚本）：

; 打开文件
envi_open_file, filename, r_fid=fid
; 获取头文件
envi_file_query, fid, wl=wl, fwhm=fwhm
; 设置新波长数组
new_wl = [443.0, 482.0, 561.0, 655.0, 865.0, 1609.0, 2201.0]
; 写回
envi_set_header_key, fid, 'wavelength', new_wl
envi_set_header_key, fid, 'wavelength units', 'Nanometers'

本文评述：脚本方式适合批量与可重复流程，是工程化项目的首选。但需要一定的 IDL 基础，且不同 ENVI 版本的 API 略有差异，使用前应查阅对应版本的官方文档。

6. 三类场景的差异化策略

6.1 多光谱场景（Landsat、Sentinel-2、GF 系列）

多光谱波段数少，波长相对固定，可以从官方元数据中直接抄录。Landsat 8/9 OLI 的波段中心波长与 FWHM 在 USGS 的 MTL 文件与产品说明中有明确列表；Sentinel-2 MSI 的波段信息在 ESA 的 S2 产品规格文档中给出；GF 系列在中国资源卫星应用中心的用户手册中有标称值。

本文评述：多光谱场景的关键不是"能不能填"，而是"填对哪一套"。同一传感器不同处理级别（L1、L2）的波长定义可能略有差异，建议以官方最新规格文档为准，并在项目文档中记录所采用的波长版本。

6.2 高光谱场景（AVIRIS、Hyperion、GF-5 AHSI）

高光谱波段数多，波长通常随传感器标定而变，必须使用官方波长文件。Hyperion 的波长文件在 USGS EO-1 归档中提供；AVIRIS 的波长随飞行任务不同而不同，需使用对应任务的波长文件；GF-5 AHSI 的波长信息在数据包中附带。

高光谱场景还涉及"坏波段剔除"。剔除波段后，波长数组必须同步剔除，否则波段与波长错位，后果比不填波长更严重。本文评述：高光谱处理中，波段剔除与波长维护必须原子化操作，不能分两步做。

6.3 多源融合场景

当把不同传感器的波段堆叠在一起（如 Landsat 与 Sentinel-2 融合），波长可能重复或交叉。此时需要先做波段筛选，确保每个波段有唯一的物理含义，再统一波长单位。本文评述：多源融合场景下，Layer Stacking 的元数据断裂问题被放大，因为源文件越多，手工维护成本越高，越需要脚本化。

7. 批处理与自动化方案

7.1 波长模板法

为每种传感器建立一份标准 .hdr 模板，包含 band names、wavelength、wavelength units、fwhm。批处理时，用脚本把模板中的字段合并到目标 .hdr。这是最稳妥的工程做法。

7.2 Python + GDAL 辅助校验

虽然 ENVI 头文件不是标准 GDAL 格式，但可以用 Python 读取 .hdr 文本并做校验。示例思路：

import re

def check_hdr(path):
    with open(path, 'r', encoding='utf-8', errors='ignore') as f:
        txt = f.read()
    has_wl = 'wavelength' in txt.lower()
    has_unit = 'wavelength units' in txt.lower()
    print(f"{path}: wavelength={has_wl}, units={has_unit}")

# 批量检查
import glob
for h in glob.glob('*.hdr'):
    check_hdr(h)

本文评述：这类轻量脚本可以在 FLAASH 批处理前做"准入检查"，把没有波长的文件拦下来，避免跑到一半才报错。

7.3 ENVI Modeler 可视化流程

ENVI Modeler 允许把 Layer Stacking、Edit Header、FLAASH 串成可视化流程。但需注意：Modeler 中的 Edit Header 节点是否支持波长写入，取决于版本。建议在关键节点后加"校验"节点，或导出为 IDL 脚本后手工增强。

8. 校验清单与常见报错对照

8.1 FLAASH 前校验清单

1. 波段数是否与波长数组长度一致？
2. wavelength units 是否明确（nm 还是 um）？
3. 波长是否单调递增？
4. 是否存在重复波长？
5. FWHM 是否填写？
6. 数据类型是否为 FLAASH 支持的浮点或整型？
7. 增益/偏移是否已应用或正确记录？
8. 投影与地理定位是否完整？

8.2 常见报错对照

9. 前沿趋势与工程预判

9.1 元数据标准化的推进

近年来，STAC（SpatioTemporal Asset Catalog）等元数据标准在遥感社区快速普及，其核心思想是把波段物理属性作为一等公民记录。本文评述：如果处理链上游就采用 STAC 类标准，Layer Stacking 的元数据断裂问题可以从源头缓解。但短期内，ENVI 的 .hdr 生态仍会长期存在，手工/脚本维护波长仍是必备技能。

9.2 云原生与容器化处理

随着云原生遥感处理（如 Google Earth Engine、Open Data Cube）的兴起，本地 ENVI 流程正在被部分替代。但 FLAASH 作为经典大气校正工具，在科研与业务中仍有不可替代的位置。本文评述：未来的趋势是"元数据随数据走"，即波长信息嵌入数据格式本身（如 COG + 侧车元数据），而不是依赖用户手动维护。

9.3 对工程实践的启示

笔者认为，Layer Stacking 波长问题虽小，但它揭示了一个更大的工程原则：在多步处理链中，每一步都要显式声明"我依赖什么元数据、我产出什么元数据"。把这个原则落实到流程设计、脚本编写、质量检查中，才能避免类似的"静默错误"。

10. 结论

Layer Stacking 后必须手动改波长，这不是一个"操作技巧"，而是元数据连续性的必然要求。本文从问题现象出发，解剖了 Layer Stacking 的元数据行为、FLAASH 的波长依赖机制、ENVI 头文件结构，给出了四条操作路径、三类场景策略、批处理方案与校验清单。核心结论可以概括为一句话：进入 FLAASH 之前，必须确认波长字段存在、单位正确、长度匹配、单调递增。

对于工程实践者，建议把波长校验做成流程的"准入检查"，用脚本自动化，用模板标准化。对于研究者，建议在处理链设计阶段就考虑元数据传递，而不是事后补救。

参考文献