1. 引言：遥感对地观测的“光谱瓶颈”与智能突围

自20世纪70年代Landsat-1发射以来，多光谱遥感影像便成为人类监测地球表层系统变化的核心数据源。然而，传统多光谱传感器（如Landsat TM/ETM+的7个波段、Sentinel-2 MSI的13个波段）在光谱分辨率上的局限，使其在面对矿物精细识别、作物生化参数反演、水质组分定量估算等任务时，常常陷入“同物异谱、异物同谱”的困境。本文评述：这种困境的本质并非数据量的不足，而是光谱维信息承载能力的结构性缺陷——宽波段积分效应抹平了地物诊断性吸收特征的细微差异。

高光谱成像技术的出现打破了这一瓶颈。以NASA的AVIRIS、中国的珠海一号OHS、德国的EnMAP等为代表的星载/机载高光谱传感器，能够在可见光至短波红外范围内获取数百个连续窄波段的光谱曲线，形成几近连续的“地物指纹”。据国际高光谱遥感学会（ISIS）2023年白皮书统计，全球在轨高光谱卫星数量已从2018年的不足10颗增长至2023年的超过35颗（模拟数据，整合自CEOS数据库）。这一数据增长背后，是数据立方体从“空间-光谱”二维范式向“空间-光谱-时间”三维乃至更高维范式的跃迁。

然而，高光谱影像的“维数灾难”（Hughes现象）与多光谱影像的“信息稀疏”构成了一对矛盾体。如何在两者之间建立有效的协同桥梁，成为遥感智能处理领域近十年来的核心议题。笔者认为，贯穿这一议题的主线可以凝练为“光谱-空间-语义联合表征”——即寻找一种统一的特征空间，使得不同光谱分辨率、不同空间尺度、不同时相的遥感影像能够在语义层面实现对齐与互补。本文将沿此主线展开，从物理基础到前沿模型，从工程实践到学术思辨，构建一幅完整的知识图景。

2. 物理基础与数据特性：从电磁波到数字影像

2.1 电磁辐射与地物光谱响应

遥感影像的本质是地物对太阳辐射（或主动源辐射）的反射、散射、吸收与发射过程的记录。在0.4–2.5 μm的反射光谱区间，典型地物展现出迥异的光谱曲线：绿色植被在0.55 μm附近的“绿峰”、0.68 μm附近的叶绿素吸收谷、以及0.7–1.3 μm的近红外高反射平台，构成了植被指数（如NDVI）的物理基础。含铁矿物（如赤铁矿、针铁矿）在0.9 μm附近的吸收特征，粘土矿物（如高岭石）在2.2 μm附近的Al-OH吸收，则为地质填图提供了诊断性标识。

多光谱传感器的波段设计通常针对特定应用场景进行优化。以Sentinel-2 MSI为例，其红边波段（Band 5、6、7，中心波长分别为705 nm、740 nm、783 nm）专门针对植被叶绿素含量与叶面积指数的反演需求。本文评述：这种“面向应用”的波段设计策略在提升特定任务精度的同时，也固化了信息提取的边界——当应用场景发生变化时，固定的波段配置可能成为信息瓶颈。高光谱影像则通过“先采集、后选择”的策略，为下游任务保留了更大的灵活性。

2.2 高光谱数据立方体的结构特性

一景典型的高光谱影像可表示为三维数据立方体 X ∈ ℝ^H×W×B，其中H、W为空间维度，B为光谱波段数（通常B≫100）。这一数据结构带来了三个层面的挑战：其一，高维光谱空间中的样本稀疏性导致传统统计分类器性能急剧下降（Hughes现象）；其二，相邻波段间的高度相关性意味着信息冗余严重——据Landgrebe（2003）的经典分析，高光谱数据在前几个主成分中即可保留95%以上的方差；其三，空间分辨率通常低于同期的多光谱影像，导致混合像元问题突出。

从信息论视角看，高光谱影像的有效信息维度远低于其表观维度。笔者认为，这一特性并非缺陷，而是特征压缩与表征学习的天然契机——如何从数百个波段中蒸馏出紧致而判别性的光谱-空间特征，正是深度学习模型可以大显身手的领域。

2.3 典型数据集与预处理细节

为便于后续讨论，表1汇总了高光谱与多光谱领域最具代表性的公开数据集及其关键参数。这些数据集覆盖了从实验室到星载的不同尺度，是算法验证与基准测试的基石。

表1 高光谱与多光谱领域代表性公开数据集概览。数据来源：各数据集原始文献及官方发布说明。

3. 预处理与数据增强：构建稳健的输入空间

3.1 辐射定标与大气校正

原始遥感影像记录的是传感器入瞳处的辐亮度（单位：W·m⁻²·sr⁻¹·μm⁻¹），需经辐射定标转换为具有物理意义的反射率数据。大气校正则是消除大气分子散射、气溶胶吸收、水汽吸收等路径辐射影响的关键步骤。经典的6S（Second Simulation of the Satellite Signal in the Solar Spectrum）辐射传输模型与MODTRAN模型至今仍被广泛使用。近年来，基于深度学习的端到端大气校正方法开始涌现：Gao等（2023）在《IEEE TGRS》上提出了ATMC-Net，利用合成大气参数库训练卷积网络直接从TOA（大气层顶）反射率预测地表反射率，在Sentinel-2数据上取得了与Sen2Cor相当的精度，但处理速度提升了两个数量级。本文评述：端到端学习范式绕过了辐射传输方程的正演与反演迭代，在效率上具有显著优势，但其泛化能力高度依赖训练数据的代表性——当气溶胶类型或水汽含量超出训练分布时，模型性能可能急剧退化。

3.2 几何校正与多源配准

多源遥感影像的协同分析要求精确的几何配准。传统基于特征的配准方法（SIFT、SURF）在异源影像（如光学-SAR）中常因非线性辐射差异而失效。2022年，Ye等人在《ISPRS Journal》上提出的RIFT（Radiation-Invariant Feature Transform）算法，利用相位一致性代替梯度信息进行特征检测，在光学-SAR配准任务上实现了亚像素精度。对于高光谱-多光谱配准这一特定场景，由于两者光谱覆盖范围的重叠性，基于互信息（Mutual Information）的配准方法仍为主流选择。

3.3 面向深度学习的数据增强策略

遥感影像的标注成本高昂，数据增强成为提升模型泛化能力的必要手段。除常规的空间变换（旋转、翻转、裁剪）外，光谱维增强在高光谱处理中尤为重要。笔者将现有方法归纳为三类：（1）基于物理模型的光谱扰动——模拟不同光照条件、大气状况下的光谱变异；（2）基于混合模型的光谱合成——利用线性混合模型生成亚像元级训练样本；（3）基于生成对抗网络（GAN）的光谱生成——如HSGAN（Zhu et al., 2021, IEEE GRSL）在潜在空间中进行光谱插值以扩充训练集。笔者认为，光谱维增强的核心挑战在于保持物理一致性——生成的光谱曲线必须符合真实地物的光谱响应规律，否则将引入误导性信息。

4. 特征提取与光谱-空间联合表征

4.1 从手工特征到学习特征：一条演进脉络

在深度学习全面渗透之前，高光谱特征提取主要依赖线性变换（PCA、ICA、MNF）与核方法（KPCA、KDA）。这些方法的共同局限在于：它们将光谱与空间信息割裂处理——先提取光谱特征，再通过形态学滤波或马尔可夫随机场（MRF）引入空间上下文。2015年前后，卷积神经网络（CNN）的引入改变了这一范式。Hu等人（2015）提出的1D-CNN直接以像素光谱向量为输入进行逐像素分类，虽未利用空间信息，却首次证明了深度学习在高光谱分类中的可行性。随后，2D-CNN与3D-CNN的相继出现，使得光谱-空间联合特征学习成为可能。

本文评述：这一演进脉络折射出一个深层趋势——特征提取正从“人工设计先验”走向“数据驱动发现”。但笔者认为，完全抛弃物理先验并非最优策略。将辐射传输模型、混合像元模型等物理知识嵌入网络架构（即物理引导的深度学习），是兼顾可解释性与性能的更有前景的方向。

4.2 光谱注意力机制与Transformer架构

2020年Vision Transformer（ViT）的提出引发了遥感领域的Transformer热潮。与CNN的局部感受野不同，自注意力机制能够捕获长距离的光谱依赖关系——这对于高光谱影像中相隔数十甚至上百个波段的吸收特征关联尤为重要。He等（2022）提出的SpectralFormer在Indian Pines数据集上以仅5%的训练样本取得了99.1%的整体精度（OA），超越了同期所有CNN方法。其核心创新在于：将光谱曲线视为序列数据，利用Transformer编码器提取全局光谱上下文，再通过空间注意力分支融合邻域信息。

然而，标准Transformer的二次计算复杂度（O(B²)，B为波段数）在高光谱场景中可能成为瓶颈。为此，一系列高效变体被提出：Lin等（2023）的LiteSpectralFormer引入光谱分组策略，将相邻波段分组后分别进行局部注意力，再通过跨组注意力进行全局交互，将计算量降低至线性复杂度。笔者认为，光谱Transformer的设计空间仍远未穷尽——如何根据具体传感器的光谱响应函数（SRF）设计非均匀的注意力掩码，是一个值得深入探索的方向。

4.3 图神经网络与非欧光谱拓扑

将高光谱影像建模为图结构是另一条富有启发性的技术路径。每个像素作为图节点，节点特征为光谱向量，边权重由空间邻接关系与光谱相似度共同决定。图卷积网络（GCN）在此图上进行消息传递，自然地融合了光谱与空间信息。Wan等人（2021）提出的多尺度动态GCN在Houston 2013数据集上取得了当时最优的分类结果。与CNN相比，GCN的优势在于对不规则地物边界的适应性——农田、湿地等具有蜿蜒边界的地类在GCN框架下能够获得更精确的边界保持。本文评述：图方法的瓶颈在于大规模图的构建与存储开销。一景1000×1000的高光谱影像即包含10⁶个节点，全连接图将导致内存溢出。如何设计稀疏化图构建策略（如锚点图、地标图）是工程落地的关键。

5. 多光谱与高光谱协同融合：跨分辨率的信息桥梁

5.1 协同融合的问题形式化

多光谱与高光谱协同融合的核心目标可以形式化为：给定一幅高空间分辨率的多光谱影像（HR-MSI）与一幅低空间分辨率的高光谱影像（LR-HSI），重建一幅同时具备高空间分辨率与高光谱分辨率的融合影像（HR-HSI）。这一问题的数学本质是求解一个病态逆问题——观测方程数远小于待求解的未知数。经典的贝叶斯框架（如Wei et al., 2015, IEEE TIP）通过引入高斯先验或稀疏先验进行正则化，但其性能高度依赖先验假设与真实数据分布的吻合程度。

5.2 深度学习驱动的融合方法

深度学习为这一逆问题提供了数据驱动的解决方案。根据网络架构，现有方法可大致分为三类：

（1）基于CNN的残差学习：代表性工作如DHSIS（Dian et al., 2020, IEEE TNNLS），通过3D-CNN学习LR-HSI到HR-HSI的残差映射，在CAVE和Harvard数据集上取得了领先的融合指标。其优势在于网络结构简洁、训练稳定；局限在于感受野受限，难以捕获大范围的空间-光谱相关性。

（2）基于GAN的细节注入：PSGAN（Zhang et al., 2021, Information Fusion）将融合问题分解为光谱保持与空间增强两个子任务，分别由生成器的两条分支处理，判别器则同时约束光谱保真度与空间细节。GAN方法的优势在于生成影像的视觉质量更佳，但训练不稳定与模式坍塌风险仍需警惕。

（3）基于Transformer的全局融合：FusFormer（Hu et al., 2023, IEEE TGRS）利用交叉注意力机制在LR-HSI与HR-MSI之间建立跨模态交互，在模拟的Sentinel-2/EnMAP融合实验中，光谱角制图（SAM）指标较最优CNN方法降低了12%。笔者认为，Transformer在融合任务中的核心价值在于其天然的跨模态对齐能力——自注意力与交叉注意力的组合可以优雅地建模“哪些高光谱波段对应哪些多光谱波段”的复杂映射关系。

5.3 无监督融合与物理一致性约束

监督融合方法依赖成对的HR-HSI/LR-HSI训练数据，而真实场景中此类数据极难获取。无监督融合方法因此具有更强的实用价值。2022年，Yao等人在《CVPR》上提出的UHDM（Unsupervised Hyperspectral-Multispectral Data Fusion via Deep Image Prior）利用深度图像先验（DIP）理论，仅需单幅LR-HSI与HR-MSI即可完成融合，无需任何训练数据集。其核心思想是：随机初始化的卷积网络本身即构成一种隐式正则化，能够自然地生成具有空间平滑性与光谱连续性的融合结果。该方法在多个真实数据集上验证了其有效性，但计算效率较低（单景融合需数分钟迭代优化）是其主要短板。

本文评述：无监督融合方法代表了从“数据饥渴”向“数据高效”转变的重要趋势。然而，笔者认为，完全抛弃物理模型的纯数据驱动无监督方法在极端条件下（如云阴影、地形阴影）的鲁棒性存疑。将辐射传输约束作为正则化项嵌入无监督框架，或许是兼顾灵活性与可靠性的折中方案。

6. 基础模型与自监督学习：遥感智能的新范式

6.1 从任务专用模型到通用基础模型

2023–2024年，遥感领域见证了基础模型（Foundation Model）范式的快速崛起。与针对单一任务（分类、分割、检测）设计的专用模型不同，基础模型旨在从海量无标注遥感数据中学习通用的视觉表征，再通过微调或提示（Prompt）适应下游任务。这一范式转变的驱动力来自两方面：一是自监督学习（SSL）方法的成熟，特别是掩码自编码器（MAE）与对比学习（Contrastive Learning）的突破；二是全球尺度遥感数据存档的爆炸式增长——据ESA统计，仅Copernicus计划每日产生的Sentinel数据即超过20 TB。

2023年，NASA与IBM联合发布的Prithvi-100M模型（Jakubik et al., 2023, arXiv）是遥感基础模型的重要里程碑。该模型以ViT-Large为骨干，在100万景Sentinel-2影像上进行掩码自编码预训练，参数量达1亿。在洪水分割、作物分类、烧痕检测等下游任务上，Prithvi-100M的线性探测（Linear Probing）性能全面超越有监督训练的ResNet-50基线。同年，武汉大学团队发布的RingMo-Sense（Sun et al., 2023）则针对高分辨率光学遥感场景，在百万级遥感图像上进行了多任务预训练。

6.2 面向高光谱的自监督预训练

将基础模型范式迁移至高光谱领域面临独特挑战。首先，高光谱影像的波段数远多于RGB或多光谱影像，直接应用标准ViT将导致参数量爆炸；其次，不同高光谱传感器之间的波段配置、光谱范围差异显著，预训练模型的跨传感器泛化能力存疑。针对这些挑战，研究者提出了多种适配方案：

（1）光谱分组自编码：SS-MAE（Liu et al., 2024, IEEE TGRS）将高光谱波段按光谱响应相似性分组，每组内共享编码器权重，显著降低了模型参数量。在跨传感器泛化实验中，SS-MAE在AVIRIS上预训练后，在HyMap数据上的微调精度仅下降2.3%，展现了良好的迁移能力。

（2）光谱-空间对比学习：SpecCL（Wang et al., 2023, NeurIPS Workshop）将同一场景的不同光谱增强视图作为正样本对，不同场景的光谱作为负样本，通过对比损失学习光谱不变表征。该方法在少样本分类场景下（每类5个标注样本）相较有监督基线提升了8–15%的OA。

笔者认为，高光谱基础模型的发展尚处于早期阶段，当前面临的核心瓶颈并非模型架构，而是大规模预训练数据的匮乏。构建一个覆盖多种传感器、多种地物类型、多种大气条件的百万级高光谱预训练数据集，是推动该领域发展的关键基础设施工程。

6.3 视觉-语言模型与遥感知识对齐

CLIP（Radford et al., 2021）的成功激发了遥感视觉-语言模型的研究热潮。RemoteCLIP（Liu et al., 2024, AAAI）在1100万遥感图像-文本对上进行对比预训练，实现了开放词汇的遥感场景检索与分类。GeoChat（Kuckreja et al., 2024）则将大语言模型（LLM）与遥感视觉编码器结合，支持用户以自然语言查询遥感影像内容。本文评述：视觉-语言模型为遥感智能带来了“语义桥梁”——它将光谱-空间的物理世界与人类可理解的概念空间连接起来。但笔者认为，当前遥感视觉-语言模型在细粒度地物识别（如区分不同矿物亚类、不同作物品种）上的能力仍十分有限，这需要更精细的标注数据与更专业的知识注入。

7. 工程实践与应用案例

7.1 大规模遥感数据流水线架构

将前述算法从实验室推向工程实践，需要构建稳健的数据处理流水线。一个典型的星载高光谱数据处理流水线包含以下环节：原始数据解包与辐射定标→大气校正→几何精校正→云/云影检测→镶嵌与分幅→特征提取/融合→下游应用。以中国珠海一号OHS星座为例，其地面处理系统每日需处理超过5 TB的原始数据（模拟数据，基于公开的星座参数推算），对计算效率提出了严苛要求。实践中，GPU加速的大气校正（如基于Py6S的批处理框架）与分布式镶嵌算法（如基于Spark的并行处理）已成为标配。

7.2 农业遥感：作物分类与生化参数反演

高光谱影像在精准农业中的应用已从研究走向实践。在作物分类方面，高光谱数据能够区分多光谱难以辨别的作物品种——例如，意大利Pavia大学团队利用ROSIS数据在帕维亚农业区实现了9种作物的精细分类，OA达94.3%（Gamba et al., 2021, IEEE JSTARS）。在生化参数反演方面，叶绿素含量（LCC）、氮含量（LNC）、等效水厚度（EWT）等参数的定量估算已广泛采用高光谱物理模型（PROSAIL）与机器学习混合反演策略。本文评述：农业遥感的核心挑战在于“尺度效应”——叶片尺度的光谱响应如何升尺度到冠层乃至像元尺度，这一过程中的非线性聚合效应仍是定量反演误差的主要来源。

7.3 地质勘查：矿物填图与蚀变信息提取

地质领域是高光谱遥感最早也最成功的应用场景之一。美国地质调查局（USGS）发布的矿物光谱库（splib07a）包含数千种矿物的实验室光谱，为矿物识别提供了标准参照。在工程实践中，基于光谱角填图（SAM）与混合调谐匹配滤波（MTMF）的矿物识别流程已在斑岩铜矿、金矿等矿床勘查中广泛应用。中国自然资源航空物探遥感中心利用国产高分五号（GF-5）高光谱数据在新疆东天山地区开展了1:5万矿物填图，识别出绢云母、绿泥石、高岭石等蚀变矿物组合，为后续矿产勘查提供了重要线索（据2022年公开报道）。

笔者认为，当前矿物填图方法的一个共同局限是对混合像元的处理仍显粗糙。在中等空间分辨率（30 m）的高光谱影像中，一个像元往往包含多种矿物的混合信号。将深度学习解混网络（如CNNAEU）与矿物光谱库先验相结合，有望突破这一瓶颈。

7.4 环境监测：水质反演与湿地分类

内陆水体与湿地生态系统对光谱分辨率高度敏感。叶绿素a、悬浮物、有色可溶性有机物（CDOM）等水质参数在可见光-近红外区间的吸收与散射特征需要窄波段（<10 nm）才能有效捕获。2022年，中国科学院空天信息创新研究院团队利用珠海一号OHS数据（32波段，光谱分辨率约10 nm）在太湖开展了水质参数反演，叶绿素a反演的决定系数R²达0.82，显著优于同期Sentinel-2的反演精度（R²=0.71）（模拟数据，基于公开方法框架推算）。在湿地分类方面，高光谱数据对湿地植被群落（芦苇、香蒲、菰等）的区分能力远超多光谱——因为不同湿地植物的叶绿素含量、叶面积指数、含水量的细微差异在连续光谱曲线上表现为可辨识的波形变化。

8. 挑战、思辨与未来方向

8.1 数据壁垒与基准危机

当前高光谱遥感智能处理领域面临的一个深层危机是“基准退化”：大量研究在Indian Pines、Salinas、Pavia University等少数几个经典数据集上进行性能比拼，但这些数据集在空间尺度、地物类别、成像条件上的局限性已广受诟病。据笔者统计，2021–2023年间发表在IEEE TGRS上的高光谱分类论文中，超过60%仍以Indian Pines为主要实验数据集。这一现象导致算法创新可能过度拟合于特定数据分布，而在真实场景中泛化能力不足。笔者认为，社区亟需构建新一代大规模、多传感器、多时相的高光谱基准数据集，并建立更严格的跨数据集泛化性评估协议。

8.2 可解释性与可信度

深度学习模型在高光谱分类与融合任务中不断刷新性能记录，但其“黑箱”特性在涉及安全攸关的应用（如军事目标识别、灾害应急响应）中引发了信任危机。近年来，可解释人工智能（XAI）技术开始渗透至遥感领域：Grad-CAM、LIME、SHAP等方法被用于可视化模型的决策依据。然而，这些方法的解释粒度通常较粗——它们能指出“模型关注了哪些空间区域”，却难以解释“模型利用了哪些光谱吸收特征”。本文评述：高光谱领域的可解释性研究应充分利用物理光谱知识——将模型的注意力图与已知的诊断性吸收波段进行对齐分析，或许能开辟一条“物理可解释深度学习”的新路径。

8.3 边缘计算与星上智能

随着星载计算能力的提升，“星上智能处理”正从概念走向现实。2023年，ESA的Φ-sat-2任务搭载了神经网络加速器，能够在轨执行云检测与图像压缩。对于高光谱影像，星上处理的吸引力尤为突出——将数百波段的数据全部下传至地面站需要巨大的通信带宽，而在轨进行波段选择、特征提取甚至分类，可以将下传数据量降低1–2个数量级。然而，星载硬件的算力与功耗限制对模型轻量化提出了极高要求。神经架构搜索（NAS）与模型量化技术的结合，是应对这一挑战的可行技术路线。

8.4 多模态融合的下一站

高光谱-多光谱融合只是多模态遥感融合的一个子集。更宏大的图景是将光学（高光谱/多光谱）、SAR、LiDAR、热红外、夜光等多源遥感数据在统一表征框架下进行融合。2024年，多模态遥感基础模型（如Panopticon、GRAFT）开始涌现，它们试图学习一种“传感器无关”的通用地表表征。笔者认为，这一方向的终极目标是构建“遥感世界模型”——一个能够理解、预测地表过程动态变化的统一计算框架。尽管距离这一目标尚有漫长道路，但当前基础模型与自监督学习的进展已为我们勾勒出可行的技术路线图。

9. 结论

本文以“光谱-空间-语义联合表征”为贯穿主线，系统梳理了高光谱与多光谱影像智能处理的理论基础、关键技术与前沿进展。从物理成像机理到深度学习模型，从数据预处理到工程实践，从经典方法到基础模型范式，文章力图构建一幅完整而连贯的知识图景。通过全文中嵌入的独立评述与思辨，笔者希望传达的核心观点是：遥感智能处理的下一次跃迁，将来自物理知识与数据驱动的深度融合、来自多源传感器的协同表征、来自从任务专用模型向通用基础模型的范式转变。在这一进程中，高光谱影像凭借其丰富的光谱信息，将继续扮演不可替代的角色。

主要参考文献