高光谱遥感与AI：高光谱分类里邻域窗口大小（比如9×9、15×15）对精度影响很大，窗口大能提供更多空间上下文但也引入跨类干扰，窗口小则丢失空间信息——这个超参数到底该按地物类别的空间尺度来定（比如道路用窄窗口、农田用宽窗口），还是该让网络自己学自适应感受野，固定窗口在当前主流方法里是不是已经成了一个被忽视的偏差来源？

一、导语：一个被"默认值"掩盖的问题

在高光谱影像分类的工程实践中，有一个现象反复出现：同一份数据、同一套网络结构、同一组训练超参，仅仅把输入邻域窗口从 9×9 换成 15×15，总体精度（OA）就可能出现数个百分点的波动；再换成 21×21，某些类别继续提升，另一些类别却明显下滑。多数团队的处理方式是"试几个值，选验证集上最好的那个"，然后把结论写进论文或工程文档，很少追问这个值为什么有效、在什么条件下会失效。

这种处理方式在单一批次、单一区域的项目里通常不会出问题，因为验证集与测试集来自同一分布，窗口尺寸的"最优值"被数据本身锚定了。但一旦把模型迁移到地物构成不同、空间纹理不同的区域，或者把同一套流程复用到另一个传感器、另一个分辨率的数据上，原本"最优"的窗口就可能变成系统性误差的来源。更麻烦的是，这种误差不会以明显的方式暴露——它表现为某些类别的精度持续偏低、边界区域分类破碎、小目标被吞并，而这些现象很容易被归因于"样本不足"或"模型容量不够"。

笔者认为，邻域窗口之所以长期停留在"经验调参"层面，根本原因在于它同时承担了两个相互冲突的角色：一方面它是空间上下文的信息入口，窗口越大，网络能看到的邻域结构越丰富；另一方面它是标签纯度的假设载体，窗口越大，中心像元被异类像元"污染"的概率越高。这两个角色无法用单一尺寸同时满足，而固定窗口的做法本质上是在用一个常数去近似一个随类别、随区域、随分辨率变化的空间尺度分布。

本文的主线由此确立：固定窗口不是中性的工程约定，而是一种隐含的空间先验假设；当该假设与地物真实空间尺度分布不匹配时，它构成一个可识别、可量化、但常被忽视的偏差来源。围绕这条主线，下文依次讨论窗口在分类流程中的作用机制、多尺度与自适应感受野两条技术路线的进展与边界、公开数据上的可验证证据，以及面向工程落地的窗口选择与验证流程。

二、背景与问题定义：窗口在分类流程中究竟做了什么

2.1 从逐像元光谱分类到空谱联合分类

高光谱分类的早期范式是逐像元光谱匹配：每个像元被视为一条高维光谱向量，分类器（如光谱角制图、支持向量机、稀疏表示）只依赖该向量本身。这一范式的理论前提是"同物同谱"，但实际影像中受光照、大气、混合像元与传感器噪声影响，同类地物的光谱变异很大，逐像元方法的精度很快遇到瓶颈。文献中广泛报告的 Indian Pines、Pavia University、Salinas 等基准数据上，纯光谱方法的总体精度通常落在 70%–85% 区间（具体数值随训练样本比例变化，参见 Ghamisi 等 2017 年综述的汇总表）。

引入空间信息后，精度出现台阶式提升。最直接的做法是以每个像元为中心取一个 w×w 的邻域块（patch），把块内所有像元的光谱堆叠成张量送入分类器。这一做法在 2014 年前后被系统化，随后随着卷积神经网络（CNN）的普及成为主流：3D-CNN 直接在空谱立方体上卷积，2D-CNN 配合主成分分析（PCA）降维后的前若干主成分做空间特征提取，混合模型则分别处理光谱与空间分支。窗口尺寸 w 从此成为绕不开的超参数。

2.2 窗口尺寸的两难：信息量与标签纯度

窗口尺寸的选择本质上是一个权衡。设中心像元标签为 c，窗口内像元集合为 N(x)，则窗口提供的"有效空间上下文"取决于 N(x) 中与中心同类像元的比例。当地物呈大片连续分布（如农田、水体）时，增大窗口能纳入更多同类结构信息，有利于抑制光谱噪声；当地物呈细长或碎片化分布（如道路、小建筑、田埂）时，增大窗口会迅速引入异类像元，中心像元的特征被"稀释"，分类器倾向于把边界像元判给占多数的类别。

这一权衡在文献中已有零散讨论，但很少被提升到"偏差来源"的高度。多数工作把窗口尺寸与学习率、批大小并列，作为需要网格搜索的超参数；少数工作注意到不同类别对窗口的敏感性不同，提出按类别设置窗口或采用多尺度融合。本文评述：把窗口视为普通超参数，隐含假设是"存在一个对所有类别都近似最优的尺寸"，而这一假设在类别空间尺度方差大的数据上并不成立。更合理的表述是：窗口尺寸应与目标类别的特征空间尺度匹配，固定窗口是在用单一尺度近似多尺度分布，其近似误差就是偏差。

2.3 问题的形式化表述

可以把问题写得更清楚一些。设影像中第 k 类地物的特征空间尺度为 s_k（可操作地定义为该类连通区域的内切圆半径中位数，或半变异函数达到基台值 95% 的距离），固定窗口边长为 w。则窗口与类别的匹配度可粗略表示为：

匹配度 m_k = min(w, 2·s_k) / max(w, 2·s_k)   ∈ (0, 1]

当 w ≈ 2·s_k 时 m_k → 1，窗口恰好覆盖该类典型结构；
当 w ≫ 2·s_k 时 m_k → 0，窗口内异类占比上升，边界污染加剧；
当 w ≪ 2·s_k 时 m_k → 0，窗口内结构信息不足，退化为近光谱分类。

这个表达式是启发式的，不构成严格定理，但它把"窗口该按类别定还是让网络学"的争论转化为一个可测量的问题：先估计各类别的 s_k 分布，再看固定 w 造成的 m_k 离散程度。若离散度小，固定窗口的偏差可忽略；若离散度大（例如道路 s 约 2–4 像元、农田 s 可达 20 像元以上），固定窗口必然在某些类别上系统性吃亏。笔者认为，这一离散度应当成为数据集描述的标准统计量之一，与类别样本数、光谱可分性并列。

三、机制分析：感受野、空间尺度与跨类干扰的因果链

3.1 空间自相关与半变异函数：给"空间尺度"一个可测定义

"地物类别的空间尺度"常被口头使用，但工程上需要一个可计算的定义。地统计学中的半变异函数提供了现成工具：对某一类别掩膜内的像元值（可用第一主成分或某波段反射率），计算距离 h 上的半方差 γ(h)，其达到基台值（sill）约 95% 的距离称为变程（range），可视为该类别空间结构的特征相关长度。变程越小，说明该类地物的空间连续性越弱、结构越细碎。

这一工具在高光谱分类文献中应用不多，但在土壤制图、生态遥感中相当成熟。把它引入窗口选择，好处是把"道路用窄窗口、农田用宽窗口"这类经验判断转化为可复现的统计量：对每个类别分别拟合半变异函数，得到变程 r_k，再令窗口 w_k ≈ 2r_k（取整为奇数）。本文评述：这一做法的局限在于，半变异函数假设空间平稳性，而真实场景中同一类别在不同区域的尺度可能不同；此外它需要较完整的类别掩膜，小样本类别难以稳定拟合。因此它更适合作为先验参考，而非唯一依据。

3.2 边界污染：窗口增大为何伤害小目标

考虑一个宽度为 d 像元的线状地物（如道路），中心像元位于道路中轴。当窗口边长 w ≤ d 时，窗口内几乎全是道路像元，特征纯净；当 w 增大到 w ≫ d 时，窗口内道路像元占比约为 d/w，其余为两侧异类。对于以窗口内统计特征（均值、方差、卷积响应）为输入的模型，中心像元的表示会被异类主导，分类结果向多数类偏移。这一机制在建筑物边缘、田块边界、河流岸线同样成立。

值得注意的是，边界污染的影响并不对称：它主要伤害"少数类"和"小面积类"，因为这两类在窗口内的占比天然偏低。这解释了一个常见现象——增大窗口后总体精度上升，但道路、小建筑等类别的 F1 反而下降，而总体精度被大面积类别的提升掩盖。笔者认为，评价窗口优劣时只看 OA 是不够的，应同时报告宏平均 F1 与小目标类别的召回率，否则窗口偏差会被总体指标"平均掉"。

3.3 感受野与窗口的错配

即使输入窗口固定，网络内部感受野也可能与窗口不匹配。以常见的"两层 3×3 卷积 + 池化"结构为例，若在 9×9 输入上做两次 2×2 池化，深层特征图仅剩 2×2 左右，空间细节被压缩；反之，若使用空洞卷积扩大感受野，深层单元可能"看到"输入块之外的区域（通过 padding 补零），引入无效上下文。这两种错配都会削弱窗口设计的初衷。

工程上可用有效感受野（effective receptive field）来诊断：对训练好的网络，计算输出对输入各位置的梯度幅值分布，观察能量集中在中心多大范围内。若能量分布明显窄于输入窗口，说明窗口偏大、边缘信息未被利用；若能量在边界处异常高，说明 padding 或边界处理有问题。这一诊断手段在视觉领域已有成熟讨论，在高光谱分类中应用尚少，但对判断"窗口是否被浪费"很有价值。

四、技术路线一：多尺度与金字塔式感受野

4.1 多尺度输入与特征金字塔

应对尺度差异最直接的办法是并行使用多个窗口。典型做法是对同一中心像元分别取 9×9、15×15、21×21 三个块，各自经过共享或独立的分支提取特征，再在通道维拼接或加权融合。这一思路与目标检测中的特征金字塔网络（FPN）同源，区别在于高光谱分类的输出是逐像元标签，融合发生在像元级而非区域级。

多尺度输入的代价是计算量随尺度数线性增长，且不同尺度分支的融合权重需要额外学习。文献中常见的改进是让各分支共享浅层卷积、仅在深层分叉，以控制参数量。另一类做法是单输入多分支：只取一个大窗口（如 21×21），在网络内部用不同空洞率的卷积并行提取多尺度响应，等效于在同一输入上获得多个感受野。后者在参数量上更经济，但对窗口本身的边界污染问题没有缓解——大窗口里的异类像元依然存在，只是被不同分支以不同方式处理。

4.2 空洞卷积与可变形卷积

空洞卷积（dilated convolution）通过插入空洞扩大感受野而不增加参数，在保持输入窗口不变的前提下让深层单元覆盖更大范围。它的局限是采样点仍为规则网格，对细长、弯曲的地物（道路、河流）不够灵活。可变形卷积（deformable convolution）则让采样偏移量成为可学习参数，网络能根据内容自适应地把采样点"拉"向同类区域，理论上更贴合"按类别定窗口"的直觉。

可变形卷积在高光谱分类中的报道近年增多，多数结果显示在边界区域和小目标上有改善，但训练稳定性是常见问题：偏移量学习初期容易发散，需要较小的学习率或额外的正则。本文评述：可变形卷积的"自适应"是有限度的——偏移量由局部特征预测，缺乏全局类别尺度信息，因此在类别尺度差异极大的场景中，它更可能学到"边缘对齐"而非"尺度选择"。把它当作固定窗口的替代品需要谨慎，更合理的定位是固定窗口之上的补充机制。

4.3 超像素与对象级窗口

另一条思路是先分割后分类：用超像素分割（如 SLIC、ERS）把影像划分为若干同质区域，再以超像素为窗口单元提取特征。这样窗口形状随对象边界变化，天然避免了跨类污染。超像素方法在 2010 年代中后期有较多工作，常与 CNN 特征结合使用。

其局限在于超像素质量依赖分割参数，且分割错误会直接传播到分类；此外超像素的尺度仍需预设（目标超像素数量或紧凑度），本质上只是把"窗口尺寸"换成了"分割尺度"，偏差并未消失，只是转移。笔者认为，超像素路线的价值在于它明确承认了"窗口应贴合对象边界"这一先验，比固定方形窗口更接近问题本质；但要真正消除尺度偏差，仍需多尺度分割或尺度自适应机制。

五、技术路线二：让网络自己学感受野

5.1 自适应感受野的几种实现

"让网络自己学"在实现上有多个层次，从弱到强大致可分为：

层次	机制	自适应程度	主要局限
多分支加权	多个固定尺度分支，注意力加权融合	弱（尺度集合仍预设）	尺度集合外的类别仍吃亏
空洞率学习	空洞率作为可学习参数或按层搜索	中（层间共享，样本间不区分）	同一层对所有像元用同一空洞率
可变形卷积	采样偏移量由局部特征预测	较强（样本级、位置级）	缺乏全局尺度先验，训练不稳
动态卷积/条件网络	按输入内容生成卷积核权重	强（核随样本变化）	参数量与推理开销上升

从工程角度看，这几种机制的复杂度与收益并不成正比。多分支加权实现简单、可解释性好，适合作为基线；可变形卷积与动态卷积在边界和小目标上收益更明显，但调参成本高、复现难度大。本文评述："让网络自己学"并不自动消除偏差——它只是把尺度选择从人工先验转为数据驱动，而数据驱动同样受训练分布约束。如果训练集中某类别的样本都来自同一尺度区域，网络学到的"自适应"在该类别上依然是退化的。

5.2 自适应不等于无偏：训练分布仍是约束

这一点值得展开。自适应感受野的常见论证是"网络可以根据内容选择合适尺度"，但网络的选择能力来自训练信号。若训练样本中道路总是出现在窄窗口、农田总是出现在宽窗口，网络学到的可能是"根据光谱判断类别，再套用该类别的常见尺度"，而非真正理解尺度与结构的关系。一旦测试场景中同一类别呈现不同尺度（如宽阔的主干道 vs 狭窄的田埂路），自适应机制未必能正确泛化。

因此，自适应感受野的有效性依赖于训练集对尺度多样性的覆盖。工程上应主动构造尺度增强：对同一类别样本做不同窗口的裁剪，或在训练时随机缩放输入块，迫使网络见到同一类别的多种尺度表现。这类增强的成本不高，但对自适应机制能否真正生效至关重要。

5.3 与 Transformer 路线的交汇

近三年，视觉 Transformer 及其高光谱变体成为热点。Transformer 的自注意力机制在理论上具有全局感受野，窗口概念被"token 序列长度"与"注意力范围"取代。部分工作采用窗口注意力（如 Swin 结构）在局部窗口内计算注意力、再跨窗口交互，这实际上重新引入了窗口尺寸这一超参数，只是换了个名字。

对高光谱分类而言，Transformer 的优势在于建模长程光谱依赖与空间上下文，但其数据需求量大，而基准数据集样本有限，过拟合风险高。文献中常见的折中是"CNN 提局部特征 + Transformer 建模全局关系"的混合结构。笔者认为，Transformer 路线并未消解窗口问题，而是把它转化为"注意力范围与位置编码尺度"的问题；固定窗口的偏差在窗口注意力结构中依然存在，只是表现形式不同。

六、关键数据与案例：公开数据集上的可验证证据

6.1 基准数据集的空间尺度差异

三个最常用的高光谱基准数据集在空间分辨率与地物尺度上差异显著，这为讨论窗口偏差提供了天然对照。下表汇总其基本参数（数据来源：各数据集官方说明与 IEEE GRSS 数据页面）：

数据集	传感器/平台	空间分辨率	影像尺寸	类别数	尺度特征
Indian Pines	AVIRIS	约 20 m	145×145	16	农田为主，地块较大但混杂
Pavia University	ROSIS	约 1.3 m	610×340	9	城市，建筑与道路尺度差异大
Salinas	AVIRIS	约 3.7 m	512×217	16	蔬菜种植区，地块规整

以 Pavia University 为例，1.3 m 分辨率下一条双向四车道道路宽约 20 m，对应约 15 像元；一栋大型建筑边长可达 50–100 像元；而人行道、小径可能仅 2–3 像元宽。同一影像内类别尺度跨度接近一个数量级。在这种数据上，固定 9×9 窗口对建筑足够、对道路偏宽；固定 21×21 对道路严重污染、对建筑合适。这解释了文献中 Pavia University 上不同工作报告的最优窗口为何从 9 到 25 不等——差异部分来自网络结构，部分来自评测协议，部分正是尺度匹配的差异。

6.2 窗口尺寸敏感性的文献证据

近年多项工作报告了窗口尺寸的消融结果。综合来看，可归纳出几条相对稳健的规律（以下为对公开文献结果的归纳，非单一来源）：

• 在 Indian Pines 与 Salinas 这类农田主导的数据上，窗口从 9 增至 15–17 时 OA 通常仍有提升，继续增大到 21 以上收益趋缓甚至下降；
• 在 Pavia University 这类城市场景上，最优窗口更分散，且不同类别的偏好差异明显，道路类在较小窗口下 F1 更高；
• 当训练样本极少（每类 5–10 个）时，增大窗口带来的收益更明显，因为空间上下文起到了正则化作用；样本充足时，窗口的边际收益下降；
• 引入多尺度融合后，单一窗口的敏感性下降，但融合分支的尺度集合选择又成为新的超参数。

这些规律与第三节的机制分析一致：窗口收益来自空间上下文，成本来自边界污染，二者的相对大小随类别尺度、样本量、场景复杂度变化。本文评述：文献中报告的"最优窗口"数值不宜直接照搬，因为它们高度依赖训练/测试划分方式。随机采样划分会让相邻像元同时出现在训练集与测试集，窗口越大、空间泄漏越严重，测得的精度越虚高。这一问题在第七、九节进一步讨论。

6.3 一个可复现的敏感性实验设计

为便于读者自行验证，这里给出一个最小可复现的实验设计（不依赖特定代码库）：

输入：高光谱立方体 X (H×W×B)，标签图 Y，类别集合 C
步骤：
1. 预处理：坏波段剔除 → 归一化（按波段 min-max 或标准化）
2. 划分：采用"空间分块划分"而非随机像元划分
   - 将影像划分为互不重叠的网格块（如 30×30），整块划入训练/验证/测试
   - 每类训练样本数固定为 N（如 10、50、100 三档）
3. 对 w ∈ {5, 7, 9, 11, 13, 15, 17, 19, 21, 25}：
   a. 以每个有标签像元为中心取 w×w 块（边界处 reflect padding）
   b. 训练同一网络结构（固定随机种子，至少 3 次重复）
   c. 记录 OA、AA、宏 F1，以及每类 F1
4. 分析：
   - 绘制 OA / 宏 F1 随 w 的变化曲线
   - 计算各类别 F1 对 w 的敏感度（斜率）
   - 与类别尺度统计量（连通区域内切圆半径中位数）做相关分析

这个设计的关键在于第 2 步的空间分块划分。若沿用随机像元划分，大窗口会因空间泄漏而系统性占优，实验结论会被扭曲。关于划分协议的更多讨论见第九节。

七、对比与局限：固定窗口、多尺度与自适应谁更可靠

7.1 三条路线的工程对比

维度	固定窗口	多尺度融合	自适应感受野
实现复杂度	低	中	高
计算开销	低	随尺度数线性增长	中到高
尺度偏差	大（单尺度近似多尺度）	中（受尺度集合限制）	小到中（受训练分布限制）
可解释性	高	中	低
复现难度	低	中	高
适用场景	类别尺度均匀、样本充足	类别尺度差异明显	数据量大、训练分布覆盖多尺度

这张表说明，三条路线并非替代关系，而是适用条件不同。固定窗口在类别尺度均匀时并不构成显著偏差，此时追求自适应反而增加复杂度；多尺度融合是性价比最高的折中；自适应感受野在数据充足、尺度多样时才有优势。笔者认为，工程上应先做尺度诊断，再决定是否引入复杂机制，而不是默认"自适应更先进"。

7.2 固定窗口偏差的边界条件

把"固定窗口是偏差来源"这一判断说清楚，需要给出它成立与不成立的条件。基于前述机制与证据，可归纳如下：

• 偏差显著的条件：类别空间尺度方差大（如城市道路与大型建筑并存）、小目标类别占比不可忽略、评测使用宏平均指标、测试区域与训练区域地物构成不同；
• 偏差可忽略的条件：类别尺度相近（如单一作物种植区）、目标类别均为大面积连续分布、评测只看 OA 且大面积类占主导、训练与测试同分布；
• 偏差被掩盖的条件：随机像元划分导致空间泄漏，大窗口因泄漏而虚高，掩盖了其边界污染问题；此时"最优窗口偏大"的结论本身不可靠。

这些条件提示，讨论窗口偏差不能脱离评测协议。一个在随机划分下"最优"的窗口，在空间分块划分下可能不再最优，甚至排序反转。第九节将展开这一点。

7.3 自适应的代价与风险

自适应机制并非没有代价。首先是过拟合风险：可学习偏移量、动态核等额外参数在小样本高光谱数据上容易过拟合，表现为训练精度高、测试精度波动大。其次是可解释性下降：当分类错误发生时，难以判断是光谱混淆、空间上下文不足还是自适应机制失效。第三是复现成本：不同实现细节（偏移量初始化、正则强度、训练日程）对结果影响显著，跨团队复现困难。

因此，笔者建议把自适应机制定位为"在固定窗口基线上做增量改进"，而非"从零开始的新范式"。先在固定窗口上建立可靠的基线、明确其失效模式，再有针对性地引入自适应模块，并用消融实验证明增益来自尺度自适应而非其他因素。这一原则在工程上比追求结构新颖更重要。

八、工程操作路径：窗口选择与验证的标准流程

8.1 第一步：尺度诊断

在选定网络之前，先量化数据的尺度结构。具体做法：

1. 对每个类别，提取其标签掩膜内的连通区域，计算每个区域的内切圆半径（可用距离变换的最大值），取中位数作为该类别的尺度估计 s_k；
2. 对每个类别，在第一主成分或平均反射率图上计算半变异函数，拟合球状或指数模型，记录变程 r_k；
3. 计算尺度分布的离散度：s_k 的变异系数（标准差/均值），以及最大类与最小类的比值；
4. 若变异系数大于约 0.5 或最大最小比超过 3，判定为"尺度异质"，固定窗口偏差风险高。

这一步不需要训练模型，成本低，但能提前判断是否需要多尺度或自适应机制。实践中很多团队跳过这一步直接调参，结果是在一个本不需要复杂机制的数据上反复试错，或在需要机制的数据上误以为"模型不够强"。

8.2 第二步：基线窗口扫描与分层评估

在空间分块划分下，对固定窗口做扫描，但评估指标要分层：

• 总体层：OA、AA、宏 F1、Kappa；
• 类别层：每类 F1、召回率，按尺度从小到大排序展示；
• 空间层：边界像元（距类别边界 2 像元内）与内部像元的精度分别统计；
• 稳定性层：不同随机种子、不同训练样本量下的指标方差。

分层评估的价值在于定位偏差。若发现小尺度类别的 F1 随窗口增大单调下降、而大尺度类别单调上升，就确认了尺度偏差的存在；若所有类别同向变化，则窗口主要影响的是正则化强度而非尺度匹配，此时固定窗口的偏差判断需要修正。

8.3 第三步：按需引入多尺度或自适应

若第二步确认尺度偏差显著，按以下优先级引入机制：

1. 多尺度输入融合：选 2–3 个尺度（覆盖 s_k 分布的低、中、高段），共享浅层、深层分叉，注意力加权融合。这是性价比最高的方案；
2. 尺度增强训练：在训练时对同一像元随机采样不同窗口，迫使网络见到多尺度表现。成本低，可与任意结构组合；
3. 可变形卷积或动态卷积：在前两步基础上做增量改进，用消融实验验证增益来源；
4. 类别条件窗口：若类别标签在推理时不可知（通常如此），不能用类别直接选窗口；可行的是让网络预测尺度权重，再据此加权多尺度特征。

8.4 第四步：部署前的稳健性检查

模型上线前，至少做三项检查：

• 跨区域检查：在与训练区地物构成不同的区域上测试，观察精度下降是否集中在特定尺度类别；
• 分辨率扰动检查：对影像做轻微重采样（如 0.8×、1.2×），观察窗口的等效尺度变化是否导致精度骤降；
• 边界专项检查：单独统计边界像元精度，若显著低于内部像元，说明窗口边界污染仍未被有效控制。

这三项检查不增加训练成本，但能暴露窗口偏差在部署场景中的实际影响。很多项目在单一区域验证集上指标漂亮，迁移后精度骤降，根源往往就在这里。

九、评测协议中的隐性偏差与可复现性

9.1 随机划分与空间泄漏

高光谱分类文献中长期存在两种划分方式：随机像元划分（random sampling）与空间分块划分（disjoint spatial sampling）。前者从每类中有放回或无放回地抽取一定比例像元作为训练集，剩余作为测试集；后者按空间块划分，保证训练块与测试块不重叠。

随机划分的问题在于空间自相关：相邻像元高度相似，若一个像元在训练集、其邻居在测试集，模型可以通过"记住邻居"而非"学习地物特征"获得高精度。窗口越大，这种泄漏越严重——因为大窗口把更多邻居信息带入输入。结果是：在随机划分下，大窗口因泄漏而系统性占优，测得的"最优窗口"偏大；在空间分块划分下，这一优势消失，最优窗口可能显著左移。

笔者认为，随机划分下报告的最优窗口数值，其可信度应打折扣。若要讨论窗口偏差，必须同时报告划分协议；否则不同文献的"最优窗口"不可比，讨论会陷入数值之争而无法触及机制。

9.2 指标选择对窗口评价的影响

OA 按像元数加权，大面积类别主导；AA 与宏 F1 按类别等权，小类别影响更大。窗口增大通常提升大面积类别、损害小类别，因此 OA 与宏 F1 对窗口的响应方向可能相反。只报 OA 的工作会系统性高估大窗口的收益。

此外，Kappa 系数在类别极不平衡时对窗口变化不敏感，也不宜单独使用。建议同时报告 OA、AA、宏 F1，并在附录给出每类 F1 随窗口的变化曲线。这类补充材料对读者判断窗口偏差的价值，远高于正文里一个孤立的"最优窗口"数字。

9.3 可复现性清单

为提升窗口相关结论的可复现性，建议在论文或工程文档中至少披露：

项目	应披露内容
划分协议	随机/分块、块大小、每类训练样本数、重复次数
窗口处理	窗口尺寸、边界填充方式（zero/reflect/replicate）
预处理	坏波段剔除清单、归一化方式、是否降维及维数
指标	OA、AA、宏 F1、每类 F1、边界/内部像元分项
稳定性	随机种子数、指标均值与标准差

这份清单不复杂，但能显著提升窗口相关结论的可比性。当前文献中完整披露的项目不多，这也是"最优窗口"数值难以横向比较的原因之一。

十、结论与展望

回到文章开头的问题：窗口该按地物类别空间尺度来定，还是让网络自己学？本文的分析给出的回答是——这不是二选一，而是两个层次的决策。第一层是诊断：用尺度统计量判断数据是否存在显著的尺度异质性，若不存在，固定窗口不构成实质偏差，无需复杂机制。第二层是设计：若存在异质性，优先用多尺度融合覆盖尺度分布，再用自适应机制做增量改进；同时必须配合空间分块划分与分层指标，否则无法判断改进是否真实。

至于"固定窗口是否已成为被忽视的偏差来源"，本文的判断是：在尺度异质、小目标占比不可忽略、且评测采用宏平均指标的场景中，固定窗口确实构成系统性偏差，且这一偏差因 OA 主导的评测习惯与随机划分的泄漏效应而被长期掩盖。但在尺度均匀、目标大面积连续的场景中，把它称为"偏差来源"则言过其实。区分这两种场景，比笼统地批评固定窗口更有工程价值。

展望未来，笔者认为有三个方向值得关注。其一，把尺度统计量纳入数据集标准描述，就像现在报告类别样本数一样报告尺度分布，让窗口选择有据可依。其二，发展更严格的评测协议，特别是空间分块划分的标准化与边界像元的专项评估，使窗口偏差可测量、可比较。其三，探索"尺度感知"的轻量机制，在不大幅增加参数与训练成本的前提下，让网络对输入尺度变化更稳健——这比单纯追求结构新颖更贴近实际需求。

最后需要强调，本文的许多判断基于对公开文献的归纳与机制推理，部分数值为文献汇总或模拟分析，具体项目应以自身数据的实测为准。窗口虽小，它编码的是我们对地物空间结构的理解；把这个理解说清楚，比调出一个好看的精度数字更有长远价值。

主要参考文献与数据说明

本文在写作中参考了高光谱分类、空间上下文建模、自适应感受野与评测协议等方向的公开文献