1. 遥感影像中的光谱指纹大自然的身份证你有没有想过卫星在天上拍的照片怎么能分辨出哪里是森林、哪里是湖泊这就像给大自然做指纹鉴定一样每种地物都有自己独特的光谱特征。我在处理遥感数据时最喜欢把这些光谱曲线叫做大自然的身份证——植被、水体、岩石、雪和土壤每个都带着与生俱来的身份密码。记得第一次用Landsat卫星数据做农田监测时发现小麦田在近红外波段会突然亮起来就像突然打开了手电筒。这就是植被最典型的特征在可见光波段0.4-0.76微米有个绿色小山峰两侧蓝光和红光被叶绿素吃掉形成低谷到了近红外波段0.7-1.1微米反射率会像坐火箭一样飙升这是植物细胞结构在发光而进入中红外波段后曲线又会快速下降因为植物体内的水分开始大量吸收光线。水体则完全是另一种性格。在青海湖水质监测项目中我们发现纯净水体就像个挑食的孩子——只对蓝绿光有点兴趣反射率约5-10%到了近红外波段几乎全部吸收反射率1%。所以卫星红外影像上深水区总是黑得发亮。但要是水体混入泥沙或藻类这个挑食的特性就会改变就像给清水加了调料光谱曲线立刻变得不一样了。2. 植被光谱植物的健康体检报告2.1 叶绿素的秘密语言植被的光谱特征简直就是一部植物生理学教科书。我经常跟学生说看植被光谱要抓住三个关键点0.55微米的绿峰、0.67微米的红谷以及0.7-1.1微米的近红外高台。这就像植物的摩斯密码传递着它们的健康状态。去年监测某地玉米长势时我们发现受旱地块的植被指数明显异常近红外反射率下降10%中红外波段却升高了。这是因为植物缺水时首先会关闭气孔减少水分蒸发导致叶片细胞结构改变那个标志性的近红外高台就塌陷了。更神奇的是通过0.45微米和0.67微米两个吸收谷的深度对比还能判断叶绿素a和b的比例就像给植物做血液检查。2.2 不同植被的方言差异松树和杨树的光谱曲线就像四川话和广东话的区别。针叶林在1.6微米处的反射率通常比阔叶林低5-8%这个特征在ASTER卫星数据上特别明显。做森林分类时我们还会用2.1-2.3微米波段的斜率来区分树种——针叶的斜率更陡就像滑雪道的黑道和蓝道区别。农作物更有意思小麦抽穗期会在1.45微米处突然出现个小酒窝这是穗部含水量变化的信号。通过Sentinel-2卫星的红色边缘波段0.705-0.745微米我们甚至能提前两周预测产量比老农的经验判断还准。3. 水体光谱水质监测的天然试剂3.1 纯净水体的光学特性在太湖水质调查时我们收集了300多个样点的光谱数据。纯净水体在450nm蓝光波段有个微弱反射峰约3-5%就像害羞的小姑娘微微抬头。随着波长增加反射率曲线呈指数下降到800nm红外波段时反射率已经低于0.5%这就是为什么在卫星红外影像上深海总是最黑的那个。但水体一旦含有悬浮物整个光谱性格就变了。去年监测长江入海口时含沙水体在580-680nm黄红波段会形成明显反射峰峰值能达到15-20%像突然戴了顶黄帽子。通过建立650nm反射率与含沙量的回归模型我们实现了泥沙浓度的遥感反演误差不超过5mg/L。3.2 藻类水华的红色警报当蓝藻爆发时水体的光谱曲线会在680nm处突然隆起形成所谓的红边效应。我们在巢湖预警系统中就利用这个特征当MERIS卫星数据的709nm波段反射率超过0.015系统就会自动触发三级警报。更精细的监测还会看藻蓝蛋白在620nm的特征吸收峰就像给不同藻类做DNA鉴定。4. 岩石与土壤地质学家的解码手册4.1 岩石矿物的光谱身份证在内蒙某铜矿勘探时我们通过Hyperion高光谱数据在2.2μm处发现的吸收特征成功定位了高岭土蚀变带。不同矿物就像不同歌星——赤铁矿在850nm有个宽吸收带方解石则在2.35μm处有双吸收峰。最神奇的是绿泥石它在2.25μm和2.35μm的两个吸收峰间距能直接反映矿物中铁镁含量。花岗岩和玄武岩的光谱差异就像白巧克力和黑巧克力的颜色对比。前者因富含石英在可见光波段反射率可达40-50%后者因含铁镁矿物往往低于20%。我们开发的光谱角制图算法能把这些差异量化为0-1的相似度指数找矿准确率提升了30%。4.2 土壤光谱的隐藏信息华北平原的土壤调查显示有机质含量每增加1%可见光波段反射率就下降约0.8%。而含水量对光谱的影响更戏剧化——在1.45μm和1.95μm两个水分子吸收带湿润土壤的反射率可以比干燥时低50%以上。最近我们在新疆开发的盐渍土识别模型就是利用2.1-2.3μm波段的斜率变化精度达到90%以上。5. 冰雪覆盖气候变化的温度计5.1 积雪的光谱签名在祁连山积雪监测中新鲜雪在可见光波段的反射率能高达80-90%比A4纸还亮。但随着雪龄增长到近红外波段1.0-1.3μm反射率会骤降至30%以下这个断崖式下降是区分云和雪的关键特征。更精细的分析还会看1.6μm波段的吸收特性——干雪几乎全吸收湿雪则有15-20%反射。5.2 冰川监测的冰与火之歌用Landsat8监测冰川退缩时我们发现清洁冰在短波红外1.5-1.7μm的反射率比污化冰高20%以上。通过计算NDSI归一化差值雪指数能准确区分终年积雪和季节性积雪。去年在喜马拉雅山脉的监测中这套方法成功捕捉到某冰川年退缩37米的证据。
