高光谱技术：从太阳光谱研究到物质信息解析的应用

一、1814年夫琅禾费线的发现与光谱研究

200 多年前的慕尼黑，一位名叫约瑟夫·冯·夫琅禾费的玻璃工匠正在调试望远镜镜片。当他将阳光通过三棱镜投射到白屏上时，原本应该是连续彩虹的光谱中，竟出现了数百条细密的黑色线条。这些黑线的发现（后来被称为 "夫琅禾费线"），打破了牛顿时代 "白光由七种颜色组成" 的简单认知。而夫琅禾费并不止步于此，在他的钻研下，更是发明了光谱仪的雏形。他制作的衍射光栅能够将光分解为更精细的光谱，首次实现了光谱的定量测量：当阳光通过 0.002 毫米间距的金属丝光栅时，被分解为前所未有的精细光谱，原本模糊的暗纹显现出 574 条清晰的吸收线，其中 D 线（589nm）、H 线（396nm）等主要暗纹被精准定位。

这些暗纹，随之成为了19 世纪物理学界的著名谜题。直到 1859 年，德国化学家基尔霍夫和罗伯特·本生才破解了这个密码：太阳发出的连续光谱，在穿过太阳大气和地球大气层时，被特定元素 "吸收" 了对应波长的光。比如波长 589 纳米的 D 线，正是钠原子的 "指纹"—— 当阳光中的钠原子遇到同频能量时，会像挑食的孩子般吸收掉这个波段的光，在光谱上留下暗线。更神奇的是，地球大气中的氧气会在 687 纳米处留下吸收峰，水蒸气则在 940 纳米附近 "吃掉" 大量能量。

随着科技的发展，人们掌握了高光谱技术，高光谱技术可以看作是这种通过“暗线”来识别“元素指纹”技术的升级版。

二、高光谱技术：从有限波段到宽光谱解析的技术突破

（一）传统成像技术的光谱识别局限

我们日常使用的相机，本质上是对红（Red）、绿（Green）、蓝（Blue）三个波段的光进行捕捉，就像用三原色画笔描绘世界。这种 RGB 成像技术虽然能还原肉眼可见的色彩，却只能捕捉 3 个波段的信息，相当于让画家只用三种颜色创作，许多细节被永远埋藏在光谱的 "暗区"。

（二）高光谱技术的纳米级光谱解析能力

夫琅禾费暗线研究中确立的 "光谱 - 物质对应关系"，至今仍是高光谱技术的核心算法基础。高光谱技术像一位精密的光谱厨师，将阳光这道 "大餐" 切成 100–500个极窄的 "波长切片"（每个切片仅 1-10 纳米宽）。比如常见的 AVIRIS 高光谱相机，能在 400-2500 纳米的光谱范围内，精准捕捉 224 个连续波段的信息，相当于把传统相机的 3 个 "颜色通道" 扩展成 224 个 "化学通道"。每个像素不再是单纯的 RGB 数值，而是一条包含数百个数据点的光谱曲线，记录着物质对不同波长光的反射、吸收和透射特性。

拆开的光谱[1]

（三）三维数据立方体：空间与光谱的双重解码

如果说普通照片是二维的色彩平面图，高光谱图像则是由数百个密集排列的光谱层叠加形成的三维数据立方体——X、Y轴记录空间位置，Z轴对应不同波长的窄波段，实现图谱合一的物质指纹识别。想象一下，当我们用高光谱相机拍摄一片森林时，每个树冠像素不仅能告诉我们 "这是松树还是柏树"，还能精确到 "这棵松树是否感染了松材线虫病，叶片的叶绿素含量是否低于正常值 15%"。这种 "看其形更知其性" 的能力，让高光谱成为物质分析的终极工具。

不同物质在不同波段光谱信号下的不同表现，可以绘制成一条关于光谱波段和光谱值之间的曲线，根据曲线的差异，我们可以高光谱图像中不同物质进行分类。[2]

三、高光谱技术在监测领域的应用

（一）森林病虫害早期检测中的应用

森林病虫害堪称"沉默的森林杀手"，其危害程度往往被严重低估。以森林资源丰富的加拿大为例，每年因病虫害损失的木材蓄积量高达8800万立方米，相当于该国年采伐量的三分之一。而在中国，虽然森林覆盖率相对较低，但自1980年以来，每年森林病虫害发生面积都稳定在667万公顷以上，相当于我国人工造林保存面积的12.5%。

这些病虫害每年导致林木生长量减少约1000万立方米，这个数字看似抽象，实则相当于损失了可供100万户家庭使用的建筑木材。与直观的森林火灾不同，病虫害的危害往往具有隐蔽性和持续性。1999年《中国气象报》的一篇报道指出，当时森林病虫害的危害面积已达到森林火灾的214倍。1998年，全国因病虫害死亡的树木超过4亿株，这个数字相当于当年人工造林面积的6%。而近年来，松材线虫害频发，严重威胁我国森林生态屏障，阻碍了绿色生态的可持续发展。准确、及时地对害虫未来发生状况和消长趋势作出预测预报，及时采取相应的综合防治对策，可以相应减少或避免损失[3]。

高光谱松材线虫病害监测预测技术，恰恰可以解决这个问题。该技术可以实现病虫害的全过程精准监测，探究松材线虫病不同寄主树种各感病阶段的空谱特征，为及时开展科学防治奠定了坚实基础。

以福建泰宁县三乡镇为例，该镇采用了卫星结合无人机利用高光谱拍摄的遥感数据，分析松树的“出汗量”（蒸腾速率）和树叶的“健康指数”（比值植被指数，RVI），实现了AI病害监测。简单来说：

1.松树“出汗”越少，可能病得越重：健康的松树会通过叶片释放水分（蒸腾作用），而感染松材线虫的树会逐渐“干涸”，这一变化能通过高光谱捕捉到。

2.AI自动诊断病情：团队用人工智能（BP神经网络）分析这些数据，再结合当地气候、土壤等环境因素，就能像医生看化验单一样，判断松树是“轻度感染”还是“重症晚期”。

该技术的数据分析结果和林业工作人员实地调查的情况基本一致。采用高光谱监测相当于给森林装上了“远程体检仪”，能够早发现、早治病，减少虫害蔓延。

松材线虫病病害等级反演结果图[4]

此后，泰宁县通过分区施策（核心防御区、重点防治区等）和综合措施（清理枯死木、生物防治等），虫害病疫情得到有效控制。例如，大金湖景区枯死松树从2012年的1.76万株降至2923株。

（二） 河道污染检测中的应用

中山市传统水污染治理长期面临精准度不足的困境。人工巡查难以实时覆盖全域水体，常规监测手段采样周期长、数据滞后，无法快速锁定污染源位置及污染物种类。尤其在河流丰枯水期交替时，水体污染物浓度波动明显，但传统方法难以动态追踪污染扩散路径，导致治理存在盲区，影响治污效率与成本控制。

高光谱监测技术如同"水质CT机"，通过无人机搭载高光谱成像仪，可对河流开展厘米级光谱扫描。水体中的氨氮等污染物，在特定波段具有独特光谱特征，高光谱成像仪能采集每个像素点数百个波段的光谱数据，精准识别污染物种类，量化浓度分布。光谱数据经算法处理后，转化为可视化热力图，以红、蓝等色彩直观呈现污染程度。

结合水文周期变化，如丰水期的稀释效应、枯水期的污染物富集现象，可构建污染扩散模型。同时，定期开展无人机航拍，积累连续监测数据，通过 AI 技术对比分析，可以快速锁定异常区域，追踪污染趋势，形成 “污染溯源 — 浓度测算 — 趋势预警” 的全流程闭环监测体系。

中山用高光谱监测与分析技术防治水污染[5]

图中左右图分别为，中山市板芙大桥同一个位置在2019年11月份和2019年9月份的水质分布图。左图偏红，代表污染物浓度比较高。而右图蓝色偏多，代表污染物浓度比较低。从这两张图片的对比，可以比较直观地分析出来颜色变化背后的原因。11月份的时候，属于枯水期。而9月份的时候，属于丰水期。图片中偏暖色甚至红色的区域，主要的污染物是氨氮。

仅引入高光谱监测技术半年，中山市治污成效显著。精准锁定了6大监测断面污染热点，氨氮等关键污染物溯源准确率大大提升，为水务部门实施截污工程提供支撑，见效快，成本低，同时推动板芙大桥等重点断面 2020 年水质达标率同比提升 40%，助力全市 7 个国考断面全部达标。同时，构建 “天眼监测 - 云端分析 - 部门联动” 智慧体系，将水质数据更新周期从月级缩短至小时级，实现跨部门高效协同治水。

中山市生态环境局用搭载了高光谱成像仪的无人机航拍河流[5]

四、引用

[1]　Bilibili：【秒懂】高光谱是什么？为什么我们能永远相信光！|https://www.bilibili.com/video/BV1DY411k76f/?spm_id_from=333.337.search-card.all.click&vd_source=816fbc7c5e90c63def778384d9179473

[2]　CSDN：高光谱基础知识（1）|https://blog.csdn.net/two_apples/article/details/88571235

[3]　落叶松毛虫发生严重性的预测. (2009, 12, 18). 中国科技论文在线; 周秀丽，李洋，孙桐. https://www.paper.edu.cn/releasepaper/content/200912-612

[4]　微信公众号：南京林业大学学报|专题报道：第三届中国林草计算机应用大会论文精选||内蒙古师范大学黄晓君副教授团队研究无人机航高对落叶松毛虫虫害遥感监测精度的影响|https://mp.weixin.qq.com/s?__biz=MzUzMzA3ODk3MQ==&mid=2247527440&idx=3&sn=f288e0c4228c6b49767ff9481b80f478&chksm=fb66fffb3434470594364b8a60eb024b6efe802b1833725f157e64616c1ae2f82236f490d0e0&poc_token=HNudD2ijnCkAmdL1rt1Eplyghypo9SfxdKNTjeIL

[5]　微信公众号：广东生态环境|【亮点】高科技治污！中山用高光谱监测与分析技术防治水污染|https://mp.weixin.qq.com/s?__biz=MzIyOTQyNDAzOA==&mid=2247508528&idx=2&sn=5c91a7be47278b03593fca87e26f1010&chksm=e94401473be8c5e548a34c5a429a960f72e7b4c3c7fffd3d574ec2b5a556e0dfa313357dfd5d#rd