高光谱解译要把光谱库匹配到传感器与场景条件

高光谱传感器在连续而狭窄的波段上记录辐射，使矿物、植被、水体和人工材料的吸收与反射特征更容易被分辨。光谱库则保存实验室、野外或航空测量的参考曲线与样品信息，用于比较未知观测。

参考曲线不是材料的永恒指纹。同一材料会因粒径、含水量、表面粗糙度、健康状态、光照和背景发生变化，传感器又会通过自身波段响应和噪声改变曲线。可靠匹配必须同时处理物理条件、尺度和仪器差异。

窄波段记录的是连续光谱形状

多光谱传感器用少量宽波段概括反射，高光谱影像则以数十到数百个相邻波段采样光谱。更密的采样有机会分辨窄吸收特征，也带来更强的波段相关性、数据量和噪声敏感性。

光谱分辨率描述传感器分开相近波长特征的能力，采样间隔只是波段中心之间的距离，两者不能混用。空间分辨率决定一个像元混入多少对象，辐射信噪比决定细小特征是否高于噪声。波段数量多不自动等于可识别材料多。

原始辐亮度还受太阳光谱、大气吸收、照明几何和传感器校准影响。要与地表反射光谱比较，通常需要辐射与大气校正，并屏蔽低信噪比和强大气吸收波段。

USGS Spectral Library Version 7 收录实验室、野外和航空光谱，覆盖矿物、植物、化合物、人工材料及混合物，并描述所用光谱仪、样品和可能伪影。这样的元数据决定一条曲线是否能作为当前场景的参考。

样品名称不够。矿物纯度、粒径、制备方式、植被物种与含水状态都会改变特征。测量几何、白板参考、仪器波长范围、分辨率和校准日期同样应保留。缺少这些信息时，曲线只能作为候选线索。

实验室样品通常纯净、照明受控，影像像元则包含阴影、背景和多个材料。直接把实验室曲线与像元逐波段比较，可能把尺度差异误判为材料差异。野外光谱更接近场景，但仍需知道视场、观测时间和大气条件。

高分辨率光谱库往往比影像传感器采样更细。比较前应使用传感器相对光谱响应函数对参考曲线积分或卷积，得到对应波段的预期观测，而不是只在波段中心取一个值。

USGS 库提供针对部分光谱仪和成像传感器波段特性的卷积或重采样版本，说明仪器响应是参考匹配的重要组成。若实际传感器响应随探元、时间或温度变化，还需使用对应校准资料。

影像与光谱库的波长标定可能有微小偏移。对窄吸收特征而言，几个纳米偏差就会明显降低相似度。可以用已知大气或地物特征检查波长位置，但校正过程必须避免把未知材料强行对齐到期望答案。

向量归一化或光谱角方法弱化整体亮度，强调曲线方向，适合处理部分光照差异，却可能忽略有意义的反射幅度。连续谱去除把吸收特征相对于局部包络归一化，便于比较位置、深度和宽度，但结果依赖端点与基线选择。

一阶或二阶导数能突出斜率变化，也会放大噪声，通常需要平滑和明确窗口。标准化、对数或散射校正同样带有假设。预处理方法应根据材料机制选择，并在独立样本上验证，而不是尝试许多组合后只报告最好结果。

坏波段、饱和和条带噪声要在匹配前处理。缺失波段不能简单补零，因为零会被算法当成真实低反射。若不同像元可用波段不同，相似度分数的可比性也会变化。

光谱角比较光谱向量夹角，相关系数比较形状，欧氏距离同时受幅度影响；特征拟合则专门检查吸收位置和形态。不同指标对亮度、噪声和基线变化的敏感性不同，没有一种对所有材料最优。

最高相似度不等于真实类别。库中若缺少实际材料，算法仍会从已有条目中选出一个最像者。应设置未知或拒绝条件，并检查第一与第二候选差距、关键特征是否真的存在，以及空间分布是否符合场景。

像元常是线性或非线性混合。端元光谱和丰度模型可描述多个成分，但端元也会在场景内变化。把一个库曲线作为固定端元，会把阴影、粒径和背景变化吸收到错误丰度中。可使用场景端元、谱束或分层模型表示变异。

验证数据应来自独立实测、样品分析或可信地面调查，并记录空间配准误差。现场样点与影像像元尺度不同，定位偏差可能让验证落到邻近材料。只用同一光谱库分出的训练测试集合，会高估真实场景能力。

评价除了总体分类准确率，还应报告每类召回、误报、未知拒绝、混合比例和置信度校准。稀有材料需要足够独立样本，不能用少数漂亮案例代替统计证据。

光谱库和处理链都要版本化。新增样品、修订名称、更新仪器校准或改变坏波段规则，都可能改变结果。最终产品应能追到影像级别、校正版本、库版本、卷积响应和匹配参数。

高光谱的优势在于保留细致的光谱结构，光谱库的优势在于提供可解释参照。只有把参考曲线放回传感器、尺度和环境条件中，匹配结果才从“最像哪条曲线”变成有物理依据的材料判断。