空间、光谱、辐射与时间分辨率

“分辨率高”没有单一含义。遥感系统通常从空间、光谱、辐射和时间四个方面描述观测能力。某一方面更精细，往往需要在覆盖范围、信号强度、重访频率、数据量或成本上付出代价。评价数据是否合适，应从任务需要出发，而不是把像元最小的影像一律视为最好。

NASA ARSET 的 Fundamentals of Remote Sensing 把这四类分辨率作为认识传感器的重要框架。它们分别回答不同问题，也会在实际成像中相互制约。

空间分辨率不只是像元大小

空间分辨率描述传感器区分地面细节的能力，产品中常用像元对应的地面尺寸表达。十米像元表示网格采样间隔或覆盖尺度，并不保证十米目标一定可识别。光学系统、探测器、平台运动、信噪比和处理算法共同决定实际空间响应。

一个目标能否被识别，还取决于形状、对比度、背景和任务。宽度小于像元的明亮道路可能改变混合像元值，却难以准确勾出边界；面积大于一个像元的目标，如果与背景光谱相近，也未必容易分辨。对分类而言，目标最好由多个内部像元表示，边缘混合像元则容易产生类别混淆。

将影像从三十米重采样到十米只会增加数组尺寸，不会恢复缺失的地面细节。锐化和超分辨率可以在特定假设下改善视觉或估计细节，但输出包含模型推断，不能当作传感器原始观测。面积统计和精细边界分析必须考虑这一点。

光谱分辨率与波段数量、中心位置、带宽和响应函数有关。波段越窄，越可能分开邻近的吸收或反射特征，但接收到的能量也可能减少，对信噪比和定标提出更高要求。仅比较波段数量会忽略波段是否覆盖目标特征。

全色影像通常使用较宽波段换取更细空间采样；多光谱传感器在若干较宽波段观测；高光谱系统使用大量连续窄波段记录更细的光谱变化。这些类型之间没有绝对优劣。城市制图、作物胁迫、矿物识别和水色分析需要的光谱位置与宽度各不相同。

不同传感器的“红光”“近红外”不一定具有相同响应。跨传感器计算指数或构建时间序列时，应核对光谱响应函数，必要时进行一致化。波段名称相同只能说明大致区域相近，不能证明数值可直接替换。

辐射分辨率常以量化位数说明。八位数据最多编码 256 个等级，十二位最多编码 4096 个等级，但编码等级不是测量精度。噪声、动态范围、定标误差和饱和决定实际能分辨多少信号差异。

较高辐射分辨率有助于区分微弱变化，例如暗水体或植被细小差异，但必须有足够信噪比。若传感器饱和，强目标会被截在上限；若信号接近噪声底，数字等级变化可能主要来自噪声。处理软件把数据存成 16 位整数，也不代表传感器拥有 16 位有效观测能力。

产品中的整数值还可能通过比例因子和偏移量表示反射率、温度或其他物理量。USGS 的 Landsat Glossary可用于核对 Landsat 任务术语，而具体数值转换仍应以对应产品文档为准。

时间分辨率通常描述同一区域再次被观测的频率。轨道周期、视场宽度、指向能力、卫星数量和纬度都会影响重访。标称重访时间不等于每个位置都按相同间隔获得可用数据。

光学观测会被云和阴影遮挡，得到一景影像不代表得到一次有效地表观测。农业监测需要覆盖关键物候阶段，灾害响应关心事件后尽快成像，长期变化研究则需要跨年份的一致观测。评价时间能力应看有效无云观测、采集时刻和序列完整性。

主动雷达受云影响较小并能夜间成像，但轨道方向、入射角和地表含水量变化仍会影响可比性。把不同几何条件的影像简单拼成时间序列，也可能把观测条件变化解释为地表变化。

USGS 的 Landsat Project Documents提供任务和产品级资料，可用于确认具体传感器的轨道、产品与处理说明。分辨率数字必须和任务、波段、产品级别及版本一起引用。

城市建筑提取可能优先空间细节，植被生化参数更依赖光谱位置和信噪比，快速洪水监测重视时间覆盖与全天候能力，长期气候记录则强调定标稳定和跨任务一致性。选择数据时可以先确定最小目标、所需物理特征、变化时间尺度和允许误差，再比较候选传感器。

分辨率之间常有工程权衡。更细空间像元接收的光子更少，可能降低信噪比；更多窄波段增加数据量和定标难度；宽幅覆盖改善重访，却可能限制空间细节。多源融合能够组合不同优势，但需要处理配准、尺度、时间差和传感器差异，不能把融合结果视为同时拥有所有传感器的原生能力。

报告结果时，不要只写“使用高分辨率影像”。应说明空间像元、关键波段、量化与有效数值范围、采集时间和有效重访，并解释这些条件是否足以观察目标。这样的描述才能让分析被复查和复现。