8.6 多光谱与高光谱对比¶
多光谱与高光谱是成像光谱技术的两种主要形态，在波段数量、光谱分辨率、系统复杂度、数据量和应用场景上存在显著差异。正确理解两者的区别与联系，有助于根据任务需求选择合适的技术路线。
一、核心差异总览¶
| 维度 | 多光谱 | 高光谱 |
|---|---|---|
| 波段数 | 4–20 | 数十至数百（常见 100–300） |
| 光谱分辨率 | 宽（50–200 nm/波段） | 窄（5–20 nm/波段） |
| 光谱连续性 | 离散，波段间有间隔 | 近似连续，可绘制平滑曲线 |
| 单景数据量 | 数 MB 至数十 MB | 数百 MB 至数 GB |
| 物质识别 | 依赖预设波段，能力有限 | 可提取任意光谱特征，能力强 |
| 系统实现 | 滤光片、多相机为主 | 色散（棱镜/光栅）+ 线阵探测器 |
| 成本 | 低至中等 | 高 |
| 实时处理 | 易实现 | 数据量大，需优化 |
二、光谱维对比¶
2.1 采样密度¶
多光谱： [====蓝====] [====绿====] [====红====] [====NIR====] （宽波段，稀疏）
高光谱： | | | | | | | | | | | | | | | | | | | | （窄波段，密集）
多光谱的波段通常针对已知应用设计，覆盖关键特征波长；高光谱则"全谱"采样，事后可根据需要提取任意特征。
2.2 光谱形状刻画能力¶
| 能力 | 多光谱 | 高光谱 |
|---|---|---|
| 吸收峰位置 | 难以精确定位 | 可精确定位峰位和半宽 |
| 吸收深度 | 受宽波段平滑，弱化 | 可保留精细形状 |
| 红边斜率 | 若缺红边波段则无法计算 | 可精确计算 |
| 矿物填图 | 仅限预设蚀变矿物 | 可识别多种矿物类型 |
2.3 光谱混淆风险¶
多光谱波段少，不同物质可能在同一波段组合下光谱相似（混淆）；高光谱通过更多维度提高可分性，但需注意 Hughes 现象（维数灾难）：波段过多而样本有限时，分类性能反而下降。
三、空间维与系统对比¶
3.1 空间分辨率¶
两者均可实现高空间分辨率，但高光谱因光谱维占用探测器资源，在相同探测器规模下空间像元数通常少于多光谱。工程上可通过增大探测器、降低光谱分辨率或减小幅宽来权衡。
3.2 采集方式¶
| 方式 | 多光谱 | 高光谱 |
|---|---|---|
| 滤光片轮 | 常用 | 少用（波段太多） |
| 多相机并行 | 常用 | 成本高 |
| 色散 + 线阵 | 可用（取部分通道） | 主流 |
| 快照式 | 马赛克滤光片 | 编码孔径等（研究阶段） |
3.3 数据率与存储¶
多光谱单景数百 MB 量级，易于实时传输和存储；高光谱单景可达数 GB，对存储、传输和计算资源要求高。
四、应用场景选择¶
4.1 适合多光谱的场景¶
- 植被指数监测（NDVI、EVI 等）
- 大范围地物分类（林地、农田、水体、建筑）
- 农业长势监测、产量预估
- 无人机/卫星常规遥感业务
- 工业分选、缺陷检测（已知特征波长）
- 对成本、实时性要求高的场景
4.2 适合高光谱的场景¶
- 矿物勘探与蚀变填图
- 精细农业（作物胁迫、养分、病害早期识别）
- 水质参数反演（叶绿素、悬浮物、CDOM）
- 目标探测与识别（军事、安检）
- 土壤属性制图
- 需要"未知物质"识别或新特征发现的科研
4.3 混合策略¶
- 先用多光谱普查，再用高光谱对重点区域详查
- 多光谱用于业务化监测，高光谱用于方法研究和标定
五、技术发展趋势¶
| 趋势 | 多光谱 | 高光谱 |
|---|---|---|
| 波段精细化 | 增加红边、SWIR 等波段 | 保持高分辨率，拓展 VNIR–SWIR–TIR |
| 小型化 | 消费级多光谱（手机、手持） | 芯片化、轻量化机载/星载 |
| 实时化 | 嵌入式指数计算、边缘推理 | GPU 加速、波段选择、压缩 |
| 与 AI 结合 | 深度学习分类、产量预测 | 光谱解混、端到端反演 |
参考资料¶
- Goetz, "Three Decades of Hyperspectral Remote Sensing", Remote Sensing of Environment, 2009
- Thenkabail et al., Remotely Sensed Data Characterization, CRC Press
- 8.1 高光谱成像原理、8.5 多光谱技术原理
更新时间¶
2026-03-03