高光譜影像具有“圖集一體化”的特點，使得高光譜遙感在理論上具有許多應用優勢，如礦物種鑑定、樹種分類、作物水分肥力監測、水質引數反演等。 這些應用的基礎是從高光譜影象和代表物質反射和吸收的特徵光譜中獲取連續光譜曲線。 然而，現實是瘦弱的，因為資料稀缺。
今天，現實有可能被高分五分所改變。 高分五號於5月9日發射公升空，5月13日接收到首軌影象，經過半年的除錯和測試，有望正式投入使用。 高分五號是全球首顆實現大氣和陸地綜合觀測的全光譜高光譜衛星，也是廣格系列中唯一的高光譜觀測衛星。
高光譜遙感其實是按感測器型別來劃分的，核心是高光譜影像和圍繞高光譜影像的應用。 高光譜影象的光譜通道狹窄且連續（<10 nm），並且可以從每個畫素中提取連續的光譜曲線。
圖：高光譜影象示意圖。
地球上不同的物質都有自己獨特的光譜特徵，物質的光譜就像人類的“指紋”。 光譜分析允許通過“圖譜整合”檢測物質的特定成分。 在下面的示例中，可以通過將赤鐵礦光譜與高光譜影象上獲取的光譜進行比較來獲得赤鐵礦的分布。
注：此示例來自“基於HyMAP高光譜影象的澳大利亞塔斯馬尼亞赤鐵礦製圖”，引自張兵課題組（中國科學院航天資訊研究所）的研究結果 et al. environ earth sci (2012) 65: 649. 9. 9.
圖：它不僅可以檢測乙個地方是否有地雷，還可以檢測它是什麼地雷。
物質在某些光譜段中具有特殊的光譜特徵，例如葉綠素在 050-0.52波段是乙個強反射峰區域，可以在高光譜影象上看到，但在多光譜影象上看不到。 下圖左圖顯示了不同健康水平植物的光譜曲線，葉綠素是植被健康的重要指標，利用該光譜特徵可以準確分析作物病害的程度。
圖：不同受損植被的光譜特徵及作物病蟲害監測。
高光譜感測器也可以安裝在不同的平台上。 對於我們使用者來說，衛星高光譜影象質量最高，就是最低質量，有人說這種說法不對，製造發射一顆衛星需要幾億。 這是乙個成本核算和運營模式的問題，這幾億元不需要由消費者承擔。 如果選擇無人機拍攝，那麼可能需要購買無人機和感測器，目前市面上的微高光譜感測器需要50萬+左右，當然也可以購買其他人飛行拍攝的資料。
圖：高光譜資料的“稀缺性”
大家都熟悉美國的Hyperion，這顆衛星是實驗性的，採集的資料相對較少。 歐空局的克里斯也是實驗性的。 目前，世界上在星載高光譜影象的獲取方面存在差距。
高分五號誕生了，是高分五號衛星的可見短波紅外相機，光譜解像度高達5奈米，探測通道330個。 具體引數如下：
光譜範圍：400nm 2500nm
空間解像度：30m
寬度：60km
光譜解像度：近紅外線徑：5nm，短波紅外光譜：10nm
樂隊數量：330
設計壽命：8年。
單純從引數上看，它是過去和今天首屈一指的高光譜衛星。 2021年9月7日11時01分，長征四號prop-40運載火箭從太原衛星發射中心成功發射高光譜觀測衛星（GF-5-02）。
值得一提的是“珠海一號”衛星星座，2018年4月26日發射了4顆高光譜衛星進入太空。 衛星引數非常漂亮：
光譜範圍：400nm 1000nm
空間解像度：10m
寬度： 150km@500km
光譜解像度：25nm
光譜數量：256張（可任意選擇32張光譜上傳）。
四顆高光譜衛星中的兩顆以彼此的名字命名：OHS-01和OHS-03。
圖片：塞爾維亞高光譜影象，顯示 150 公里寬（來自軌道**）。
高光譜影象的處理與多光譜影象的處理基本相似，包括幾何校正和大氣校正。 當我們處理多光譜資料時，根據應用的不同，可以選擇執行大氣校正。 對於高光譜，大氣校正基本上是必要的步驟。
可能是由於高光譜感測器的技術效能，星載高光譜影象的某些波段存在明顯的雜訊，主要表現為波段雜訊。 目前主要的方法是採用附近像元均值的代入方法。
高光譜影象的應用主要依賴於地面物體的光譜曲線，雖然在雜訊去除中採用了一些精度比較高的插值方法，但仍存在殘餘雜訊。 因此，對於這些雜訊頻段，合乎邏輯的方法是不使用它們。 例如，雖然 Hyperion L1T 產品有 242 個頻段，但只有 164 個頻段有效。 其餘的頻帶雜訊或無效頻帶不用作壞頻帶。
圖：高光譜影象中的條帶雜訊（左-hj-1a，右-海伯利子L1R）。
高光譜影象的分析基礎與多光譜影象的分析基礎有根本的不同，多光譜影象主要基於畫素、擴充套件紋理、形狀等的畫素值。 高光譜影象分析的本質是對畫素光譜曲線進行定量處理和分析，在這個過程中，用影象或光譜曲線表示地面物體的光譜特徵，對已知光譜曲線a和未知光譜曲線b進行比較分析，從而得到光譜曲線a和b是否一致， 或它們所佔的比例（混合畫素分解）;另一方面，如果一種物質A與其他物質B混合，並且物質A的光譜特徵發生變化，則可以建立物質A、物質B和光譜特徵變化之間的關係，這也是定量遙感中物質反演的基本過程之一。 這是高光譜遙感中光譜識別的兩個主要過程。
第一種情況其實是光譜識別，主要應用是影象分類和目標識別。 這一過程中的乙個重要步驟是端元頻譜採集。 端元光譜的物理含義是指影象中光譜特徵相對固定的地面物體型別，即影象中只有一種物質的畫素。 從廣義上講，端元光譜是“分類訓練樣本”，即用於光譜識別的標準光譜。 下圖顯示了從圖形中獲取端元光譜的經典方法。 當然，獲得端元譜圖的最簡單方法是直接從標準譜庫中獲取。
圖：MNF+PPI+端元光譜的N維視覺化。
有了端元光譜，下一步就是分析方法，最常見和最容易理解的是光譜角度對映器（SAM），它使用n維角度將畫素與參考光譜相匹配。 該演算法將畫素的n波段光譜視為n維光譜向量，通過計算光譜與端件之間的角度來確定兩個光譜之間的相似度，角度越小，越相似。
圖：光譜角度圖。
在以下生物入侵的高光譜遙感監測示例中，在獲得矢車菊（入侵植物）的端元光譜後，從高光譜影象中識別出矢車菊的分布。
圖：入侵生物植物的鑑定。
下面是乙個目標識別的例子，其中高光譜影象上有乙個坦克目標，使用坦克範圍內的平均光譜曲線作為端元識別影象，以識別樹林下的可疑目標。
圖：圖上的目標識別。
沉寂多年的高光譜遙感事件，被高分五號發射啟用的概率高，當然，要看高分五號的資料質量，以及它是否免費且容易獲得。
Landsat系列衛星是空間遙感的起點，Sentinel-1的發射成為INSAR技術應用的轉折點。 我們也希望高分五號能夠成為高光譜遙感的新起點。
最後，我想用一段話來結束：高光譜遙感可以實現對內河水域、地表生態環境、蝕變礦物、岩石和礦物型別、森林和草原病蟲害、外來物種的綜合探測。