高光谱影像，凭什么能“看见”普通影像看不见的东西？航天宏图 PIE-Hyp 高光谱处理全景
普通卫星影像，记录的是红、绿、蓝三种颜色——三个波段，每个像元不过三个数字。高光谱影像不一样：它把光拆成几十个、甚至几百个连续的窄波段，每个像元留下的不是三个数字，而是一条完整的“光谱曲线”。
这条曲线，可以看作是每一种物质的“光谱指纹”。不同的物质，反射光的“配方”各不相同——健康的植被、发黄的作物、不同成分的岩石、不同浑浊度的水体，光谱曲线都长得不一样。
“光谱指纹”这个说法，可以这样理解：普通影像给每种东西只留了红、绿、蓝三个数，颜色相近的两个物体，在这三个数上几乎分不出来；高光谱给每种东西留了几十个、几百个数，哪怕颜色看起来一样，光谱曲线的形状也不同，物质就“露馅”了。
所以高光谱能“看见”普通影像看不见的东西：它看的不是形状，是成分。而要把这份“看见”变成可靠的成果，靠的是航天宏图的 PIE-Hyp 高光谱影像数据处理软件。
一、PIE-Hyp 是什么
PIE-Hyp V7.0，是航天宏图自主研发的高光谱影像数据处理软件，面向 GF-5、ZY1E、珠海一号 OHS、Hyperion 等国内外主流高光谱卫星影像，提供从“拿到原始数据”到“得到定量成果”的全流程处理。
它的功能涵盖影像质量评价及修复、图谱分析、辐射校正、几何校正、目标探测、地物分类、参量反演分析等专业处理环节；再配合地物波谱库提供的光谱信息查询与管理能力，能够实现水环境监测、农作物精细化分类、岩矿识别等高精度定量应用。
简单说，它把高光谱这条“从光谱到答案”的路，一段一段都接了下来，服务于生态环保、精准农业和自然资源等领域。
在功能上，PIE-Hyp 把这些能力组织成加载显示、基础工具、影像质量评价、图谱分析、图像预处理、混合像元分解、图像分类、目标探测、定量应用、专题制图十个模块，从打开数据到出图分析，一站式覆盖高光谱处理的全过程。
二、拿到高光谱数据，第一件事是“校准”
高光谱数据到手，不能直接用。第一步是影像质量评价——噪声估计、清晰度评价、信息熵统计，先判断这批数据“能不能用、好不好用”。
第二步，也是最关键的一步，是大气校正。卫星从太空拍地表，光要穿过大气层才能到达传感器，途中会被散射、被吸收。要还原地表真实的反射率，就必须“去掉大气的影响”。
PIE-Hyp 兼容 MODTRAN 和 6S 两种辐射传输模型，逐像元构建大气校正查找表，兼顾效率与精度。针对国产高光谱卫星数据，它能在数分钟内完成大气校正，得到的地表反射率计算值与实测值相比，精度优于 85%。
除了大气校正，还有两道“细活”。一是图谱分析：高光谱数据本质上是“图 + 谱”，既要在空间上看得见地物，又要在光谱上读得懂成分，图谱分析模块通过波谱剖面、光谱变换等手段，把这两个维度打通。二是混合像元分解：一个像元覆盖的地面往往混着多种物质，像元的“光谱”其实是几种物质光谱的混合，混合像元分解要做的，就是把这个混合信号拆开，还原每种物质各自的占比。
三、从“光谱”到“答案”
校准之后，才有了可靠的“光谱”，才能从光谱里读出答案。这一步，正是高光谱的价值所在。
在岩矿识别上，不同矿物在特定波长有特征吸收峰，光谱曲线能“点名”矿物的成分；在水质监测上，叶绿素 a、悬浮物、浊度、总氮、总磷、溶解氧等水质参数，都可以从水体的光谱特征反演出来；在精准农业上，不同作物、不同长势，光谱响应不同，从而支撑精细化分类。
为此，PIE-Hyp 的定量应用模块集成了植被指数、土壤指数、水体指数，以及叶绿素 a 浓度、营养状态指数、水华、总氮、总磷、溶解氧、水体反射率、水表温度分布等一系列定量反演能力，把光谱换算成业务真正关心的数字。
除了分类和反演，高光谱还有一个“找异常”的本事——目标探测。在缺少先验样本的情况下，从影像里找出“和周围不一样”的像元（异常探测），或者用已知目标的光谱做匹配，把特定物质从背景里挑出来。这在矿物勘查、环境监察这类“找目标”的场景里，尤其有用。
四、空-谱融合：既要看得细，也要看得清
高光谱有一个天生的矛盾：波段多，光谱分辨率高；但代价是，空间分辨率往往不高——每个像元覆盖的地面面积偏大，细节不够清晰。
解决办法是空-谱融合：把一张空间分辨率高、但波段有限的多光谱或全色影像，和高光谱影像融合，既保留高光谱的光谱信息，又提升空间分辨率。
PIE-Hyp 支持 GF-2 多光谱与 GF-5、Landsat8 多光谱与 Hyperion、高景全色与 YG 等多种异源影像的空-谱融合，在高度保持光谱信息和空间解析特性的前提下，空间融合比率可高达 1:20——把“看得细”和“看得清”合到一张图上。
五、把“光谱指纹”存进库
支撑这一切的，还有一个地物波谱库。PIE-Hyp 搭建了地物波谱数据库，对各类地物的光谱数据做光谱维的管理、查询和分析，包括波谱数据的入库、查询、浏览显示与处理分析。
有了这个库，识别地物就不再是“凭经验猜”，而是“拿实测光谱去比对”。光谱指纹，从这里变成了可以查询、可以复用的资产。
这些能力落到业务里，就是一件件具体的事：生态环保里，用高光谱反演叶绿素 a、总磷总氮，盯着水体的富营养化；精准农业里，用光谱差异区分作物长势，指导施肥；自然资源里，用光谱特征识别岩矿、支撑矿产勘查。同样是“看图”，高光谱把“看”这件事，从“看形状”推进到了“看成分”。
高光谱影像凭什么能看见普通影像看不见的东西？因为它看的不是颜色，是成分。PIE-Hyp 要做的，就是把这份“看见成分”的能力，从原始数据一路接到业务答案。