第一章 遥感是什么
从一张卫星照片说起
你大概率见过这样的画面:台风新闻里旋转的巨大云系、地图软件里的城市俯瞰图。 它们大多来自几百公里高空的卫星。卫星离地面那么远,摸不着也够不到, 它是怎么知道下面是一片森林、一个湖泊,还是一座城市的?
答案藏在光里。遥感(Remote Sensing),拆开念就是遥远的感知: 不接触目标,通过探测和记录电磁波来获取地面的信息。 可见光是我们最熟悉的电磁波,但它只是其中一小段——这个伏笔后面会展开。
卫星到底在记录什么?
先建立一个最小的概念。卫星上的传感器,可以理解成一排排极其灵敏的光强计数器: 太阳把光照到地面,地面把一部分光反射回去,传感器把接收到的光的强弱, 一格一格地记成数字。
影像上每个最小的方格,叫做像元(Pixel);方格里的数字,记录的是这里的 亮度。所以卫星影像的本质其实是一张数字表格,而不是一张普通照片—— 这一点是读懂遥感影像的前提,因为后面所有分析(第四章的波段组合、 第七章的光谱指数),归根结底都是对这张表格里的数字做加减乘除。
一个波段,一张单色照片
只记一种光,够用吗?不够。太阳光其实是许多种颜色的混合—— 雨后的彩虹就是它被水滴拆开的样子。传感器把光按颜色(专业说法叫波长, 单位是微米,也就是千分之一毫米)分成一路一路分别记录, 每一路叫做一个波段(Band)。
打个不算夸张的比方:同一片地面,卫星在同一个瞬间拍下了好几张单色照片—— 一张只记录蓝光的强弱,一张只记绿光,一张只记红光,还有几张记录的 是人眼完全看不见的光。常用波段和它们的用途如下:
| 波段 | 波长范围 | 主要用途 |
|---|---|---|
| 蓝光 Blue | 0.45–0.52 μm | 能穿透清澈的水体,用于水质监测 |
| 绿光 Green | 0.52–0.60 μm | 健康植被的反射峰 |
| 红光 Red | 0.63–0.69 μm | 被叶绿素强烈吸收,是植被指数的核心 |
| 近红外 NIR | 0.76–0.90 μm | 健康植被强烈反射;水体几乎全部吸收 |
| 短波红外 SWIR | 1.55–1.75 / 2.08–2.35 μm | 反映含水量,区分云、雪、火烧迹地 |
| 热红外 TIR | 10.4–12.5 μm | 记录地物的热辐射,用于测地表温度 |
| 微波 | 1 mm–1 m | 穿透云层全天候成像(雷达用) |
地物自带的指纹
为什么分成波段记录这么有用?因为不同的东西,在各波段上的表现差异极大, 就像每种地物都自带一套指纹:
- 健康植被:叶子里的叶绿素把红光和蓝光吃掉拿去做光合作用, 把绿光弹回来——这就是叶子是绿色的原因。更有意思的是近红外: 人眼完全看不见这段光,健康叶片却把它强烈地弹回去,反射率陡然上升。 这个陡升的位置在专业上叫做红边,是植被遥感最重要的特征。
- 水体:表现正好相反——近红外照到水面上几乎全部被吸收,反射率接近零。 所以近红外是划清水陆边界最干净的手段。
正因为不同地物在不同波段上的指纹差异这么大,遥感才能认出它们—— 尤其是那些肉眼看起来颜色一模一样的东西,比如同一片区域里长势不同的庄稼。 第一章记下的这些规律,到了第七章会变成一个个具体的计算公式。
靠太阳的,和自己发光的
按能量来源,遥感分两类:
- 被动遥感:传感器接收太阳照射后地物反射的光,或地物自己散发的热。 常见的光学影像(Landsat、Sentinel-2)都是这一类。它有个天然软肋: 完全依赖光照,而且穿不透云层——碰上阴天就只能等。
- 主动遥感:传感器自己发射信号、再接收回波。典型代表是合成孔径雷达 (SAR,发射微波,能穿云透雾、昼夜工作)和激光雷达(LiDAR,发射激光, 用来测量精确的三维结构)。第十二章的咸海案例里,你会见到 多云的年份只能换用别的影像这种被动遥感的无奈,也能理解 为什么洪涝应急要动用雷达。
真彩色与假彩色
显示器上的每个颜色都由红、绿、蓝三个通道混合而成。把卫星的哪一路波段 接到哪个通道上,是可以自己选的:
- 按人眼习惯接(红→红、绿→绿、蓝→蓝),就是真彩色合成, 看起来最接近航拍照片;
- 把近红外塞进红通道,就是最常用的假彩色合成——植被在这组合下 呈现鲜艳的红色,红色越浓往往长势越旺。水体的深蓝或黑色与植被的鲜红 形成强烈对比,第十二章提取咸海水体时靠的正是这种思路。
判读任何一幅影像前,先问一句现在的波段组合是什么,否则极易误读。
小结与下一步
读到这里你已经能看懂一幅影像了:它是按波段记录亮度数字的表格, 不同地物在各波段上有各自的指纹。但要用好它,还得回答一个更实际的问题—— 这幅影像的像元有多细、多久更新一次、亮度刻度有多精细? 这正是下一章要讲的:分辨率的四个维度。
