一条30公里的河，设了3个断面，断面与断面之间动辄十几公里——这中间，水面下究竟在发生什么？

断面能回答“此刻、此地”，但回答不了“这一整条河”。高光谱，就是来补这个空白的。

一、普通相机/多光谱为什么不够用

我们常见的相机是RGB——红、绿、蓝，3 个波段或多个波段的颜色光谱，一般也不会超过18个镜头，都是具体颜色的波段，并不连续。

问题在于：水里的磷、氮超标，并不会让水变色。所以一张常规航拍图中，水质退化可能和污染堆积长期看不出痕迹——直到蓝藻或污染事件暴发的那一天。溶解态氮、磷本身不会立刻让水面出现醒目的颜色变化；常规的RGB航拍也难以在爆发前稳定识别超标。藻华、浑浊等光学现象出现时才会“看得见”，但那时已经偏晚。

高光谱做的，是把可见光到近红外及紫外拆成上百乃至上千个极窄的连续波段。它拍下的每一个像素，不再只是几个数字或者模拟曲线，而是一整条原始物理光谱反射的真实曲线。

一个类比：

普通照片只能告诉你：“这块水看起来是绿色的或者较浑浊的”；

高光谱能告诉你：“这块水在 420 nm 与 720 nm 附近的反射率与常态异常”。

后一句话，才可能与总磷、总氮等污染贡献因子有关。每个像元在可见-近红外上的连续光谱曲线。文献中做法是：在统计建模下挑选与目标指标相关的波段或者波段组合，再结合地面水样建立浓度映射——这些波段是模型相关的波段，不是氮、磷因子自身的稳定特征吸收峰。

二、从反射率到总磷总氮等污染因子，中间到底发生了什么

1.找到“敏感波段”

光照射水体时，不同物质会选择性吸收、反射特定波长的电磁波。基于统计建模研究，水体总磷在420 nm、720 nm波段存在显著光谱相关性，总氮在410 nm 波段存在光谱相关性；需要强调的是：这里的“敏感波段”指模型统计相关波段，并非磷元素本身的特征吸收峰——磷属于非光学活性物质，光谱信号来自水体中伴生的叶绿素、悬浮物等组分；叶绿素a、悬浮物、有机物等光学活性组分会改变反射光谱。总磷、总氮等多为非光学活性（或弱光学活性）指标，遥感难以直接分辨，主要依赖其与叶绿素、悬浮物等的影响，再用机器学习建立映射。实验室标定溶液测试波段响应分析（水体总磷在420 nm、720 nm波段存在显著光谱相关性，总氮在410 nm 波段存在光谱相关性），实验结果不能等同于天然水体环境。总氮在410 nm附近的响应，主要对应铵态氮组分，硝态氮、有机氮等形态的光谱响应差异较大。上述引用的实验室研究，总氮梯度由氯化钠标准溶液配制，说与410 nm相关，对应的是实验室的环境，不宜直接解释为天然水体环境。实际湖河中总氮含硝态、铵态、有机氮等多种形态，可见-近红外成像高光谱对这些形态没有稳定的特征吸收；总氮反演同样高度依赖同步水样与间接相关。这正是下一节要讲的事。

出处：邹宇博, 马振予, 焦庆斌等《水体参数高光谱反演模型对比研究》，《光谱学与光谱分析》2023 年第 43 卷第 3 期，949-954 页。

2.做好“间接”这一步

中国科学院南京地理与湖泊研究所的表述最直白：总磷“由于其光谱响应微弱、光学特性缺失，导致直接遥感反演难度较大”。该所另一项研究进一步解释：“由于磷并非光学活性物质，其遥感估算依赖于与叶绿素 a 和悬浮颗粒物等光学活性参数的间接关系。”

换句话说：高光谱看到的不是磷本身，而是与磷同行的那些“光学邻居”。也正因如此，反演精度高度依赖模型的训练质量——这一点我们稍后细说。

3.用地面真值“教”模型

把无人机影像与同一时刻、同一位置的实地采水化验结果做空间配准、逐像元与化验值配对，让机器学习建立“像素级光谱反射率→实际浓度”的映射。密云水库的研究就是这样做的：以4期无人机高光谱数据，结合递归特征消除法对影像降维，用集成深度置信神经网络建模，并以地面水质监测数据标定。将无人机高光谱与同时、同水域的采样实验结果做空间匹配；用有限监测点的光谱特征与实测浓度训练模型，再把模型应用到整幅影像的每个点，得到空间连续的浓度分布趋势图。

反演得到结果，如：总氮模型R² = 0.8355，总磷模型 R² = 0.7703。

模型随即被用于整个库区的空间反演——把每个像素都“算”一遍。这个“算”出来的结果，精度到底如何。精度受水体、采样与模型约束，不能用实验拟合结果去代替现场精度。

出处：乔智, 姜群鸥, 律可心, 高峰《无人机高光谱遥感和集成深度置信神经网络算法用于密云水库水质参数反演》，《光谱学与光谱分析》2024 年第44卷第7期，2066-2074页。

4.从“点”到“一张图”

模型一旦建成，整幅影像的每一个像元都能算出浓度。输出的不再是几个数字，而是一张二维水质热力图——污染羽、面源污染带、排污口的扩散范围，得以以“形状”的形式被看见。

三、真实精度到底是多少（行业精度区间对照表）

公开文献中的实测精度，大致落在这样的区间：

注：各行研究的水体类型、天气条件、采样同步时差、评价指标与模型算法各不相同，数据不可横向对比，更不可作为设备选型的性能对标依据，仅用于了解行业精度区间的参考。野外水环境受悬浮物、光照、风浪等因素干扰，实际工程精度会随现场条件发生波动。

需要特别说明的是：

R²=0.98这类较高拟合优度，大多来自实验室标准溶液、控制条件试验；真实野外河道 / 水库场景下，总氮、总磷反演模型R²普遍落在0.7-0.85区间。把实验室数值说成“野外精度”，反而是不专业的。

真正专业的表述是：野外R²=0.7–0.85配合地面同步采样比测，足以支撑“全域筛查、异常圈定、趋势追踪”的监管需求；而相关级的定量认定，仍需地面采样与国标方法复核。两者互补，而非替代。

四、答案不是“谁替代谁”，而是“空地协同”

我司的光学遥感体系，包括了地面和低空的不同数据融合，如USW-SWQA“全光谱水质在线水站”是指紫外-可见光单点吸收光谱原位监测设备；USW-YS系列“机载高光谱”指成像高光谱遥感，获取水面二维空间光谱图像，二者技术原理、测量方式不同，形成时空互补。

USW-SWQA全光谱水站，解决时间维度的问题：同一个点，7×24 小时不间断，捕捉水质突变、蓝藻暴发、异常排放的“时刻”；

USW-YS系列机载高光谱，解决空间维度的问题：数平方公里至十几平方公里的水面，捕捉污染分布的“形状”。

一个管“何时”，一个管“何处”。两者叠加，契合国家“天空地海一体化”生态环境监测网络建设方向，在水环境领域实现“点—面结合、时空互补”。

图全光谱定点监测与高光谱面域巡查的业务应用对比（注：此为业务场景划分，并非仪器固有属性——高光谱亦可定点架设，全光谱亦可搭载无人船平台）

五、国产化落地方案：USW-YS20/YS40 微型机载高光谱模组

过去十年，高光谱成像“叫好不叫座”的原因很朴素：设备重、体积大、价格高，通常需要固定翼或大型多旋翼平台，起降条件苛刻、大部分为进口组件，单次作业成本高，连反演软件都是盗版，任务处理繁琐。

中科赛悟科技（安徽）有限公司的USW-YS20/YS40微型机载高光谱模组，把体积与重量缩小、把易用度及软件处理平台国产化等需求很好的融合起来，让高光谱走进“行业级小型多旋翼”这个高度普及的飞行平台：具备完整的前端硬件设计及OTA管理程序，不仅仅污染趋势测得准，还打破了光学仪器繁琐的使用流程及数据可视化软件自主化国产化。

◆ 微型机载：适配常规行业级无人机，起降门槛低，具备常态化作业条件；

◆ 可见光 + 近红外：覆盖氮磷等指标敏感波段所在的谱段区间；

◆像素级光谱反射率：每个像元输出一条完整光谱曲线，即“光谱指纹”像素级光谱曲线：每个像元对应一条可见-近红外光谱。经定标之后是反射率光谱，未完整定标也可基于DN做相对反演与空间对比；

◆ 面域输出：单架次产出全域水质分布图，快速圈定异常区；

图YS40机载高光谱模组挂载无人机遥感真实数据图

图YS20机载高光谱模组水质遥感热力图示例

中科赛悟科技（安徽）有限公司，以USW-YS20/YS40 微型机载高光谱模组（空间维度）为核心，搭配 USW-SWQA 智能全光谱水质在线监测站（时间维度）、USW-ASV 无人船（断面补充）、卫星遥感与自研智慧环保平台，构建多源协同的水环境感知体系，为生态环境部门、流域管理机构、园区提供稳定、可信、国产化的水环境监测装备。

参考资料

[1]何汝艳, 吕子俊, 贾森. 基于 LBFGS 加速多层感知网络的高光谱遥感非光学水质参数反演. 遥感学报, 2024, 28(11): 2970-2983. DOI: 10.11834/jrs.20243509（无人机高光谱城市河流野外试验：总磷 R²=0.71、总氮 R²=0.82）

[2]乔智, 姜群鸥, 律可心, 高峰. 无人机高光谱遥感和集成深度置信神经网络算法用于密云水库水质参数反演. 光谱学与光谱分析, 2024, 44(7): 2066-2074. DOI: 10.3964/j.issn.1000-0593(2024)07-2066-09（总氮 R²=0.8355、总磷 R²=0.7703）

[3]陈艳拢, 王晓岚, 李恩, 宋梅萍, 包海默. CEM 的波段选择方法研究及应用. 光谱学与光谱分析, 2020, 40(12): 3778-3783. DOI: 10.3964/j.issn.1000-0593(2020)12-3778-06（辽河入海口高光谱试验：总氮平均相对误差 12.4%、总磷 8.17%）

[4]邹宇博, 马振予, 焦庆斌等. 水体参数高光谱反演模型对比研究. 光谱学与光谱分析, 2023, 43(3): 949-954. DOI: 10.3964/j.issn.1000-0593(2023)03-0949-06（总磷敏感波段 420/720 nm、总氮 410 nm；实验室 R²=0.9802/0.8602，宜兴河道外场精度 95.00%/93.52%）

[5]中国科学院南京地理与湖泊研究所。研究揭示卫星遥感核算江淮湖群水体磷库存[EB/OL].(2025-08-24). https://niglas.ac.cn/xwdt_1_1/yjjz/202508/t20250825_7911047.html（原文指出：总磷“光谱响应微弱、光学特性缺失，导致直接遥感反演难度较大”）

[6]中国科学院南京地理与湖泊研究所. 研究揭示浅水湖泊总磷时空格局变化及驱动机制（张运林研究员团队）. 2025-12-23. https://niglas.ac.cn/xwdt_1_1/yjjz/202512/t20251223_8031973.html （原文指出：“磷并非光学活性物质，其遥感估算依赖于与叶绿素 a 和悬浮颗粒物等光学活性参数的间接关系”）

[7]Lin W, Li N, Zhang Y, et al. Widespread decrease of phosphorus and the potential driving mechanisms in Taihu basin's lakes. Water Research X, 2025, 29: 100430.DOI: 10.1016/j.wroa.2025.100430（太湖流域76个湖泊总磷/颗粒磷遥感反演，XGBoost+Sentinel-2，独立验证集 MAPE 均 28.2%）

[8]生态环境部、国家发展改革委。生态环境监测“十五五”规划 [EB/OL]. 2026-07-16. https://www.mee.gov.cn/ywgz/sthjjcgl/wlgl/202607/t20260716_1161937.shtml