Харшадитья Гаур — старший инженер по дистанционному зондированию в BharatRohan Airborne Innovations Limited.

Десятилетиями «больше каналов» в наблюдении Земли означало одно из двух: либо вы работаете с мультиспектральными сенсорами — четырьмя–десятью широкими каналами: дешёвыми, быстрыми и привычными, — либо переходите в гиперспектральную область, где сотни узких, непрерывных каналов, высокая стоимость и огромные объёмы данных. Однако этот разрыв сокращается не за счёт того, что гиперспектральные данные становятся доступными в высоком разрешении, а за счёт переосмысления того, что вообще означает «достаточно каналов». Между двумя категориями тихо утверждается третья: суперспектральная — тщательно подобранный набор примерно от дюжины до нескольких десятков дискретных каналов, размещённых намеренно на конкретных длинах волн, соответствующих физически значимым характеристикам, а не отбираемых непрерывно по электромагнитному спектру.

Мультиспектральные сенсоры строились вокруг простой идеи: нескольких широких каналов — синего, зелёного, красного, red-edge, ближнего инфракрасного — достаточно, чтобы вычислять NDVI и NDRE, выделять типы земного покрова и отслеживать жизненность растительности в масштабе. Многие из таких систем также несут панхроматический канал: один спектральный канал высокого разрешения, охватывающий видимый диапазон (400–800 нм), используемый исключительно для повышения резкости пространственных деталей, а не для добавления спектральной информации. В этом и состоит компромисс мультиспектральной эпохи: пространственное и спектральное разрешение рассматривались как две отдельные задачи, решаемые двумя разными типами каналов. Это работает — и до сих пор работает для огромной доли приложений дистанционного зондирования.

Однако широкие каналы усредняют именно те признаки, которые отличают угнетённую растительность от здоровой, один водоём от другого или один минерал от следующего. Канал шириной 100–120 нм не может разрешить узкую абсорбционную или отражательную особенность внутри себя. Индексы, привязанные к конкретным физиологическим или физическим процессам — соотношениям пигментов, ранним признакам стресса, мутности воды, — часто требуют отражательной способности, измеренной на точных узких длинах волн, которые стандартная четырёх- или пятидиапазонная конфигурация никогда не была предназначена улавливать.

Гиперспектральная съёмка решает проблему, регистрируя непрерывные узкие каналы. Сенсор с 20 каналами, покрывающий 500–700 нм с интервалом 10 нм, по этому определению является гиперспектральным, тогда как сенсор с 20 дискретными, несмежными каналами от видимого до инфракрасного диапазона технически всё ещё остаётся мультиспектральным. Это различие важно, потому что гиперспектральные сенсоры действительно дороги: сложная оптика, строгие требования к калибровке и объёмы данных, которые нагружают бортовое хранилище, пропускную способность канала передачи и последующие ML-пайплайны. Для большинства прикладных задач это больше данных, чем на самом деле требует постановка задачи.

Суперспектральный подход располагается между двумя крайностями. Вместо непрерывного сэмплирования электромагнитного спектра он делает это выборочно: дюжина с лишним дискретных узких каналов, выбранных потому, что они совпадают с известными особенностями поглощения или отражения, а не потому, что случайно оказались соседними на континууме. Это подход к проектированию сенсоров, в котором знание стоит на первом месте: вместо вопроса «какую часть спектра мы можем покрыть непрерывно» он задаёт вопрос «какие конкретные длины волн действительно несут интересующий нас сигнал».

Это работает только тогда, когда выбор каналов основан на фундаментальной физике или биологии объекта. И именно здесь рассуждение становится интересным: «правильная» дюжина каналов выглядит совершенно по-разному в зависимости от того, что вы пытаетесь измерить.

Вода быстро поглощает более длинные волны, и именно поэтому прибрежные и батиметрические приложения требуют более коротких волн видимого спектра. В чистой глубокой воде длина волны 400–450 нм проникает глубже всего, что делает её предпочтительным каналом для батиметрии мелководий и картографирования морского дна. В мутной или богатой CDOM прибрежной воде картина меняется на противоположную: взвешенные наносы и растворённое органическое вещество сильно поглощают и рассеивают в синей области, а пик пропускания смещается к зелёному. На рифовых участках с высокой нагрузкой наносов наблюдалось смещение примерно на 100 нм в зелёно-жёлтую область с пиком около 575 нм. Стандартный мультиспектральный синий канал, широко настроенный для атмосферной коррекции и наземных приложений, для этого не оптимизирован; а узкие, целенаправленно размещённые прибрежно-синие каналы — да. Это случай, когда один дополнительный, тщательно позиционированный канал приносит приложению больше пользы, чем несколько дополнительных универсальных.

Зелёно-жёлтая область (515–570 нм): поглощение хлорофилла здесь слабое, поэтому сигнал определяют каротиноиды и антоцианы, и небольшие изменения пигмента проявляются как измеримые изменения отражательной способности. Фотохимический индекс отражения (PRI) объединяет канал на 531 нм, отслеживающий ксантофилловый цикл — быструю фотозащитную реакцию полога, — с опорным каналом около 570 нм, где этот цикл не влияет. Пара 531/570 — самое ясное во всём «растительном» наборе каналов доказательство того, почему дискретное размещение важно: один широкий зелёный канал усредняет оба значения в одно число, которое не несёт ни того, ни другого.

Красная область (650–690 нм): отслеживает концентрацию пигментов, максимум поглощения хлорофилла — около 670–680 нм. В паре с red-edge-каналами она помогает ограничивать форму абсорбционной особенности, а не только её глубину. Канал на 687 нм позволяет восстанавливать солнечно-индуцированную флуоресценцию хлорофилла — прямой прокси фотосинтетической активности, а не просто присутствия пигмента.

Область red-edge (700–750 нм): самая диагностически значимая область для стресса растительности. Здоровая растительность демонстрирует красное смещение (край смещается к NIR); угнетённая или пострадавшая от засухи — синее смещение. Эта одна узкая область делает для обнаружения стресса больше, чем когда-либо мог бы сделать один широкий NIR.

Ближняя инфракрасная область (780–1000 нм): в отражательной способности доминирует рассеяние, а не поглощение; биомасса, индекс листовой поверхности и поглощение воды вблизи 970 нм поддерживают восстановление биохимических свойств независимо от пигментных сигналов.

Можно попытаться напрямую перенести «растительную» логику в городскую среду с помощью red-edge и NIR-каналов, но физика переносится не так чисто. Red-edge и NIR-каналы диагностичны для хлорофилла и структуры полога, что делает их превосходными для картографирования доли городской растительности: уличных деревьев, парковых крон, зелёных крыш и стресса зелёных насаждений. Всё это законные и полезные городские индикаторы, особенно как прокси для площади городских поверхностей и риска острова тепла. Но red-edge и NIR-каналы не являются прочной основой для классификации самих строительных материалов: асфальт, бетон и кровли не имеют особенности в стиле red-edge так, как её имеет растительность. Спектральная область, которая наиболее чётко отделяет непроницаемые поверхности от растительности и открытого грунта, лежит дальше — в коротковолновом инфракрасном диапазоне (SWIR), где искусственные материалы и природные поверхности расходятся наиболее резко. Суперспектральный набор только из red-edge/NIR может многое рассказать о зелёной инфраструктуре города; но он не может сказать, из чего сделаны незелёные части города. Чтобы это получить, нужно расширить выбор каналов в SWIR — и это справедливое продолжение того же суперспектрального принципа: добавить ровно тот канал, который требует физика, и ничего больше.

Полезная нагрузка для дрона MicaSense: RedEdge-P Triple. Три сложенных вместе корпуса узкополосных камер на одной платформе БПЛА, каждый вносит свой вклад в общий набор из 15 дискретных, узких, несмежных каналов, с паншарпенингом до 4 см на пиксель — достаточно, чтобы вычислять индексы пигментов и стресса, которые стандартный пятидиапазонный мультиспектральный сенсор сгенерировать не может. Это самый маломасштабный и самый доступный конец линейки суперспектральных сенсоров: никакого непрерывного спектрального покрытия, только намеренно выбранный набор узких каналов.

Коммерческий спутник сверхвысокого разрешения (VHR): WorldView-3. Запущенный в 2014 году, WorldView-3 прямо описывается в литературе по дистанционному зондированию и его операторами как «суперспектральный» сенсор — термин, используемый специально, чтобы отличить его от гиперспектрального. Его съёмочная аппаратура собирает 8 дискретных каналов VNIR (прибрежный, синий, зелёный, жёлтый, красный, red-edge и два NIR), 8 дискретных каналов SWIR и отдельный 12-канальный прибор CAVIS для атмосферной коррекции (облака, аэрозоли, водяной пар, лёд и снег) — всего 29 каналов, но ни один из них не является непрерывным в том смысле, в каком непрерывны гиперспектральные каналы. Это различие важно: WorldView-3 использовался для таких задач, как обнаружение углеводородов и минералов, — области гиперспектральных данных, — именно потому, что его SWIR-каналы были размещены на известных диагностических абсорбционных особенностях, а не равномерно распределены по спектру.

Исследовательский микроспутник: VENμS. Совместная французско-израильская миссия (CNES и Израильское космическое агентство, запущена в 2017 году) была специально создана с камерой VENμS Super-Spectral Camera (VSSC), имеющей ровно 12 узких каналов в диапазоне 415–910 нм, при разрешении 5,3 м и периоде повторной съёмки 2 дня. Размещение каналов было разработано специально вокруг состояния растительности и хлорофиллового red-edge, а также атмосферной коррекции. Это одно из самых чистых реальных соответствий определению суперспектральных данных «12–18 узких, целевых каналов», поскольку спутник был специально построен как научная миссия, а не адаптирован из более широкого коммерческого сенсора.

Спутниковая группировка Landsat следующего поколения: Landsat Next. Запуск планируется на конец 2030 — начало 2031 года; миссия Landsat Next от USGS и NASA прямо представлена как «26-канальная суперспектральная», что более чем вдвое превышает 11 каналов Landsat 8 и 9. Она объединяет усовершенствованные версии традиционных каналов Landsat, десять новых каналов для таких задач, как вредное цветение водорослей и снеговая гидрология, и пять тепловых инфракрасных каналов. Когда государственное агентство официально классифицирует свою флагманскую съёмочную миссию как «суперспектральную», а не мультиспектральную или гиперспектральную, это сильный признак того, что категория перешла из маркетингового языка в принятую техническую классификацию.

Во всех трёх областях прослеживается один и тот же паттерн, и это настоящая причина существования суперспектральных данных как категории:

Плотность информации важнее количества каналов. Дюжина каналов, выбранных под известные абсорбционные особенности, несёт больше дискриминативного сигнала на канал, чем более широкий универсальный набор, — без бремени хранения и предварительной обработки полного гиперспектрального куба.

Физически обоснованная инженерия признаков. Каналы, выбранные для обнаружения стресса по red-edge, проникновения в прибрежную воду или пигмент-специфичного поглощения, эффективно кодируют предметное знание прямо во входные данные, уменьшая то, сколько модель на последующих этапах должна выучить из одной лишь сырой отражательной способности.

«Мультиспектральный или гиперспектральный» — простой бинарный выбор. Суперспектральные данные не заменят ни то, ни другое: широкополосная мультиспектральная съёмка остаётся рабочей лошадкой для крупномасштабного и недорогого мониторинга, а гиперспектральная остаётся необходимой там, где важно непрерывное спектральное покрытие, например при детальном картографировании минералов или обнаружении руд. Но для растущего набора задач, которым нужны конкретные физические или биологические сигналы — качество воды, стресс растительности, городская зелёная инфраструктура и многие другие, — без накладных расходов на полноценную гиперспектральную сенсорную систему суперспектральный подход становится реалистичным ответом. Это меньше про «какую часть спектра мы можем увидеть» и больше про «сколько нам действительно нужно увидеть и где».

Суперспектральные системы по своему замыслу видят только то, что им сказали искать. Это реальный компромисс, а не нечто, что следует сглаживать; в этом и состоит весь смысл технологии.