geoahsi 1.2.1

GeoAHSI — EMIT 高光谱矿物识别引擎（USGS MICA 算法）

geoahsi

高光谱光谱分析 · 专家规则计算 · 过程可视化 —— 一个把"光谱 → 矿物识别 → 计算过程可视图"打通的引擎。基于 USGS MICA 算法，内置 77 矿物专家规则库与 USGS splib06b 光谱库，对高光谱影像或单条光谱逐像元判别矿物，并把每一道专家规则的判定过程渲染为出版级 PDF。

光谱分析 ─► 专家规则计算 ─► 过程可视化
连续统去除 + 最小二乘拟合   三层规则过滤 + 加权判定   逐特征曲线 + 每道关卡 PASS/FAIL

核心功能

1. 光谱分析

• 连续统去除（continuum removal）：按特征端点归一化参考与待识别光谱
• 闭式 2×2 最小二乘拟合：每特征产出 k0 / k1 / R² / 吸收深度（含 det==0 奇异守卫，无需迭代）
• 参考光谱重采样：按目标波段 FWHM 高斯重采样 USGS splib06b，与输入逐波段对齐
• 支持整景立方体（逐像元并行）与单条光谱两种入口

2. 专家规则计算

内置 77 条矿物专家规则（纯端元 + 混合配方），每条规则经三层关卡过滤：

1. 连续统约束（left/mean/right/ratio 的 min/max，8 项）
2. 诊断特征 + 非特征排除（not_absolute / not_relative：应缺失的吸收不得出现）
3. 加权约束（min_weighted_fit / min·max_weighted_depth / min_fit_depth_product）

• 可选深度比值约束（max_depth_ratio_feat1_over_feat0）
• 产出每像元：最佳矿物、加权 fit、吸收深度、fit×depth 联合置信度（fd）、白云母 2.2μm 吸收中心
• 支持按指定矿物 key 单独匹配（返回 accept/fit/fd + 哪道关卡否决）

3. 过程可视化（Nature 风格 PDF，需 geoahsi[viz]）

• Top-N 识别 PDF：每个候选矿物一页，全部诊断/非特征连续统去除曲线 + k0/k1/R²/depth + 约束范围 + not-feature 参考光谱 key 标注
• 单矿物匹配 PDF：逐特征曲线 + 每道专家规则关卡的 PASS/FAIL 判定 + 最终 fit/depth/fd + ACCEPT/REJECT，让"为什么接受/拒绝"一目了然
• Okabe-Ito 色盲安全配色、自适应纵轴、面板字母、共享图例、固定 GridSpec 布局

安装

pip install geoahsi                  # 基础：光谱分析 + 专家规则 + GeoTIFF
pip install 'geoahsi[viz]'           # + PDF 过程可视化
conda install -c conda-forge gdal    # GeoTIFF 输出需要 GDAL（conda 安装）

输入数据：支持 EMIT L2A NetCDF（自动剔除水汽坏波段 285→244）。库本身零外部资源依赖，光谱库与规则库全部内置。

命令行：

geoahsi -i EMIT_xxx.nc -o output/                 # 整景 → 3 张 GeoTIFF
geoahsi -i EMIT_xxx.nc -o output/ --raw            # 额外输出 mus_center + fd

快速上手

整景：光谱分析 + 专家规则 → GeoTIFF

from geoahsi import MicaEngine

engine = MicaEngine()                                   # 零参数，资源全内置
spectrum, lon, lat, w, bp = engine.load_emit("EMIT_xxx.nc")   # 坏波段已剔除
orth, color, mus = engine.spectrum_analysis(
    spectrum, w, bp, n_workers=8,
)
engine.write_tiff("result", lon, lat, orth, color, mus)
# → result_mapping_orth.tiff        矿物分类图
# → result_color_enhanced_orth.tiff 深度调制彩色图
# → result_mus_orth.tiff            白云母专题图

单条光谱：Top-N 识别 + 过程可视化 PDF

pixel = spectrum[row, col, :]                          # 已是有效波段
top = engine.classify_spectrum(pixel, w, bp, top_n=10,
                               pdf_path="topN_features.pdf")
# [{"name": "calcite.8+montmorilloniteNa.2_mix_intimate", "fit": 0.9457, "fd": 0.0659}, ...]

单条光谱 vs 单条参考光谱匹配

r = engine.match_reference(pixel, w, bp,
                           mineral_key="calcite",        # rf.json 中的 key
                           pdf_path="match.pdf")          # 可选过程可视化
# {"name": "calcite", "fit": 0.4007, "fd": 0.0194, "accept": False}
# PDF 标注：weighted: fit>=0.64 → FAIL 0.4007（一眼看出拒绝原因）

主要 API

方法	功能
MicaEngine.load_emit(path)	读影像 + 坏波段剔除 → spectrum, lon, lat, w, bp
MicaEngine.spectrum_analysis(spectrum, w, bp, n_workers, raw)	整景光谱分析 + 专家规则 + 渲染
MicaEngine.classify_spectrum(pixel, w, bp, top_n, pdf_path)	单光谱 Top-N 识别（+可选 PDF）
MicaEngine.match_reference(pixel, w, bp, mineral_key, pdf_path)	单光谱 vs 指定参考光谱匹配（+可选过程 PDF）
MicaEngine.write_tiff(prefix, lon, lat, orth, color, mus)	写 3 张 GeoTIFF（UTM 投影）
MicaClassifier.classify / classify_spectrum / get_resample	底层三组件（自定义流程）
ResultRenderer.render / write_tiff / plot_features_pdf / plot_rule_match_pdf	渲染 + GeoTIFF + PDF

内置资源与算法

• USGS splib06b 光谱库（21 MB）、77 矿物专家规则库 rf.json、矿物 RGB 颜色表、白云母 10 档色表 —— 全部内置，MicaEngine() 零参数即用
• 算法：连续统去除 + 闭式 2×2 最小二乘（R² + 吸收深度）→ 三层规则过滤 → 加权判定；白云母 2.2μm 吸收中心抛物线拟合
• 并行：矿物级 multiprocessing + memmap 只读共享

性能

实测 1280×1242 EMIT 影像：8 进程 ~75–95s，已分类 ≈99.8%；输出与 MICA 原版逐比特一致。

致谢

• USGS MICA 算法与 splib06b 光谱库
• NASA EMIT 高光谱影像

许可

MIT License（见 LICENSE）。