作为开发者，我们早已习惯与图像打交道，无论是构建宠物识别应用，还是进行产品分类和艺术创作。但大多数时候，我们都局限于一个由红 (Red)、绿 (Green)、蓝 (Blue) 构成的 RGB 世界——这正是我们的眼睛和相机感知世界的方式。

然而，设想一下，如果能赋予你的应用“超人”般的视觉，让它能够看到人眼无法企及的波段，从而以全新的方式理解世界，将会怎样？

这就是多光谱影像的力量。得益于 Google Gemini 模型原生的多模态能力，开发者现在可以前所未有地轻松利用这种数据。你不再需要训练专门的定制模型，可以直接上手分析复杂的卫星数据。

什么是多光谱影像？

一张标准的数码照片中，每个像素都由 R、G、B 三个值组成。而多光谱传感器则像一台超级相机，它不仅捕捉这三个波段，还能捕获电磁波谱中许多其他波段的数据，包括我们看不见的近红外 (NIR) 和短波红外 (SWIR) 等。

这为何能改变游戏规则？

  • 植被健康监测：健康的植物会反射大量近红外光。通过分析 NIR 波段，你可以比仅凭一张绿色照片更精确地评估作物健康状况或监测森林砍伐。
  • 水体探测：水会吸收红外光，这使得我们可以轻松地将其与陆地区分开来，用于绘制洪泛区地图，甚至分析水质。
  • 火烧迹地识别：SWIR 波段能有效穿透烟雾，识别野火后新近烧毁的区域。
  • 物质识别：不同的矿物和人造材料具有独特的光谱“指纹”，使我们能够从太空中识别它们。

过去，使用这些数据需要专业的工具、复杂的数据处理流程和定制的机器学习模型。而 Gemini 的出现彻底改变了这一局面，它允许你通过一种极其简单的方法，将其强大的推理能力应用于这些丰富的数据之上。

核心方法：将不可见光映射为可见色

像 Gemini 这样的大型多模态模型，是在海量的图像和文本数据集上预训练的。它能理解什么是“红色的汽车”或“绿色的森林”。让它理解多光谱数据的关键，就在于将我们关心的不可见波段映射到它已经理解的 R、G、B 通道上。

我们通过创建一个“伪彩色合成”图像来实现这一点。我们的目的不是让图像看起来自然，而是将科学数据编码成模型可以处理的格式。

整个过程分为三个简单的步骤：

  1. 选择波段：根据你的具体问题，选择三个重要的光谱波段。
  2. 归一化与映射：将每个波段的数据缩放到标准的 0-255 整数范围内，然后分别赋值给新图像的红、绿、蓝通道。
  3. 结合上下文提示：将新创建的图像传递给 Gemini，并在提示 (Prompt) 中明确告知模型，图中的颜色分别代表什么。

这最后一步是整个方法的精髓所在。你实际上是在实时地“教”模型如何解读你自定义的新图像。

实例演示

Gemini 2.5 在遥感领域表现出色。例如，在处理用于土地覆盖分类的 EuroSat 数据集时，它能准确地将下图分别识别为“永久性作物”、“河流”和“工业区”。

然而，在某些更具挑战性的场景中，仅凭 RGB 图像可能无法提供足够的信息。

示例一：河流识别

下面这张河流的图像，模型最初仅根据 RGB 信息会将其误判为“森林”。

但是，当我们引入并构建了多光谱伪彩色图像，并辅以详细的提示词后，Gemini 2.5 成功地将其识别为“河流”。从它的推理轨迹可以看出，模型利用了多光谱输入，特别是归一化水体指数 (NDWI) 图像，才推断出这是水体。

示例二：森林识别

在另一个例子中，模型最初将下图这张森林的图像误判为“海洋湖泊”，其判断依据是图中的蓝绿色区域。

当我们引入多光谱输入后，模型便能轻松地将其正确分类为“森林”。其推理轨迹同样表明，它在很大程度上利用了这些额外的信息。

这些例子清晰地表明，额外的多光谱输入对于做出更准确的决策至关重要。更棒的是，由于整个过程无需更改模型本身，我们也可以用同样的方式添加其他类型的输入。

Gemini 的强大之处

这种方法极大地降低了分析复杂卫星数据的门槛，对开发者而言是一次重大突破。它使得新应用的原型开发周期从数周缩短到数小时，且无需深厚的遥感专业知识。

借助 Gemini 强大的情境学习 (in-context learning) 能力，开发者只需提供一张自定义图像和一段清晰的提示，就能动态地指导模型如何为不同任务（从农业监测到城市规划）解读不同的光谱数据。

人工智能驱动的环境监测、精准农业和灾害响应时代已经到来。现在，有了 Gemini，这些强大的工具就掌握在你手中。你可以从 NASA 的 Earthdata、哥白尼开放存取中心 (Copernicus Open Access Hub) 或 Google Earth Engine 等来源获取公开的卫星数据，开始教你的应用以全新的视角看世界。

👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API：