geoahsi 1.2.0__tar.gz

geoahsi-1.2.0/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 GeoAHSI Team
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

geoahsi-1.2.0/MANIFEST.in

@@ -0,0 +1,4 @@
+recursive-include geoahsi/data *
+include README.md
+include LICENSE
+include requirements.txt

geoahsi-1.2.0/PKG-INFO

@@ -0,0 +1,256 @@
+Metadata-Version: 2.4
+Name: geoahsi
+Version: 1.2.0
+Summary: GeoAHSI — EMIT 高光谱矿物识别引擎（USGS MICA 算法）
+Author: GeoAHSI Team
+License: MIT License
+        
+        Copyright (c) 2026 GeoAHSI Team
+        
+        Permission is hereby granted, free of charge, to any person obtaining a copy
+        of this software and associated documentation files (the "Software"), to deal
+        in the Software without restriction, including without limitation the rights
+        to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+        copies of the Software, and to permit persons to whom the Software is
+        furnished to do so, subject to the following conditions:
+        
+        The above copyright notice and this permission notice shall be included in all
+        copies or substantial portions of the Software.
+        
+        THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+        IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+        FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+        AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+        LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+        OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+        SOFTWARE.
+        
+Keywords: GeoAHSI,MICA,EMIT,hyperspectral,mineral,USGS,remote sensing
+Classifier: Development Status :: 5 - Production/Stable
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Intended Audience :: Science/Research
+Classifier: Topic :: Scientific/Engineering :: GIS
+Classifier: Programming Language :: Python :: 3
+Classifier: Programming Language :: Python :: 3.8
+Classifier: Programming Language :: Python :: 3.9
+Classifier: Programming Language :: Python :: 3.10
+Classifier: Programming Language :: Python :: 3.11
+Classifier: Programming Language :: Python :: 3.12
+Classifier: Programming Language :: Python :: 3.13
+Classifier: Operating System :: Microsoft :: Windows
+Classifier: Operating System :: POSIX :: Linux
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: numpy>=1.20
+Requires-Dist: pandas>=1.3
+Requires-Dist: netCDF4>=1.6
+Requires-Dist: pyproj>=3.0
+Requires-Dist: pyresample>=1.25
+Requires-Dist: threadpoolctl>=3.0
+Provides-Extra: viz
+Requires-Dist: matplotlib>=3.5; extra == "viz"
+Provides-Extra: dev
+Requires-Dist: pytest; extra == "dev"
+Requires-Dist: matplotlib>=3.5; extra == "dev"
+Requires-Dist: build; extra == "dev"
+Requires-Dist: twine; extra == "dev"
+Provides-Extra: gdal
+Dynamic: license-file
+
+# GeoAHSI 核心库
+
+GeoAHSI — EMIT 高光谱矿物识别引擎（基于 USGS MICA 算法）：EMIT 高光谱影像 → 逐像元矿物判别 → GeoTIFF 输出。
+
+## 安装
+
+```bash
+# 从 PyPI 安装（推荐）
+pip install geoahsi                  # 基础：分类 + GeoTIFF 输出
+pip install 'geoahsi[viz]'           # + PDF 可视化（classify_spectrum / match_reference）
+conda install -c conda-forge gdal    # GDAL（write_tiff 需要，conda 安装）
+
+# 从源码安装
+cd D:/123
+pip install .                        # 普通安装
+pip install -e .                     # 开发模式（改代码即时生效）
+pip install -e ".[dev]"              # 含开发依赖（pytest/matplotlib/build/twine）
+
+# 构建分发包
+pip install build
+python -m build
+# → dist/geoahsi-1.2.0-py3-none-any.whl  (可直接 pip install)
+# → dist/geoahsi-1.2.0.tar.gz
+```
+
+安装后可直接用 `geoahsi` 命令行工具：
+```bash
+geoahsi -i D:/test/EMIT_xxx.nc -o D:/test/output
+geoahsi -i D:/test/EMIT_xxx.nc -o D:/test/output --raw   # 额外输出 mus_center + fd
+```
+
+## 结构
+
+```
+123/
+├── geoahsi/                   # 核心库（零 GUI 依赖）
+│   ├── emit_reader.py      # 影像读取（EmitReader）
+│   ├── classifier.py       # 光谱分析核心（MicaClassifier + 全部算法 + 并行 worker）
+│   ├── renderer.py         # 结果封装（ResultRenderer + HSI + GeoTIFF + DEFAULT_MUS_TABLE）
+│   ├── mica_engine.py      # MicaEngine facade（组合三者，保留公共 API）
+│   ├── __init__.py
+│   └── data/               # 全部内置资源
+│       ├── splib06b        # USGS 光谱库（21MB）
+│       ├── rf.json         # 矿物规则库（77 矿物 + 混合配方 + 波长映射）
+│       └── color_table.json # 矿物 RGB 颜色表（77 矿物）
+├── requirements.txt
+├── test_lib.py             # 端到端自测
+└── visualize_*.py          # top-10 特征 PDF 生成
+```
+
+**全部资源内置** `geoahsi/data/`：splib06b / rf.json / color_table.json / DEFAULT_MUS_TABLE 常量。
+`MicaEngine()` 和 `MicaClassifier.from_paths()` / `ResultRenderer.from_paths()` **零参数**即可构造，库仅依赖输入 EMIT NetCDF 影像。
+
+三组件通过 `ClassificationResult` 数据契约衔接：
+```
+EmitReader.load ─► (spectrum, lon, lat, w, bp)        # 坏波段已剔除
+    │
+    ▼
+MicaClassifier.classify(spectrum, w, bp) ─► ClassificationResult(fit, depth, num, mus_center, ...)
+    │
+    ▼
+ResultRenderer.render ─► (orth_rgb, color_enhanced, mus_image)
+    │
+    ▼
+ResultRenderer.write_tiff ─► 3 × GeoTIFF
+```
+
+## 外部资源
+
+| 资源 | 用途 | 状态 |
+|---|---|---|
+| USGS splib06b | 光谱库 | **已内置** `geoahsi/data/splib06b` |
+| rf.json | 矿物规则库 | **已内置** `geoahsi/data/rf.json` |
+| 矿物颜色表 | 矿物→RGB | **已内置** `geoahsi/data/color_table.json` |
+| 白云母色表 | mus_image 着色 | **已内置** `DEFAULT_MUS_TABLE` 常量 |
+| EMIT L2A NetCDF | 输入影像 | 外部（必传） |
+
+## 安装
+
+```bash
+pip install -r requirements.txt
+# GDAL 通过 conda：
+conda install -c conda-forge gdal
+```
+
+## 用法
+
+### 方式一：facade（最简，自动加载资源）
+
+```python
+from geoahsi import MicaEngine
+
+engine = MicaEngine()   # 零参数，全部资源内置
+
+spectrum, lon, lat, w, bp = engine.load_emit("./EMIT_xxx.nc")   # 坏波段已剔除
+orth_rgb, color_enhanced, mus_image = engine.spectrum_analysis(
+    spectrum, w, bp, n_workers=8
+)
+engine.write_tiff("./EMIT_xxx", lon, lat, orth_rgb, color_enhanced, mus_image)
+```
+
+### 方式二：直接用三组件（核心库，自包含 from_paths）
+
+```python
+from geoahsi.emit_reader import EmitReader
+from geoahsi.classifier import MicaClassifier
+from geoahsi.renderer import ResultRenderer
+
+# 三组件各自零参数构造（全内置）
+clf = MicaClassifier.from_paths()
+rnd = ResultRenderer.from_paths()
+
+# 读影像
+spectrum, lon, lat, w, bp = EmitReader.load("./EMIT_xxx.nc")
+
+# 分类 → ClassificationResult（无颜色/图像）
+result = clf.classify(spectrum, w, bp, n_workers=8)
+
+# 渲染 + 输出
+orth, color, mus = rnd.render(result)
+rnd.write_tiff("./EMIT_xxx", lon, lat, orth, color, mus)
+```
+
+### 单像元 Top-N 识别
+
+```python
+engine = MicaEngine()   # 零参数，全内置
+spectrum, lon, lat, w, bp = engine.load_emit("./EMIT_xxx.nc")
+pixel = spectrum[row, col, :]                       # 已是有效波段，无需再切片
+top = engine.classify_spectrum(pixel, w, bp, top_n=10)
+# [{"name": "muscovite_medAl", "fit": 0.98, "fd": 0.13}, ...]
+# 传 pdf_path=... 可额外输出 Top-N 特征连续统去除多页 PDF
+```
+
+### 单像元 vs 单条参考光谱匹配
+
+按 rf.json 中指定矿物的专家规则匹配单条像元光谱，可选生成匹配过程可视化 PDF
+（逐特征连续统去除 + 每道关卡 PASS/REJECT 判定，仿 pixel_features.pdf）。
+
+```python
+engine = MicaEngine()
+spectrum, lon, lat, w, bp = engine.load_emit("./EMIT_xxx.nc")
+pixel = spectrum[row, col, :]
+
+r = engine.match_reference(
+    pixel, w, bp,
+    mineral_key="calcite.8+montmorilloniteNa.2_mix_intimate",   # rf.json 中的 key
+    pdf_path="./match.pdf",   # 可选；不传则只返回结果不出图
+)
+# {"name": "...", "fit": 0.9457, "fd": 0.0659, "accept": True}
+# fit 为 NaN 表示被某道专家规则关卡否决（accept=False）
+```
+
+`mineral_key` 可用 `list(engine.rf.keys())` 查看全部 77 个候选（纯端元如 `calcite` /
+`muscovite_medAl`，混合如 `calcite.8+montmorilloniteNa.2_mix_intimate`）。
+
+## 主要 API
+
+| 组件 | 方法 | 说明 |
+|---|---|---|
+| `EmitReader.load(path)` | 静态 | 读 EMIT NetCDF + 坏波段剔除 → `spectrum, lon, lat, w, bp` |
+| `MicaClassifier.from_paths(rf, splib)` | 类方法 | 加载资源构造分类器 |
+| `MicaClassifier.classify(spectrum, w, bp, ...)` | | 整景分类 → `ClassificationResult` |
+| `MicaClassifier.classify_spectrum(spectrum, w, bp, top_n)` | | 单光谱 Top-N |
+| `MicaClassifier.get_resample(w, bp)` | | 参考光谱重采样 |
+| `ResultRenderer.from_paths(txt, tif)` | 类方法 | 加载颜色表构造渲染器 |
+| `ResultRenderer.render(result)` | | `ClassificationResult` → 3 张 RGB 图 |
+| `ResultRenderer.write_tiff(path, lon, lat, ...)` | 静态 | 写 3 张 GeoTIFF |
+| `ResultRenderer.plot_features_pdf(...)` | 静态 | Top-N 特征连续统去除多页 PDF |
+| `ResultRenderer.plot_rule_match_pdf(...)` | 静态 | 单矿物匹配过程可视化 PDF |
+| `MicaEngine(...)` | facade | 组合三者的便捷入口 |
+| `MicaEngine.load_emit(path)` | 静态 | 委托 `EmitReader.load` |
+| `MicaEngine.spectrum_analysis(spectrum, w, bp, ...)` | | 整景分类 + 渲染 |
+| `MicaEngine.classify_spectrum(spectrum, w, bp, top_n, pdf_path)` | | 单像元 Top-N（+可选 PDF） |
+| `MicaEngine.match_reference(spectrum, w, bp, mineral_key, pdf_path)` | | 单像元 vs 单条参考光谱匹配（+可选过程 PDF） |
+| `MicaEngine.write_tiff(path, lon, lat, ...)` | | 写 3 张 GeoTIFF |
+
+## 参数
+
+- `n_workers`：矿物级并行进程数。`<=1` 串行；`None` 默认 `min(cpu_count, 8)`。
+- `spectrum_analysis` 支持 `progress_callback` / `log_callback` / `cancel_flag` 回调。
+- `match_reference` 的 `mineral_key` 必须为 `rf.json` 中已有的 key，否则抛 `KeyError`（提示可用示例）。
+- `classify_spectrum` / `match_reference` 的 `pdf_path` 需 `matplotlib`（`pip install 'geoahsi[viz]'`）。
+
+## 性能
+
+实测（1280×1242 EMIT 影像，24 核机器）：
+- 串行 ~175s，并行 nw=8 ~80s。
+- 输出与 `mica_app.py` 原版逐比特一致（闭式 2×2 最小二乘 + det==0 奇异守卫）。
+
+## 算法
+
+- 连续统去除 + 闭式 2×2 最小二乘拟合（R² + 吸收深度）。
+- 三层过滤：连续统约束 → 诊断特征 + 非特征排除 → 加权约束。
+- 可选深度比值约束（`rf.json` 的 `max_depth_ratio_feat1_over_feat0`，6 个白云母纯端元）。
+- 白云母 2.2μm 吸收中心抛物线拟合 → 10 档着色。

geoahsi-1.2.0/README.md

@@ -0,0 +1,196 @@
+# GeoAHSI 核心库
+
+GeoAHSI — EMIT 高光谱矿物识别引擎（基于 USGS MICA 算法）：EMIT 高光谱影像 → 逐像元矿物判别 → GeoTIFF 输出。
+
+## 安装
+
+```bash
+# 从 PyPI 安装（推荐）
+pip install geoahsi                  # 基础：分类 + GeoTIFF 输出
+pip install 'geoahsi[viz]'           # + PDF 可视化（classify_spectrum / match_reference）
+conda install -c conda-forge gdal    # GDAL（write_tiff 需要，conda 安装）
+
+# 从源码安装
+cd D:/123
+pip install .                        # 普通安装
+pip install -e .                     # 开发模式（改代码即时生效）
+pip install -e ".[dev]"              # 含开发依赖（pytest/matplotlib/build/twine）
+
+# 构建分发包
+pip install build
+python -m build
+# → dist/geoahsi-1.2.0-py3-none-any.whl  (可直接 pip install)
+# → dist/geoahsi-1.2.0.tar.gz
+```
+
+安装后可直接用 `geoahsi` 命令行工具：
+```bash
+geoahsi -i D:/test/EMIT_xxx.nc -o D:/test/output
+geoahsi -i D:/test/EMIT_xxx.nc -o D:/test/output --raw   # 额外输出 mus_center + fd
+```
+
+## 结构
+
+```
+123/
+├── geoahsi/                   # 核心库（零 GUI 依赖）
+│   ├── emit_reader.py      # 影像读取（EmitReader）
+│   ├── classifier.py       # 光谱分析核心（MicaClassifier + 全部算法 + 并行 worker）
+│   ├── renderer.py         # 结果封装（ResultRenderer + HSI + GeoTIFF + DEFAULT_MUS_TABLE）
+│   ├── mica_engine.py      # MicaEngine facade（组合三者，保留公共 API）
+│   ├── __init__.py
+│   └── data/               # 全部内置资源
+│       ├── splib06b        # USGS 光谱库（21MB）
+│       ├── rf.json         # 矿物规则库（77 矿物 + 混合配方 + 波长映射）
+│       └── color_table.json # 矿物 RGB 颜色表（77 矿物）
+├── requirements.txt
+├── test_lib.py             # 端到端自测
+└── visualize_*.py          # top-10 特征 PDF 生成
+```
+
+**全部资源内置** `geoahsi/data/`：splib06b / rf.json / color_table.json / DEFAULT_MUS_TABLE 常量。
+`MicaEngine()` 和 `MicaClassifier.from_paths()` / `ResultRenderer.from_paths()` **零参数**即可构造，库仅依赖输入 EMIT NetCDF 影像。
+
+三组件通过 `ClassificationResult` 数据契约衔接：
+```
+EmitReader.load ─► (spectrum, lon, lat, w, bp)        # 坏波段已剔除
+    │
+    ▼
+MicaClassifier.classify(spectrum, w, bp) ─► ClassificationResult(fit, depth, num, mus_center, ...)
+    │
+    ▼
+ResultRenderer.render ─► (orth_rgb, color_enhanced, mus_image)
+    │
+    ▼
+ResultRenderer.write_tiff ─► 3 × GeoTIFF
+```
+
+## 外部资源
+
+| 资源 | 用途 | 状态 |
+|---|---|---|
+| USGS splib06b | 光谱库 | **已内置** `geoahsi/data/splib06b` |
+| rf.json | 矿物规则库 | **已内置** `geoahsi/data/rf.json` |
+| 矿物颜色表 | 矿物→RGB | **已内置** `geoahsi/data/color_table.json` |
+| 白云母色表 | mus_image 着色 | **已内置** `DEFAULT_MUS_TABLE` 常量 |
+| EMIT L2A NetCDF | 输入影像 | 外部（必传） |
+
+## 安装
+
+```bash
+pip install -r requirements.txt
+# GDAL 通过 conda：
+conda install -c conda-forge gdal
+```
+
+## 用法
+
+### 方式一：facade（最简，自动加载资源）
+
+```python
+from geoahsi import MicaEngine
+
+engine = MicaEngine()   # 零参数，全部资源内置
+
+spectrum, lon, lat, w, bp = engine.load_emit("./EMIT_xxx.nc")   # 坏波段已剔除
+orth_rgb, color_enhanced, mus_image = engine.spectrum_analysis(
+    spectrum, w, bp, n_workers=8
+)
+engine.write_tiff("./EMIT_xxx", lon, lat, orth_rgb, color_enhanced, mus_image)
+```
+
+### 方式二：直接用三组件（核心库，自包含 from_paths）
+
+```python
+from geoahsi.emit_reader import EmitReader
+from geoahsi.classifier import MicaClassifier
+from geoahsi.renderer import ResultRenderer
+
+# 三组件各自零参数构造（全内置）
+clf = MicaClassifier.from_paths()
+rnd = ResultRenderer.from_paths()
+
+# 读影像
+spectrum, lon, lat, w, bp = EmitReader.load("./EMIT_xxx.nc")
+
+# 分类 → ClassificationResult（无颜色/图像）
+result = clf.classify(spectrum, w, bp, n_workers=8)
+
+# 渲染 + 输出
+orth, color, mus = rnd.render(result)
+rnd.write_tiff("./EMIT_xxx", lon, lat, orth, color, mus)
+```
+
+### 单像元 Top-N 识别
+
+```python
+engine = MicaEngine()   # 零参数，全内置
+spectrum, lon, lat, w, bp = engine.load_emit("./EMIT_xxx.nc")
+pixel = spectrum[row, col, :]                       # 已是有效波段，无需再切片
+top = engine.classify_spectrum(pixel, w, bp, top_n=10)
+# [{"name": "muscovite_medAl", "fit": 0.98, "fd": 0.13}, ...]
+# 传 pdf_path=... 可额外输出 Top-N 特征连续统去除多页 PDF
+```
+
+### 单像元 vs 单条参考光谱匹配
+
+按 rf.json 中指定矿物的专家规则匹配单条像元光谱，可选生成匹配过程可视化 PDF
+（逐特征连续统去除 + 每道关卡 PASS/REJECT 判定，仿 pixel_features.pdf）。
+
+```python
+engine = MicaEngine()
+spectrum, lon, lat, w, bp = engine.load_emit("./EMIT_xxx.nc")
+pixel = spectrum[row, col, :]
+
+r = engine.match_reference(
+    pixel, w, bp,
+    mineral_key="calcite.8+montmorilloniteNa.2_mix_intimate",   # rf.json 中的 key
+    pdf_path="./match.pdf",   # 可选；不传则只返回结果不出图
+)
+# {"name": "...", "fit": 0.9457, "fd": 0.0659, "accept": True}
+# fit 为 NaN 表示被某道专家规则关卡否决（accept=False）
+```
+
+`mineral_key` 可用 `list(engine.rf.keys())` 查看全部 77 个候选（纯端元如 `calcite` /
+`muscovite_medAl`，混合如 `calcite.8+montmorilloniteNa.2_mix_intimate`）。
+
+## 主要 API
+
+| 组件 | 方法 | 说明 |
+|---|---|---|
+| `EmitReader.load(path)` | 静态 | 读 EMIT NetCDF + 坏波段剔除 → `spectrum, lon, lat, w, bp` |
+| `MicaClassifier.from_paths(rf, splib)` | 类方法 | 加载资源构造分类器 |
+| `MicaClassifier.classify(spectrum, w, bp, ...)` | | 整景分类 → `ClassificationResult` |
+| `MicaClassifier.classify_spectrum(spectrum, w, bp, top_n)` | | 单光谱 Top-N |
+| `MicaClassifier.get_resample(w, bp)` | | 参考光谱重采样 |
+| `ResultRenderer.from_paths(txt, tif)` | 类方法 | 加载颜色表构造渲染器 |
+| `ResultRenderer.render(result)` | | `ClassificationResult` → 3 张 RGB 图 |
+| `ResultRenderer.write_tiff(path, lon, lat, ...)` | 静态 | 写 3 张 GeoTIFF |
+| `ResultRenderer.plot_features_pdf(...)` | 静态 | Top-N 特征连续统去除多页 PDF |
+| `ResultRenderer.plot_rule_match_pdf(...)` | 静态 | 单矿物匹配过程可视化 PDF |
+| `MicaEngine(...)` | facade | 组合三者的便捷入口 |
+| `MicaEngine.load_emit(path)` | 静态 | 委托 `EmitReader.load` |
+| `MicaEngine.spectrum_analysis(spectrum, w, bp, ...)` | | 整景分类 + 渲染 |
+| `MicaEngine.classify_spectrum(spectrum, w, bp, top_n, pdf_path)` | | 单像元 Top-N（+可选 PDF） |
+| `MicaEngine.match_reference(spectrum, w, bp, mineral_key, pdf_path)` | | 单像元 vs 单条参考光谱匹配（+可选过程 PDF） |
+| `MicaEngine.write_tiff(path, lon, lat, ...)` | | 写 3 张 GeoTIFF |
+
+## 参数
+
+- `n_workers`：矿物级并行进程数。`<=1` 串行；`None` 默认 `min(cpu_count, 8)`。
+- `spectrum_analysis` 支持 `progress_callback` / `log_callback` / `cancel_flag` 回调。
+- `match_reference` 的 `mineral_key` 必须为 `rf.json` 中已有的 key，否则抛 `KeyError`（提示可用示例）。
+- `classify_spectrum` / `match_reference` 的 `pdf_path` 需 `matplotlib`（`pip install 'geoahsi[viz]'`）。
+
+## 性能
+
+实测（1280×1242 EMIT 影像，24 核机器）：
+- 串行 ~175s，并行 nw=8 ~80s。
+- 输出与 `mica_app.py` 原版逐比特一致（闭式 2×2 最小二乘 + det==0 奇异守卫）。
+
+## 算法
+
+- 连续统去除 + 闭式 2×2 最小二乘拟合（R² + 吸收深度）。
+- 三层过滤：连续统约束 → 诊断特征 + 非特征排除 → 加权约束。
+- 可选深度比值约束（`rf.json` 的 `max_depth_ratio_feat1_over_feat0`，6 个白云母纯端元）。
+- 白云母 2.2μm 吸收中心抛物线拟合 → 10 档着色。

geoahsi-1.2.0/geoahsi/__init__.py

@@ -0,0 +1,15 @@
+"""GeoAHSI — EMIT 高光谱矿物识别引擎（USGS MICA 算法）。
+
+公共 API：MicaEngine（facade，零参数构造，全资源内置）。
+"""
+
+from importlib.metadata import PackageNotFoundError, version as _version
+
+try:
+    __version__ = _version("geoahsi")
+except PackageNotFoundError:  # 源码树直接运行（未安装）
+    __version__ = "0.0.0+unknown"
+
+from .mica_engine import MicaEngine, ProcessResult
+
+__all__ = ["MicaEngine", "ProcessResult", "__version__"]