fix: 修复 sampling 垃圾列 Bug — dir() 遍历方法名泄露为 CSV 列

- 旧代码用 dir(calc) 遍历 WaterQualityIndexCalculator 的所有属性和方法名，
  导致 DEFAULT_CSV/calculate_many/calculate_one/get_formula_info/list_available
  等 5 个非公式名被错误写入 sampling_spectra.csv 列头，值为全 NaN。
- 改为 calc.list_available() 获取真实公式列表 + calc.calculate_many() 批量计算。
- 消除了下游推理端 load_sampling_data 面临的 5 个垃圾空列隐患。

src/utils/sampling.py

@@ -386,31 +386,25 @@ def get_spectral_sampling_points_chunked(bil_file, water_mask_shp, severe_glint=
             try:
                 from src.utils.water_index import WaterQualityIndexCalculator
 
-                print("\n[特征引擎挂载] 正在为采样点自动追加 45 个水质指数衍生特征...")
+                # 读取基础底座
-
-                # 读取基础底座（50列光谱）
                 base_df = pd.read_csv(output_csvpath)
 
-                # 实例化计算器
+                # 实例化计算器并获取真实公式列表
                 calc = WaterQualityIndexCalculator()
+                formula_names = calc.list_available()
 
-                # 提取有效算法
+                print(f"\n[特征引擎挂载] 正在为采样点自动追加 {len(formula_names)} 个水质指数衍生特征...")
-                algorithm_methods = [
-                    m for m in dir(calc)
-                    if not m.startswith('_') and m not in ['find_closest_wavelength', 'calculate_all_indices']
-                ]
 
-                # 就地追加 45 列衍生指数
+                # ★ 使用 calculate_many 批量计算（替代 dir() 遍历方法名的 bug）
-                for algo_name in algorithm_methods:
+                results_df = calc.calculate_many(formula_names, base_df, fast=True)
-                    try:
+
-                        algo_func = getattr(calc, algo_name)
+                # 仅保留计算成功的列，拼接至 base_df
-                        base_df[algo_name] = algo_func(base_df)
+                for col_name in results_df.columns:
-                    except Exception:
+                    base_df[col_name] = results_df[col_name].values
-                        base_df[algo_name] = np.nan
 
                 # 覆盖重写最终结果！
                 base_df.to_csv(output_csvpath, index=False, encoding='utf-8-sig')
-                print(f"✓ 特征扩充大功告成！当前文件总维度完美适配模型: {base_df.shape}")
+                print(f"✓ 特征扩充大功告成！当前文件总维度: {base_df.shape}")
 
             except Exception as e:
                 print(f"⚠ 警告：追加特征失败，保留原基础光谱。死因: {e}")