基于高光谱遥感的植被红边波段角度效应分析

农作物的叶绿素含量与植被的光合能力､生长发育及氮素含量有较好的相关性，是反映农作物长势和营养状况的重要生化参量，及时､准确地获取农作物叶绿素含量，对作物长势和病虫害动态监测以及作物成熟期和产量预测有重要意义。具有“图谱合一”特点的高光谱遥感技术对叶绿素含量的监测和反演极为有效，尤其是红边波段与叶绿素含量､生物量､营养状况､物候变化等密切相关，已广泛应用于农业生产的各个环节。值得注意的是，农作物冠层与大多数地物一样，属于非朗伯体，会表现出不同程度的各向异性特征，一般利用多角度遥感观测以获取作物冠层的多角度信息，提升作物生化参量的监测和反演精度。

结合多角度观测优势的高光谱多角度遥感在提高农作物生化参数获取能力和精度方面极具优势：

1、利用CHRIS/PROBA数据，显著提升了植被冠层含水量的反演精度

2、观测天顶角的变化与大豆冠层叶绿素含量的反演精度密切相关；

3、研究窄波段植被指数与观测角度之间的关系，发现植被指数表现出明显的各向异性；

4、利用CHRIS/PROBA数据研究了3个观测角度下光谱反射率､红边指数等与湿地植被生物量的相关性，发现生物量对角度有较强的敏感性

5、利用地物光谱仪配合多角度观测架，分析了冬小麦光谱的红边参数随观测角度变化的情况，提出应选取合理观测角度下的红边参数来反演作物生化组分。

可见，红边波段的角度效应已受到农业遥感领域的高度关注。鉴于此，本文利用无人机搭载高光谱成像传感器对玉米和大豆进行多角度观测，采用半经验核驱动模型构建两种作物的二向反射分布函数（BRDF）模型，系统地分析了随观测角度变化，大豆和玉米红边波段光谱反射率及叶绿素相对含量（SPAD）的变化特点，以期为高精度的农作物冠层叶绿素含量反演提供依据。

1数据与方法

1.1 数据获取

实验场（长60m，宽30m）位于北京大兴区东部（116°34′33.10″E，39°39′2.56″N），属暖温带半湿润大陆季风气候，夏季高温多雨，冬季寒冷干燥，年平均降水量556mm，年平均气温11.6℃。在实验场分别设有5个玉米､8个大豆实验小区，如图1所示。

图1 实验场地作物种植及SPAD采样点分布

实验当天天气晴朗无风，光照强度稳定，地表土壤相对干燥且平整；此时田间玉米和大豆正处于生长旺盛期，能够代表典型生长状况。实验数据包括：1）地面同步测量数据。在实验区内均匀选取68个样点（玉米46个，大豆22个），在每个样点随机选取不同部位的10个叶片并测定其SPAD值，每个叶片不同部位测量5次，最后取10个叶片的平均值作为该样点的SPAD值。无人机高光谱数据。高光谱影像采集时间为当天的12：00-12：20，太阳方位角169.07°，天顶角28.86°；可使用的莱森光学制造的iSpecHyper-VM系列多旋翼无人机载高光谱成像系统。

遥感平台可采用大疆经纬M600/M300多旋翼无人机。为获得较大的视场角，实验中采用16mm镜头，对应视场角为22°，将高光谱成像相机安装在云台上，利用云台的俯仰得到不同的观测角度（图2b）。采用的飞行方式如图2a所示，在实线区域，传感器垂直向下观测，在4个虚线区域内，利用云台将传感器保持在30°并指向研究区的观测状态。实验共获得高光谱影像1119张（垂直179张，倾斜940张）。

图２ 飞行方式及数据采集示意

1.2 数据处理

1.2.1 高光谱数据处理

使用多旋翼无人机载高光谱成像系统自带的LiSpecView软件对原始高光谱数据进行辐射校正，得到反射率影像。采用运动重建（SfM）技术，通过内定向实现像平面坐标与像素坐标的转换；通过相对定向重建目标三维结构并得到相机外方位元素；利用机载POS数据和地面控制点完成绝对定向；最后利用点云内插方法得到数字表面模型（DSM），并采用数字微分反解法实现正射校正与镶嵌，得到具有地理坐标的实验区正射影像（DOM）。

1.2.2 BRDF模型构建

BRDF模型的构建需经过空中三角测量､同名点影像查找和核函数计算等过程，进而得到不同观测天顶角和方位角下的地物反射情况。空中三角测量和同名点影像查找在2.2.1节中实现，核函数计算采用基于AMBRALS算法的半经验核驱动模型：二向性反射可以分解为各向同性反射､体散射和几何光学反射三部分的权重之和，可表示为：

式中：R是二向反射率；θ是光线入射天顶角；α是观测天顶角；σ是相对方位角；Kvol和Kgeo分别代表体散射核和几何光学核，此处分别采用RossThick核和LiSpareR核；fiso､fvol和fgeo是权重系数，分别表示各向同性反射､体散射和几何光学反射所占比例，可根据同名点所在的多张影像利用最小二乘法求得，详细计算过程可参阅文献。获得BRDF模型后，即可求得任意观测方向的反射率（图2c）。

2结果与讨论

2.1 植被冠层光谱特征

图3显示了实验区内22个大豆和46个玉米样点的平均反射率光谱曲线。其中，DOM代表从正射影像直接获取的反射率。显而易见，对两种作物而言，在可见光/近红外谱段内（450~900nm），热点方向（本实验太阳高度角约30°，后向30°可代表热点方向）的反射率均大于其他两个方向，并且随着波长的增加，这种差异随之增大：在可见光波段（450~680nm），热点效应带来的影响主要出现在绿波段（550nm）附近，其他波段并不明显；从700nm的红边波段开始，差异逐步增大，尤其在近红外波段（750~900nm），热点方向的反射率比BRDF_0高约10%。比如，玉米（大豆）在800nm处热点方向反射率约为70%（43%），而其BRDF_0的值约为60%（36%）。

图 3 大豆和玉米的光谱反射率

值得注意的是，经过BRDF校正的垂直观测（BRDF_0）与采用影像拼接直接获得的垂直观测（DOM）有非常明显的差异。从图3可以看到，在可见光波段，两种垂直观测的曲线（BRDF_0和DOM）基本重合，但从红边开始直到近红外波段（约730~900nm），BRDF_0与DOM的差异逐渐增大，且前者的值明显高于后者。比如，玉米（大豆）在800nm处BRDF_0的值约为60%（36%），而其DOM的值约为55%（32%）。

2.2 BRDF特征及其模型参数分析

图4､图5分别为大豆和玉米在702nm､750nm的BRDF极化图（半径代表观测天顶角大小，距正半轴的角度代表方位角大小，五角星代表太阳所在位置）和主平面反射率剖面图，可以发现，在波长较短的几个波段（698~718nm），观测角度的变化对反射率的影响并不明显，总体呈现出从后向到前向反射率逐渐降低的规律。随着波长的增加（722~750nm），两种作物的BRDF极化图和主平面均表现出完全不同的形态特征。

图4 大豆 BRDF极化图及主平面剖面

图5 玉米 BRDF极化图及主平面剖面

大豆（图4）从722nm开始，表现出非常明显的热点现象，在-30°附近出现反射率的最大值，并向两边呈现逐步减弱的趋势（钟形），且随着波长的增加，热点效应逐渐增强；而玉米（图5）则完全不同，其BRDF形状属于碗形，各波段反射率的最大值出现在后向最大观测角度（-50°）处，在-30°处有明显的拐点，各个波段的反射率最小值出现在前向观测的25°~35°之间。同样，其BRDF的碗形特征随波长增加变得更加明显。

图6显示了大豆和玉米BRDF模型参数随波长变化的情况。fiso可认为是当太阳天顶角为0°时，垂直观测的反射率，其值基本与图3中的BRDF_0吻合。fgeo的值代表了BRDF的形状特征，大于0时为钟形，小于0时为碗形。从图中可以发现，在698nm和702nm处，大豆和玉米的BRDF形状差异不大，但随着波长的增大，大豆的fgeo值逐渐变大，表现出越来越强的钟形特征，而玉米的碗形特点则更加明显，这与图4和图5表现出来的特点相一致。fvol的值代表散射类型，大于0表示后向散射占主导，反之则以前向散射为主。从图中可以发现，在698nm和702nm处，大豆和玉米几乎没有差异，但随着波长的增大，两者表现出不同的特点：玉米的fvol值始终大于0，表明在各个红边波段，玉米都以后向散射为主；大豆从738nm开始，fvol的值由正转负，表明在短波红边波段（698~734nm），大豆的后向散射占主导地位，在长波红边波段（738~750nm）则以前向为主。

图6 大豆和玉米BRDF模型参数

2.3 不同角度反射率与SPAD值的相关性

图7对比了正射影像DOM和BRDF_0与SPAD值之间的相关性。总体而言，在各个红边波段上，大豆和玉米的DOM与SPAD值的相关性有正有负，但相关系数的绝对值很小，最大值也仅为0.1左右；与DOM不同，BRDF_0与SPAD值均为负相关，其相关性远超DOM，且玉米的相关性（接近-0.5）要高于大豆（-0.3左右）。

对大豆而言（图7a），其DOM与SPAD值的相关性在波长较短的红边波段（698~706nm）为负相关，从710nm之后变为正相关，在726nm处相关系数最大，但也仅为0.1；而玉米（图7b）的DOM与SPAD值的相关性在短波段要高于长波段，714nm处相关性最强（-0.15），且从738nm开始，其相关性由负转正。与DOM不同，各个红边波段的BRDF_0与SPAD值均表现出较强的负相关性，大豆（图7a）在短波长区域（698~710nm）的相关性较小（高于-0.3），在长波段（714~750nm）相关性相对较大，726nm处相关性最强（-0.37）；玉米依然表现出不同于大豆的规律（图7b），即：在较短波段（698~722nm）的相关性较强（约-0.5），而从726nm到750nm，相关性随着波长的增加大幅降低。可见，经过BRDF校正的正射结果（BRDF_0）极大提升了反射率与SPAD值的相关性，并且对于不同的作物而言，其相关性随波段变化的规律存在较大差异。

图7 正射影像(DOM)与 BRDF校正结果(BRDF_0)与SPAD值的相关系数

图8显示了各个红边波段反射率与SPAD值的相关系数随观测角度变化的情况（5°间隔），可以看出，在所有角度（-50°~50°），两种作物各红边波段的反射率与SPAD值均为负相关，且后向观测结果与前向观测结果有较大差异。对大豆（图8a）而言，除698nm､702nm､706nm和710nm这4个波段的最大相关性出现在-45°之外，其他所有红边波段的最大相关性均出现在-40°，这与文献的研究结果基本一致。另外，各个红边波段表现出的方向特性并不完全一致，698~734nm表现出较为一致的规律，即：后向观测的相关性大于垂直观测和前向观测；而从738nm开始，如750nm处，前向观测的相关系数（-0.33）优于后向观测（-0.24）。对玉米（图8b）而言，相关性最强的波段同样出现在714nm的后向观测，从-35°至0°均表现出很强且大致相同的相关性（约-0.5）。与大豆不同，玉米后向观测对相关性的提升并不明显，仅在-35°附近有较为明显的变化，最大相关性出现的角度并不一致：698~714nm出现在-30°，718~730nm出现在-35°，734~750nm出现在-40°。在各个红边波段上，从-30°至30°，相关系数的变化幅度相对较小，表明在该观测范围内，玉米SPAD值与反射率之间的相关性对角度变化并不敏感；另外，短波红边波段（698~722nm）的相关性明显高于长波红边波段（726~750nm），即波长越长，相关性越差。

图8 大豆和玉米SPAD值与不同角度反射率的相关系数

3结 论

利用作物在不同光谱波段表现出的各向异性特点，采用特定观测角度的遥感数据可以更有效､更准确地获取作物的生化参量。本文利用多角度高光谱遥感对大豆和玉米红边波段的角度效应进行了研究，主要结论如下：

（1）两种作物红边波段的BRDF特性完全不同：大豆呈现为钟形，具有明显的热点效应，而玉米为碗形；波长越长，两种作物BRDF的形状特征越明显。

（2）观测角度对大豆的影响大于对玉米的影响：后向40°~45°的观测可以显著提高大豆观测反射率与叶绿素含量之间的相关性；玉米对观测角度的敏感性较弱，从后向30°至前向30°之间变化甚小。

（3）在主平面的所有观测角度中，两种作物红边波段的反射率与SPAD均为负相关，最大相关系数均为-0.5左右，且均出现在714nm。当观测天顶角在-30°~30°之间时，大豆在726nm和730nm处的反射率与冠层SPAD的相关性更强，而玉米则出现在短波红边波段（698~722nm），且后向优于前向。

（4）经过BRDF建模获得的垂直观测影像（BRDF_0）与使用无人机航测方法得到的正射影像（DOM）有很大的差异：两种正射影像的反射率在可见光波段几乎相同，但从红边波段开始，BRDF_0的反射率逐步高于DOM，且波长越长，差异越明显；对大豆和玉米而言，DOM与冠层SPAD值的相关性极弱，而经过BRDF建模后，其相关性得到显著提高。因此，在利用光谱反射率反演冠层SPAD时，应尽可能采用多角度观测数据构建BRDF模型，对反射率数据进行校正，从而提高反演精度。

由于只获取了一期多角度高光谱和地面实测SPAD数据，未能深入分析物候变化对作物光谱角度效应的影响，也未能研究角度效应对其他生化参数的响应特性。后续将进一步对作物全生长期､多生化参数进行监测，揭示作物光谱变化角度效应的深层机理，为长期､大面积､高精度的作物长势监测提供理论基础和技术支撑。

审核编辑 黄昊宇