应用关键词
多角度、高光谱、无人机、植被指数
背景
森林的各种结构和功能参数与陆地生态系统的物质和能量循环过程密切相关。因此，森林理化参数的定量反演对于监测森林生长、研究全球物质和能量循环过程具有重要意义。高光谱图像的每一个像素包含了地物空间属性的几何信息和数百个连续波段的详细光谱信息，这些信息使得理化性状的高精度监测成为可能。近年来，各种无人机（Unmanned aerial vehicle, UAV）的发展，为高光谱数据采集提供了一个低成本平台。
不同角度获得的森林冠层光谱比单角度数据能提供更多的结构特征信息。当观测方向和光照方向与森林冠层重合时，冠层热点出现，双向反射曲线上出现一个峰值。当观测方向与太阳方向一致时，没有任何遮挡效应时，观测到的亮度值达到*大。冠层热点的强度和性质随表面纹理和冠层结构的变化而变化，这为发现冠层结构的重要信息提供了可能。
热点可以从主平面的后向散射方向观测到，其中冠层反射率随视角变化较大。一些基于卫星的传感器已被设计用于实现多角度观测。然而，在太阳主平面上获取光谱具有挑战性，且空间分辨率较粗。与卫星平台相比，机载平台可以采集太阳主平面内空间分辨率更高的多角度光谱数据。此外，还可以使用测角仪进行多角度观测，以准确控制观测角度。然而，这些系统**于在低高度的植被冠层中使用。
基于UAV的多角度高光谱系统具有合适的地面采样距离和较高的空间分辨率，这使得基于UAV的方法在森林冠层水平上研究森林双向特征具有重要价值。因此，本研究的目标是（1）开发一种基于UAV平台的多角度高光谱观测方法；（2）进一步探讨不同观测天顶角（View zenith angles, VZAs）对森林冠层反射率、NDVI、EVI和PRI的影响。
试验设计
南京大学张乾副研究员团队使用的高光谱成像系统为安装在六悬翼无人机（M600 Pro, 大疆）上的Gaiasky-mini2-VN（江苏双利合谱）。Gaiasky-mini2-VN系统由四部分组成，包括用于获取高光谱图像的光谱仪（V10E, Specim），用于拍摄图像的相机（Lt365R, Lumenera），镜头（HSIA-OLE18, Specim）和步进电机（ZOLIX SC300, 北京卓立汉光仪器有限公司）。光谱仪详细情况如表1所示。飞行试验在中国河北省塞罕坝进行，其优势树种为樟子松、白桦和落叶松。**次飞行于上午在樟子松（ZZS_a）地块进行。**次飞行于上午在另一个樟子松（ZZS_b）地块进行。第三次飞行于上午在落叶松（LYS）地块进行的。第四次飞行于上午在白桦（BH）地块进行。
表1 光谱仪详细情况
具体多角度操作流程如表2和图1所示：
（1） UAV起飞后，在空中H处悬停，并在地面铺上一块灰色布。在垂直点拍摄灰布影像。
（2） UAV被调整至相同的高度H，通过调整VZA来寻找热点，直到热点位于图像的中心。然后得到一个图像，即热点图像。这个位置（图1中的A）被设定为本次飞行的起点。
（3） UAV水平旋转180度，保持VZA不变。然后，UAV从起点移动一定距离，并在找到暗点时停止。然后拍摄另一张图像，即暗点图像。这个位置（图2中的B）被设定为这条飞行路线的终点。
（4） 起点和终点之间的距离被分为7段。UAV每次从终点到起点水平移动一定距离。到达C时调整VZA，并拍摄一张图像。
（5） 重复步骤4，得到其他五个角度的图像。
表2 多角度观测飞行规范。BW、FW和ND分别表示后向、前向和垂直点观测值。
图1 无人机多角度观测原理图。点A和点B分别是一个飞行路径的起点和终点。A（热点, 红线）、H、G、F为后向观测位置。B（暗点, 绿线）、C、D为前向观测位置。E为垂直点观测位置（蓝线）。
对UAV平台收集的数据进行预处理，包括大气校正、辐射校准和几何校正。然后计算光谱指数，包括NDVI，EVI和PRI，计算公式如下所示。
结论
在VZA相同的情况下，从后向视角拍摄的照片比从前向视角拍摄的照片更亮。例如，图2a中VZA为40度（B40°）的后向照片比VZA为40度（F40°）的前向照片更亮。此外，在ZZS_a、ZZS_b、LYS、BH图中，所有后向照片都比前向照片更亮，并且存在热点照片比同一图中的其他照片看起来更均匀的现象。ZZS_a、ZZS_b、LYS、BH图的垂直点照片与前向照片差异不大。
图2 由Gaiasky-mini2-VN系统内置相机拍摄的照片。A、B、C、D分别为ZZS_a、ZZS_b、LYS、BH图。VZA前面的字母“B”表示后向观测，“F”表示前向观测。
图3为不同地块的高光谱RGB图像及不同VZAs对应的反射率曲线。冠层越均匀，热点越亮。ZZS_a图和ZZS_b图的热点形状比LYS图和BH图的热点形状更接近圆形，这是由于冠层间和冠层内间隙大小分布有差异。与其他3个样地的热点面积相比，BH样地的热点面积较小，这是因为BH样地的冠层较稀疏，增加了观测到的反射率低于森林冠层的概率。由于传感器在热点处可以接收到更多的光照树叶辐射，因此热点处的反射率比任何方向的反射率都高，而越靠近暗点反射率越低，且反射率的值随VZAs的变化而变化。而在近红外波段，4个样地的垂直点反射率值在0.3左右，介于暗点和热点之间，说明多角度反射率比单角度反射率能提供更多的信息。
图4可以看出4个站点前向观测的PC（percentage changes）值几乎为负，说明前向观测的反射率低于垂直观测。4个站点后向观测的PC值基本为正，表明后向观测的反射率高于垂直点观测。因此，不同观测方向反射率的变化趋势为后向>垂直点>前向。与近红外波段相比，可见光区PC值更大，说明可见光区BDR效应比近红外区更强。
图3 4个站点不同VZAs的高光谱RGB图像和冠层反射率
图4 在四个垂直点上不同VZAs下不同波长反射率的pc
图5显示了来自ZZS_a图的不同VZAs的NDVI图像。越靠近热点，NDVI值越小。相反，离热点越远，NDVI值越大。热点图像的NDVI均值在7个VZAs中*小，同时VZA不同观测方向的后向NDVI均值要小于前向NDVI均值。图6显示了不同地块NDVI随不同VZAs的变化。ZZS_a图的NDVI*大值在F33°，*小值位于热点处。ZZS_b图的NDVI*大值在F33°，*小值位于热点处。LYS图的NDVI的*大值和*小值分别在暗点和热点。与LYS图相似，BH图NDVI的*小值在热点处，与LYS图不同，BH图NDVI的*大值不在暗点处（F35°），而是在F27°。与其他三个图一样，BH图前向观测的NDVI值大于后向观测的NDVI值。
从整体上看，从暗点到热点，NDVI值逐渐减小，无论是阔叶林还是针叶林，热点处反射率值都*小。热点处红色波段反射率大于近红外波段反射率。与热点相比，其他VZAs的NDVI值变化较小，说明热点对NDVI的影响较大。由此可以得出结论，后向观测VZAs对NDVI的影响较大，前向观测VZAs对NDVI的干扰较小。
图5 ZZS_a图中不同VZAs的NDVI图像
图6 不同样地NDVI随VZAs的变化规律
EVI作为NDVI的代理可以消除土壤背景和气溶胶的影响，增强植被信息。但EVI和NDVI在热点附近的变化趋势相反（图7），说明至少在热点方向上，EVI和NDVI可能包含不同的信息。在LYS图中，EVI从暗点到热点呈现先增大后减小再增大的趋势。与ZZS_a图和ZZS_b图一样，BH图前向观测的EVI值小于后向观测值。在图7中，前向观测的EVI值基本没有变化。与NDVI相反，无论阔叶林还是针叶林，热点区EVI值均*大。因此可以得出结论，后向观测VZAs对EVI的影响较大，而前向观测VZAs对EVI的影响较小。
PRI对叶黄素的变化非常敏感，可用于指示光合光利用速率或碳同化效率，为评估短时间内的LUE（light use efficiency）变化提供了直接方法。然而，PRI与LUE之间的关系不仅受植被冠层结构和植物生理特征的影响，还受观测几何（太阳-目标-传感器角）的影响。图8展示了不同样地PRI随VZAs的变化规律。可以看到，在不同观测方向上相同VZA下，后向PRI均值小于前向PRI均值。与ZZS_b图进行比较，ZZS_a图的PRI值在不同VZAs上有较大的波动趋势。ZZS_a和ZZS_b的PRI值高于LYS，并且BH的PRI值比ZZS_a、ZZS_b和LYS的值要低。因此，多角度数据可以通过PRI来表达森林冠层的差异。
图7 不同样地EVI随VZAs的变化规律
图8 不同样地PRI随VZAs的变化规律
综上所述，在本研究中，我们采用UAV高光谱成像系统的半自动多角度观测方法，获得了清晰的多角度高光谱图像，特别是热点视图。结果表明，冠层热点对森林反射率、NDVI和EVI有较大影响。冠层反射率和EVI值在热点处*大，NDVI值在热点处*小。此外，阔叶林和针叶林的热点效应相似。然而，虽然热点对PRI没有明显影响，但VZAs对PRI有很大影响。我们的发现对目前和未来利用多角度高光谱影像反演森林功能和结构参数具有重要意义。
作者信息
张乾，博士，南京工业大学测绘科学与技术学院研究员，硕士生导师。
主要研究方向：多角度观测与算法；叶绿素荧光及植被指数；植被生态遥感；生态系统碳循环。
参考文献：
Zhang, X., Qiu, F., Zhan, C., Zhang, Q., Li, Z., Wu, Y., Huang, Y., & Chen, X. (2020). Acquisitions and applications of forest canopy hyperspectral imageries at hotspot and multiview angle using unmanned aerial vehicle platform. Journal of Applied Remote Sensing, 14(2).
https://doi.org/10.1117/1.JRS.14.022212
