應用關鍵詞
多角度、高光譜、無人機、植被指數
背景
森林的各種結構和功能參數與陸地生態系統的物質和能量循環過程密切相關。因此，森林理化參數的定量反演對于監測森林生長、研究全球物質和能量循環過程具有重要意義。高光譜圖像的每一個像素包含了地物空間屬性的幾何信息和數百個連續波段的詳細光譜信息，這些信息使得理化性狀的高精度監測成為可能。近年來，各種無人機（Unmanned aerial vehicle, UAV）的發展，為高光譜數據采集提供了一個低成本平臺。
不同角度獲得的森林冠層光譜比單角度數據能提供更多的結構特征信息。當觀測方向和光照方向與森林冠層重合時，冠層熱點出現，雙向反射曲線上出現一個峰值。當觀測方向與太陽方向一致時，沒有任何遮擋效應時，觀測到的亮度值達到*大。冠層熱點的強度和性質隨表面紋理和冠層結構的變化而變化，這為發現冠層結構的重要信息提供了可能。
熱點可以從主平面的后向散射方向觀測到，其中冠層反射率隨視角變化較大。一些基于衛星的傳感器已被設計用于實現多角度觀測。然而，在太陽主平面上獲取光譜具有挑戰性，且空間分辨率較粗。與衛星平臺相比，機載平臺可以采集太陽主平面內空間分辨率更高的多角度光譜數據。此外，還可以使用測角儀進行多角度觀測，以準確控制觀測角度。然而，這些系統**于在低高度的植被冠層中使用。
基于UAV的多角度高光譜系統具有合適的地面采樣距離和較高的空間分辨率，這使得基于UAV的方法在森林冠層水平上研究森林雙向特征具有重要價值。因此，本研究的目標是（1）開發一種基于UAV平臺的多角度高光譜觀測方法；（2）進一步探討不同觀測天頂角（View zenith angles, VZAs）對森林冠層反射率、NDVI、EVI和PRI的影響。
試驗設計
南京大學張乾副研究員團隊使用的高光譜成像系統為安裝在六懸翼無人機（M600 Pro, 大疆）上的Gaiasky-mini2-VN（江蘇雙利合譜）。Gaiasky-mini2-VN系統由四部分組成，包括用于獲取高光譜圖像的光譜儀（V10E, Specim），用于拍攝圖像的相機（Lt365R, Lumenera），鏡頭（HSIA-OLE18, Specim）和步進電機（ZOLIX SC300, 北京卓立漢光儀器有限公司）。光譜儀詳細情況如表1所示。飛行試驗在中國河北省塞罕壩進行，其優勢樹種為樟子松、白樺和落葉松。**次飛行于上午在樟子松（ZZS_a）地塊進行。**次飛行于上午在另一個樟子松（ZZS_b）地塊進行。第三次飛行于上午在落葉松（LYS）地塊進行的。第四次飛行于上午在白樺（BH）地塊進行。
表1 光譜儀詳細情況
具體多角度操作流程如表2和圖1所示：
（1） UAV起飛后，在空中H處懸停，并在地面鋪上一塊灰色布。在垂直點拍攝灰布影像。
（2） UAV被調整至相同的高度H，通過調整VZA來尋找熱點，直到熱點位于圖像的中心。然后得到一個圖像，即熱點圖像。這個位置（圖1中的A）被設定為本次飛行的起點。
（3） UAV水平旋轉180度，保持VZA不變。然后，UAV從起點移動一定距離，并在找到暗點時停止。然后拍攝另一張圖像，即暗點圖像。這個位置（圖2中的B）被設定為這條飛行路線的終點。
（4） 起點和終點之間的距離被分為7段。UAV每次從終點到起點水平移動一定距離。到達C時調整VZA，并拍攝一張圖像。
（5） 重復步驟4，得到其他五個角度的圖像。
表2 多角度觀測飛行規范。BW、FW和ND分別表示后向、前向和垂直點觀測值。
圖1 無人機多角度觀測原理圖。點A和點B分別是一個飛行路徑的起點和終點。A（熱點, 紅線）、H、G、F為后向觀測位置。B（暗點, 綠線）、C、D為前向觀測位置。E為垂直點觀測位置（藍線）。
對UAV平臺收集的數據進行預處理，包括大氣校正、輻射校準和幾何校正。然后計算光譜指數，包括NDVI，EVI和PRI，計算公式如下所示。
結論
在VZA相同的情況下，從后向視角拍攝的照片比從前向視角拍攝的照片更亮。例如，圖2a中VZA為40度（B40°）的后向照片比VZA為40度（F40°）的前向照片更亮。此外，在ZZS_a、ZZS_b、LYS、BH圖中，所有后向照片都比前向照片更亮，并且存在熱點照片比同一圖中的其他照片看起來更均勻的現象。ZZS_a、ZZS_b、LYS、BH圖的垂直點照片與前向照片差異不大。
圖2 由Gaiasky-mini2-VN系統內置相機拍攝的照片。A、B、C、D分別為ZZS_a、ZZS_b、LYS、BH圖。VZA前面的字母“B”表示后向觀測，“F”表示前向觀測。
圖3為不同地塊的高光譜RGB圖像及不同VZAs對應的反射率曲線。冠層越均勻，熱點越亮。ZZS_a圖和ZZS_b圖的熱點形狀比LYS圖和BH圖的熱點形狀更接近圓形，這是由于冠層間和冠層內間隙大小分布有差異。與其他3個樣地的熱點面積相比，BH樣地的熱點面積較小，這是因為BH樣地的冠層較稀疏，增加了觀測到的反射率低于森林冠層的概率。由于傳感器在熱點處可以接收到更多的光照樹葉輻射，因此熱點處的反射率比任何方向的反射率都高，而越靠近暗點反射率越低，且反射率的值隨VZAs的變化而變化。而在近紅外波段，4個樣地的垂直點反射率值在0.3左右，介于暗點和熱點之間，說明多角度反射率比單角度反射率能提供更多的信息。
圖4可以看出4個站點前向觀測的PC（percentage changes）值幾乎為負，說明前向觀測的反射率低于垂直觀測。4個站點后向觀測的PC值基本為正，表明后向觀測的反射率高于垂直點觀測。因此，不同觀測方向反射率的變化趨勢為后向>垂直點>前向。與近紅外波段相比，可見光區PC值更大，說明可見光區BDR效應比近紅外區更強。
圖3 4個站點不同VZAs的高光譜RGB圖像和冠層反射率
圖4 在四個垂直點上不同VZAs下不同波長反射率的pc
圖5顯示了來自ZZS_a圖的不同VZAs的NDVI圖像。越靠近熱點，NDVI值越小。相反，離熱點越遠，NDVI值越大。熱點圖像的NDVI均值在7個VZAs中*小，同時VZA不同觀測方向的后向NDVI均值要小于前向NDVI均值。圖6顯示了不同地塊NDVI隨不同VZAs的變化。ZZS_a圖的NDVI*大值在F33°，*小值位于熱點處。ZZS_b圖的NDVI*大值在F33°，*小值位于熱點處。LYS圖的NDVI的*大值和*小值分別在暗點和熱點。與LYS圖相似，BH圖NDVI的*小值在熱點處，與LYS圖不同，BH圖NDVI的*大值不在暗點處（F35°），而是在F27°。與其他三個圖一樣，BH圖前向觀測的NDVI值大于后向觀測的NDVI值。
從整體上看，從暗點到熱點，NDVI值逐漸減小，無論是闊葉林還是針葉林，熱點處反射率值都*小。熱點處紅色波段反射率大于近紅外波段反射率。與熱點相比，其他VZAs的NDVI值變化較小，說明熱點對NDVI的影響較大。由此可以得出結論，后向觀測VZAs對NDVI的影響較大，前向觀測VZAs對NDVI的干擾較小。
圖5 ZZS_a圖中不同VZAs的NDVI圖像
圖6 不同樣地NDVI隨VZAs的變化規律
EVI作為NDVI的代理可以消除土壤背景和氣溶膠的影響，增強植被信息。但EVI和NDVI在熱點附近的變化趨勢相反（圖7），說明至少在熱點方向上，EVI和NDVI可能包含不同的信息。在LYS圖中，EVI從暗點到熱點呈現先增大后減小再增大的趨勢。與ZZS_a圖和ZZS_b圖一樣，BH圖前向觀測的EVI值小于后向觀測值。在圖7中，前向觀測的EVI值基本沒有變化。與NDVI相反，無論闊葉林還是針葉林，熱點區EVI值均*大。因此可以得出結論，后向觀測VZAs對EVI的影響較大，而前向觀測VZAs對EVI的影響較小。
PRI對葉黃素的變化非常敏感，可用于指示光合光利用速率或碳同化效率，為評估短時間內的LUE（light use efficiency）變化提供了直接方法。然而，PRI與LUE之間的關系不僅受植被冠層結構和植物生理特征的影響，還受觀測幾何（太陽-目標-傳感器角）的影響。圖8展示了不同樣地PRI隨VZAs的變化規律。可以看到，在不同觀測方向上相同VZA下，后向PRI均值小于前向PRI均值。與ZZS_b圖進行比較，ZZS_a圖的PRI值在不同VZAs上有較大的波動趨勢。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，多角度數據可以通過PRI來表達森林冠層的差異。
圖7 不同樣地EVI隨VZAs的變化規律
圖8 不同樣地PRI隨VZAs的變化規律
綜上所述，在本研究中，我們采用UAV高光譜成像系統的半自動多角度觀測方法，獲得了清晰的多角度高光譜圖像，特別是熱點視圖。結果表明，冠層熱點對森林反射率、NDVI和EVI有較大影響。冠層反射率和EVI值在熱點處*大，NDVI值在熱點處*小。此外，闊葉林和針葉林的熱點效應相似。然而，雖然熱點對PRI沒有明顯影響，但VZAs對PRI有很大影響。我們的發現對目前和未來利用多角度高光譜影像反演森林功能和結構參數具有重要意義。
作者信息
張乾，博士，南京工業大學測繪科學與技術學院研究員，碩士生導師。
主要研究方向：多角度觀測與算法；葉綠素熒光及植被指數；植被生態遙感；生態系統碳循環。
參考文獻：
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
