農作物的葉綠素含量與植被的光合能力?生長發育及氮素含量有較好的相關性，是反映農作物長勢和營養狀況的重要生化參量，及時?準確地獲取農作物葉綠素含量，對作物長勢和病蟲害動態監測以及作物成熟期和產量預測有重要意義。具有“圖譜合一”特點的高光譜遙感技術對葉綠素含量的監測和反演極為有效，尤其是紅邊波段與葉綠素含量?生物量?營養狀況?物候變化等密切相關，已廣泛應用于農業生產的各個環節。值得注意的是，農作物冠層與大多數地物一樣，屬于非朗伯體，會表現出不同程度的各向異性特征，一般利用多角度遙感觀測以獲取作物冠層的多角度信息，提升作物生化參量的監測和反演精度。

結合多角度觀測優勢的高光譜多角度遙感在提高農作物生化參數獲取能力和精度方面極具優勢：

1、利用CHRIS/PROBA數據，顯著提升了植被冠層含水量的反演精度

2、觀測天頂角的變化與大豆冠層葉綠素含量的反演精度密切相關；

3、研究窄波段植被指數與觀測角度之間的關系，發現植被指數表現出明顯的各向異性；

4、利用CHRIS/PROBA數據研究了3個觀測角度下光譜反射率?紅邊指數等與濕地植被生物量的相關性，發現生物量對角度有較強的敏感性

5、利用地物光譜儀配合多角度觀測架，分析了冬小麥光譜的紅邊參數隨觀測角度變化的情況，提出應選取合理觀測角度下的紅邊參數來反演作物生化組分。

可見，紅邊波段的角度效應已受到農業遙感領域的高度關注。鑒于此，本文利用無人機搭載高光譜成像傳感器對玉米和大豆進行多角度觀測，采用半經驗核驅動模型構建兩種作物的二向反射分布函數（BRDF）模型，系統地分析了隨觀測角度變化，大豆和玉米紅邊波段光譜反射率及葉綠素相對含量（SPAD）的變化特點，以期為高精度的農作物冠層葉綠素含量反演提供依據。

1數據與方法

1.1數據獲取

實驗場（長60m，寬30m）位于北京大興區東部（116°34′33.10″E，39°39′2.56″N），屬暖溫帶半濕潤大陸季風氣候，夏季高溫多雨，冬季寒冷干燥，年平均降水量556mm，年平均氣溫11.6℃。在實驗場分別設有5個玉米?8個大豆實驗小區，如圖1所示。

圖1實驗場地作物種植及SPAD采樣點分布

實驗當天天氣晴朗無風，光照強度穩定，地表土壤相對干燥且平整；此時田間玉米和大豆正處于生長旺盛期，能夠代表典型生長狀況。實驗數據包括：1）地面同步測量數據。在實驗區內均勻選取68個樣點（玉米46個，大豆22個），在每個樣點隨機選取不同部位的10個葉片并測定其SPAD值，每個葉片不同部位測量5次，最后取10個葉片的平均值作為該樣點的SPAD值。無人機高光譜數據。高光譜影像采集時間為當天的12：00-12：20，太陽方位角169.07°，天頂角28.86°；可使用的萊森光學制造的iSpecHyper-VM系列多旋翼無人機載高光譜成像系統。

遙感平臺可采用大疆經緯M600/M300多旋翼無人機。為獲得較大的視場角，實驗中采用16mm鏡頭，對應視場角為22°，將高光譜成像相機安裝在云臺上，利用云臺的俯仰得到不同的觀測角度（圖2b）。采用的飛行方式如圖2a所示，在實線區域，傳感器垂直向下觀測，在4個虛線區域內，利用云臺將傳感器保持在30°并指向研究區的觀測狀態。實驗共獲得高光譜影像1119張（垂直179張，傾斜940張）。

圖２飛行方式及數據采集示意

1.2數據處理

1.2.1高光譜數據處理

使用多旋翼無人機載高光譜成像系統自帶的LiSpecView軟件對原始高光譜數據進行輻射校正，得到反射率影像。采用運動重建（SfM）技術，通過內定向實現像平面坐標與像素坐標的轉換；通過相對定向重建目標三維結構并得到相機外方位元素；利用機載POS數據和地面控制點完成絕對定向；最后利用點云內插方法得到數字表面模型（DSM），并采用數字微分反解法實現正射校正與鑲嵌，得到具有地理坐標的實驗區正射影像（DOM）。

1.2.2BRDF模型構建

BRDF模型的構建需經過空中三角測量?同名點影像查找和核函數計算等過程，進而得到不同觀測天頂角和方位角下的地物反射情況。空中三角測量和同名點影像查找在2.2.1節中實現，核函數計算采用基于AMBRALS算法的半經驗核驅動模型：二向性反射可以分解為各向同性反射?體散射和幾何光學反射三部分的權重之和，可表示為：

式中：R是二向反射率；θ是光線入射天頂角；α是觀測天頂角；σ是相對方位角；Kvol和Kgeo分別代表體散射核和幾何光學核，此處分別采用RossThick核和LiSpareR核；fiso?fvol和fgeo是權重系數，分別表示各向同性反射?體散射和幾何光學反射所占比例，可根據同名點所在的多張影像利用最小二乘法求得，詳細計算過程可參閱文獻。獲得BRDF模型后，即可求得任意觀測方向的反射率（圖2c）。

2結果與討論

2.1植被冠層光譜特征

圖3顯示了實驗區內22個大豆和46個玉米樣點的平均反射率光譜曲線。其中，DOM代表從正射影像直接獲取的反射率。顯而易見，對兩種作物而言，在可見光/近紅外譜段內（450~900nm），熱點方向（本實驗太陽高度角約30°，后向30°可代表熱點方向）的反射率均大于其他兩個方向，并且隨著波長的增加，這種差異隨之增大：在可見光波段（450~680nm），熱點效應帶來的影響主要出現在綠波段（550nm）附近，其他波段并不明顯；從700nm的紅邊波段開始，差異逐步增大，尤其在近紅外波段（750~900nm），熱點方向的反射率比BRDF_0高約10%。比如，玉米（大豆）在800nm處熱點方向反射率約為70%（43%），而其BRDF_0的值約為60%（36%）。

圖3大豆和玉米的光譜反射率

值得注意的是，經過BRDF校正的垂直觀測（BRDF_0）與采用影像拼接直接獲得的垂直觀測（DOM）有非常明顯的差異。從圖3可以看到，在可見光波段，兩種垂直觀測的曲線（BRDF_0和DOM）基本重合，但從紅邊開始直到近紅外波段（約730~900nm），BRDF_0與DOM的差異逐漸增大，且前者的值明顯高于后者。比如，玉米（大豆）在800nm處BRDF_0的值約為60%（36%），而其DOM的值約為55%（32%）。

2.2BRDF特征及其模型參數分析

圖4?圖5分別為大豆和玉米在702nm?750nm的BRDF極化圖（半徑代表觀測天頂角大小，距正半軸的角度代表方位角大小，五角星代表太陽所在位置）和主平面反射率剖面圖，可以發現，在波長較短的幾個波段（698~718nm），觀測角度的變化對反射率的影響并不明顯，總體呈現出從后向到前向反射率逐漸降低的規律。隨著波長的增加（722~750nm），兩種作物的BRDF極化圖和主平面均表現出完全不同的形態特征。

圖4大豆BRDF極化圖及主平面剖面

圖5玉米BRDF極化圖及主平面剖面

大豆（圖4）從722nm開始，表現出非常明顯的熱點現象，在-30°附近出現反射率的最大值，并向兩邊呈現逐步減弱的趨勢（鐘形），且隨著波長的增加，熱點效應逐漸增強；而玉米（圖5）則完全不同，其BRDF形狀屬于碗形，各波段反射率的最大值出現在后向最大觀測角度（-50°）處，在-30°處有明顯的拐點，各個波段的反射率最小值出現在前向觀測的25°~35°之間。同樣，其BRDF的碗形特征隨波長增加變得更加明顯。

圖6顯示了大豆和玉米BRDF模型參數隨波長變化的情況。fiso可認為是當太陽天頂角為0°時，垂直觀測的反射率，其值基本與圖3中的BRDF_0吻合。fgeo的值代表了BRDF的形狀特征，大于0時為鐘形，小于0時為碗形。從圖中可以發現，在698nm和702nm處，大豆和玉米的BRDF形狀差異不大，但隨著波長的增大，大豆的fgeo值逐漸變大，表現出越來越強的鐘形特征，而玉米的碗形特點則更加明顯，這與圖4和圖5表現出來的特點相一致。fvol的值代表散射類型，大于0表示后向散射占主導，反之則以前向散射為主。從圖中可以發現，在698nm和702nm處，大豆和玉米幾乎沒有差異，但隨著波長的增大，兩者表現出不同的特點：玉米的fvol值始終大于0，表明在各個紅邊波段，玉米都以后向散射為主；大豆從738nm開始，fvol的值由正轉負，表明在短波紅邊波段（698~734nm），大豆的后向散射占主導地位，在長波紅邊波段（738~750nm）則以前向為主。

圖6大豆和玉米BRDF模型參數

2.3不同角度反射率與SPAD值的相關性

圖7對比了正射影像DOM和BRDF_0與SPAD值之間的相關性。總體而言，在各個紅邊波段上，大豆和玉米的DOM與SPAD值的相關性有正有負，但相關系數的絕對值很小，最大值也僅為0.1左右；與DOM不同，BRDF_0與SPAD值均為負相關，其相關性遠超DOM，且玉米的相關性（接近-0.5）要高于大豆（-0.3左右）。

對大豆而言（圖7a），其DOM與SPAD值的相關性在波長較短的紅邊波段（698~706nm）為負相關，從710nm之后變為正相關，在726nm處相關系數最大，但也僅為0.1；而玉米（圖7b）的DOM與SPAD值的相關性在短波段要高于長波段，714nm處相關性最強（-0.15），且從738nm開始，其相關性由負轉正。與DOM不同，各個紅邊波段的BRDF_0與SPAD值均表現出較強的負相關性，大豆（圖7a）在短波長區域（698~710nm）的相關性較小（高于-0.3），在長波段（714~750nm）相關性相對較大，726nm處相關性最強（-0.37）；玉米依然表現出不同于大豆的規律（圖7b），即：在較短波段（698~722nm）的相關性較強（約-0.5），而從726nm到750nm，相關性隨著波長的增加大幅降低。可見，經過BRDF校正的正射結果（BRDF_0）極大提升了反射率與SPAD值的相關性，并且對于不同的作物而言，其相關性隨波段變化的規律存在較大差異。

圖7正射影像(DOM)與BRDF校正結果(BRDF_0)與SPAD值的相關系數

圖8顯示了各個紅邊波段反射率與SPAD值的相關系數隨觀測角度變化的情況（5°間隔），可以看出，在所有角度（-50°~50°），兩種作物各紅邊波段的反射率與SPAD值均為負相關，且后向觀測結果與前向觀測結果有較大差異。對大豆（圖8a）而言，除698nm?702nm?706nm和710nm這4個波段的最大相關性出現在-45°之外，其他所有紅邊波段的最大相關性均出現在-40°，這與文獻的研究結果基本一致。另外，各個紅邊波段表現出的方向特性并不完全一致，698~734nm表現出較為一致的規律，即：后向觀測的相關性大于垂直觀測和前向觀測；而從738nm開始，如750nm處，前向觀測的相關系數（-0.33）優于后向觀測（-0.24）。對玉米（圖8b）而言，相關性最強的波段同樣出現在714nm的后向觀測，從-35°至0°均表現出很強且大致相同的相關性（約-0.5）。與大豆不同，玉米后向觀測對相關性的提升并不明顯，僅在-35°附近有較為明顯的變化，最大相關性出現的角度并不一致：698~714nm出現在-30°，718~730nm出現在-35°，734~750nm出現在-40°。在各個紅邊波段上，從-30°至30°，相關系數的變化幅度相對較小，表明在該觀測范圍內，玉米SPAD值與反射率之間的相關性對角度變化并不敏感；另外，短波紅邊波段（698~722nm）的相關性明顯高于長波紅邊波段（726~750nm），即波長越長，相關性越差。

圖8大豆和玉米SPAD值與不同角度反射率的相關系數

3結 論

利用作物在不同光譜波段表現出的各向異性特點，采用特定觀測角度的遙感數據可以更有效?更準確地獲取作物的生化參量。本文利用多角度高光譜遙感對大豆和玉米紅邊波段的角度效應進行了研究，主要結論如下：

（1）兩種作物紅邊波段的BRDF特性完全不同：大豆呈現為鐘形，具有明顯的熱點效應，而玉米為碗形；波長越長，兩種作物BRDF的形狀特征越明顯。

（2）觀測角度對大豆的影響大于對玉米的影響：后向40°~45°的觀測可以顯著提高大豆觀測反射率與葉綠素含量之間的相關性；玉米對觀測角度的敏感性較弱，從后向30°至前向30°之間變化甚小。

（3）在主平面的所有觀測角度中，兩種作物紅邊波段的反射率與SPAD均為負相關，最大相關系數均為-0.5左右，且均出現在714nm。當觀測天頂角在-30°~30°之間時，大豆在726nm和730nm處的反射率與冠層SPAD的相關性更強，而玉米則出現在短波紅邊波段（698~722nm），且后向優于前向。

（4）經過BRDF建模獲得的垂直觀測影像（BRDF_0）與使用無人機航測方法得到的正射影像（DOM）有很大的差異：兩種正射影像的反射率在可見光波段幾乎相同，但從紅邊波段開始，BRDF_0的反射率逐步高于DOM，且波長越長，差異越明顯；對大豆和玉米而言，DOM與冠層SPAD值的相關性極弱，而經過BRDF建模后，其相關性得到顯著提高。因此，在利用光譜反射率反演冠層SPAD時，應盡可能采用多角度觀測數據構建BRDF模型，對反射率數據進行校正，從而提高反演精度。

由于只獲取了一期多角度高光譜和地面實測SPAD數據，未能深入分析物候變化對作物光譜角度效應的影響，也未能研究角度效應對其他生化參數的響應特性。后續將進一步對作物全生長期?多生化參數進行監測，揭示作物光譜變化角度效應的深層機理，為長期?大面積?高精度的作物長勢監測提供理論基礎和技術支撐。

審核編輯 黃昊宇