基于微縮模型的森林BRF測量

黃華國， 王詩瑞

(北京林業大學省部共建森林培育與保護教育部重點實驗室，北京 100083)

0 引言

雙向反射率分布函數(bidirectional reflectance distribution function，BRDF)是物體表面反射率隨入射角、反射角和波長變化的函數，描述了物體表面的空間反射分布特性和光譜特性，根據不同地物的雙向反射特性差異可以識別植被類型或植被結構特性[1-2]。植被BRDF模型具體實現了植被反射率與入射角和觀測角度的關系[3-5]，能夠幫助完成衛星數據的角度歸一化，也可以實現利用多角度觀測反演地表結構參數[6-7]。在自然條件下，測量BRDF比較困難，所以人們常用雙向反射率因子(bidirectional reflectance factor，BRF)來代替BRDF表述目標物的二向性反射特征[8-10]。由于野外環境的不確定性以及所使用測量工具的局限性，測量獲得的BRF數據也存在精確度和完整性不足的缺陷[11-12]。近年來衛星對地觀測技術發展較快，且應用較廣泛，但由于目前衛星數目仍偏少，測量的空間尺度偏大，所觀測結果也存在種種缺陷； 而利用航空測量時觀測角度太少[13-15]，限制因素較多，且費用昂貴。另外，對于室內測量的研究也相對較少，且方向單一[16]。

本文探索利用森林微縮模型開展森林BRF研究，試圖降低真實森林BRF的測量難度，提高測量精度，增加測量數據，為森林遙感建模、衛星反演和定量遙感教學提供支撐。

1 材料與方法

1.1 材料選取與模型制作

實驗材料有： 剪刀、聚氯乙烯(poly vinyl chloride，PVC)板、若干普通闊葉樹葉片、小樹枝、樹粉、沙盤林木模型等。

1.1.1 抽象林木模型

利用較大葉片修剪出半徑為1.2 cm，1.4 cm，1.6 cm和2.0 cm的圓葉，將其依次以1.2 cm，1.4 cm，1.6 cm，2.0 cm，2.0 cm，1.6 cm，1.4 cm和1.2 cm為半徑穿過細小樹枝形成水平層狀疊置的橢圓樹形模型，樹高8.0 cm，冠幅2.0 cm，葉面積指數(leaf area index,LAI)為2.5。

1.1.2 近真實林木模型

選擇沙盤林木模型作為逼近真實的林木模型，模擬自然界中橢圓樹形林木的真實形態。沙盤林木模型采用樹粉材料制作而成，其反射光譜在綠光波段有明顯的波峰，且近紅外波段光譜明顯高于可見光部分，具有植被波譜的基本特點[17]。研究選用的林木模型為闊葉樹，樹高8.0 cm，冠幅4.0 cm。由于樹木太小(高僅8.0 cm)，樹粉葉面積難以直接測量。從不同方向對林木進行拍照，獲得孔隙率，然后通過比爾消光定律進行估算，即

,

(1)

式中：P為某觀測方向的模型孔隙率；k為消光系數，假設葉片均勻分布，可取常數值0.5；θ為觀測天頂角； 對0°，45°和60°等多個觀測角度得到的LAI取平均，最終求得模型的LAI為2.4。微縮模型及微型觀測架等見圖1。

(a) 抽象林木模型(b) 近真實林木模型(c) 多角度觀測架

從不同角度得到的微縮模型反射率見圖2。

(a) 抽象微縮模型葉片反射率和透過率(b) 近真實林木模型反射率

為分析林木空間位置分布和地形對森林BRF的影響，設計了8個場景(圖3)。

(a) 稀疏分布的抽象模型(b) 密集分布的抽象模型(c) 高斯地形上稀疏分布(d) 高斯地形上密集分布的抽象模型的抽象模型

(e) 稀疏分布的近真實模型(f) 密集分布的近真實模型(g) 高斯地形上稀疏分布(h) 高斯地形上密集分布的近真實模型的近真實模型

8個場景的結構參數見表1。

表1 微縮森林結構參數

1.2 儀器與測量方法

使用荷蘭Avantis公司生產的AvaSpec-VIS-USB2光纖光譜測定儀測量光譜，該光譜儀波段為0.38～0.85 μm，光譜分辨率為0.289 μm。使用美國ASD公司生產的Pro Lamp燈近似代替室內太陽光源，其波譜范圍較寬(350～2 500 nm)，強度適中(14.5 V，50 W)。通過三腳架設定照射角度(天頂角分別為20°和40°)模擬太陽光入射角度的調節。為避免其他光線輻射影響，實驗在暗室中進行。如圖1(c)所示，設計了一個有導軌的多角度觀測架。該觀測架與中科院和北京師范大學聯合研制的觀測架以及其他室外觀測架[18]結構類似，更小巧簡單，包含基座(50 cm×50 cm)、圓形導軌(半徑20 cm)、觀測臂(可調節長度40～55 cm)。光纖置于觀測臂頂部，垂直向下固定。

將制作好的不同的林木模型按照一定的空間分布插在直徑為36 cm的圓形黑色PVC紙板上，并在其上覆蓋泥土(模擬土壤效果)，放入多角度觀測架的基座即可進行觀測。光纖探頭位于底座中心的正上方，距離底座50 cm。光纖探測器視場角為25°，所探測面積為386 cm2，占實際模型面積的37.9%(實際模型面積約為1 018 cm2)，這樣可以盡可能地排除探測視場周圍的部分不確定因素，保證觀測的準確性。光纖探測器均從后向(光源同側的方向)開始，逐步觀測到前向(面向光源)。后向取觀測角度為負，觀測天頂角變化范圍為-70°～70°，手動轉動觀測臂，觀測步長10°，共測量15個觀測角度。從光源主平面開始，依次順時針旋轉45°方位角，實現4個平面觀測，分別為： 主平面、加密平面1、垂直主平面和加密平面2。每個平面觀測前，都需要測量一下白板的反射輻射。

1.3 數據處理和分析方法

1.3.1 雙向反射率因子(BRF)計算

扣除暗電流后，將白板的反射輻射記為R0，某個角度的方向反射輻射記為R1，白板反射率為99%，則BRF為

BRF=0.99R1/R0。

(2)

1.3.2 分析波段選擇

以紅光和近紅外為主要波段進行分析。由于ASD Pro Lamp在近紅外波段的發射能量偏低，噪聲較強，偶有光源照射不穩定的現象存在，導致測量數據在近紅外波段范圍存在抖動。故在數據分析時，將近紅外波段800～850 nm數據進行了均值平滑處理，增強了測量結果的穩定性與可研究性。

1.3.3 BRF分析對比

設計獲取8組不同林分結構、4個不同平面、15個不同天頂角和3個不同波段、2個太陽入射角下的BRF。將每個平面的紅光、近紅外波段的觀測結果繪制成折線圖，分析天頂角的變化。使用Matlab軟件將所得到4組反射率光譜生成極坐標圖，顯示BRF在整個上半球空間的變化規律。分析以下情況的BRF差異： ①土壤和地形對BRF的影響； ②林分稀疏程度對BRF的影響； ③紅光和近紅外波段的BRF差異； ④不同太陽天頂角下的BRF差異。

2 測量結果與分析

2.1 背景土壤BRF

圖4顯示了土壤BRF測量結果。

(a) 平地(b) 高斯地形(坡度45°)

由圖4可以看出，土壤反射率存在明顯的“熱點效應”[19]，光源入射方向的BRF較高，后向BRF一般大于前向反射率，光源天頂角和坡地也對BRF有影響。以上測量結果表明，建模時應該考慮土壤的BRF，尤其是在稀疏冠層下土壤貢獻較大的時候。

2.2 稀疏與密集冠層BRF的對比

圖5為不同太陽天頂角和稀疏條件下測量得到的BRF。

(a) 20°入射角抽象模型(b) 40°入射角抽象模型

(c) 20°入射角近真實模型(d) 40°入射角近真實模型

由圖5(a)(b)可知，整體上，在紅波段，稀疏冠層的BRF高于密集冠層，而在近紅外波段正好相反。冠層的熱點位置分別位于20°和40°左右，和真實的直射入射光的角度一致[19]。這個結果符合通常的植被BRF分布規律。40°入射角時，密集冠層在近紅外波段的“碗邊效應”[20-22]較為明顯。圖5(c)(d)顯示了近真實林冠模型的BRF測量結果，角度效應(包括“熱點效應”)也較為明顯。和抽象樹冠的結果有明顯差異的是觀測到的近紅外BRF顯著偏低，“碗邊效應”不顯著。這是由于橢球樹冠采用塑料樹粉制作而成，其近紅外反射率和透過率不高，多次散射貢獻并不大，而相互遮蔭帶來的反射率降低則起到了主導作用。稀疏冠層中，土壤背景反射率較高，對總體的貢獻也大，因此無論在紅光還是近紅外波段都較高。雖然測量結果在近紅外波段和正常森林不一致，但是對于葉片受到嚴重傷害，而導致樹冠反射率下降的森林而言，其結果是有參考價值的。

2.3 太陽位置的影響

圖6顯示了密集分布的綠光波段的BRF極坐標圖，展示了不同太陽入射角導致的冠層整體BRF分布差異。

(a) 平地20°入射角(b) 平地40°入射角(c) 坡地40°入射角

從圖6可以看出，光源入射角不同所產生的熱點位置(紅色區域)不同，太陽天頂角40°時，BRF隨著方位變化更加明顯； 不同地形對BRF有影響，45°坡地顯著增強了BRF的角度差異，坡后向BRF整體大于平地，而前向BRF則小于平地。

2.4 平地和坡地BRF的對比

圖7顯示了地形在主平面上影響抽象冠層BRF的情況。

(a) 稀疏分布20°入射角(b) 稀疏分布40°入射角

(c) 密集分布20°入射角(d) 密集分布40°入射角

由圖7可知，冠層的熱點位置有10°的偏移，原因可能是測量天頂角控制偏差。總體而言，坡度的存在增強了后向BRF，而降低了前向BRF。

3 模型驗證

3.1 與真實結構模型的比較

計算機真實結構模型(radiosity-graphics combined model,RGM)以植被三維(3D)結構為基礎，利用輻射度方法準確求解植被冠層內部多次散射，獲得場景BRF，已經在植被定量遙感研究中得到了較為廣泛的研究和應用，模擬精度較為可信[23]。通過比較RGM模擬結果和測量結果，可檢驗微縮測量結果是否可以用于驗證BRF模型。圖8給出了稀疏抽象冠層和濃密近真實場景在平地條件下測量曲線和模擬結果的散點圖。

(a) 抽象模型(b) 近真實模型

由圖8可以看出，測量和模擬的結果基本一致，吻合較好(R2>0.6,RSME<3.5)，說明測量結果

可以用于后續驗證，具有參考價值。

誤差產生的原因主要是光源。首先，光源并非完全平行，隨著照射距離的增大，光線會發生小幅度發散，與模型的平行入射光假設略有不同； 其次，光源發射能量隨著距離增大而衰減，靠近光源的目標接受到的能量偏大，而遠離光源的目標則會偏小。而RGM僅能模擬穩定均勻的平行光條件下的BRF，2者之間會存在偏差。此外，光源溫度較高，測量中會不斷對葉片和土壤產生加熱作用，造成濕度降低，進而引起組分反射率變化。另一個原因來自于微縮林木模型。抽象模型由平行葉片組成，但是葉片本身存在一定的方向性，RGM中并未考慮。近真實模型的近紅外反射率達不到真實葉片的要求，且組分反射率僅僅靠估算獲得，也影響了模擬精度。

3.2 與實測數據的比較

由于野外實測的森林BRF數據非常缺乏，因此通過產生與野外森林完全符合的場景進行室內BRF觀測的驗證是非常困難的。本文選用加拿大北方森林的3組觀測數據(白楊、云杉和短葉松)[21]和室內測量進行直觀比較，結果見圖9。

由于野外測量和室內測量的結構參數和組分反射率并不完全相同，所以部分數值存在較大偏差，但是“熱點”位置和曲線形狀是基本一致的。密集近真實冠層在紅光波段的組分反射率和野外冠層較為接近，BRF吻合較好； 但是近紅外波段葉片反射率太低，導致整體BRF顯著偏低。密集抽象冠層2(160株)在2個波段基本類似，但是由于葉片為水平型葉片，株數密度略低，還是存在一定的差異。

4 結論與討論

目前，除了在熱紅外遙感領域采用不透明模型進行過溫度觀測[24]外，類似的研究還很少。本文使用了微縮模型模擬森林的林分，并用于研究觀測植被的雙向反射特性。得到如下結論：

1)本實驗表明，大部分數據接近理論預測，基本符合真實森林測量數據的“熱點”和形狀特征。

2)通過對測量進行對比分析發現,抽象樹木模型為稀疏分布時，在可見光波段反射率值大于密集分布，但在近紅外則相反。模型以45°坡度分布時，熱點效應更加明顯。

3)可找到一些敏感參數對植被雙向反射特性的影響，如地形因素，即坡度的影響以及林分密度，即不同郁閉度的影響。這些有效參數對于衛星對地觀測中的地物判別有較好的作用。

4)采用微縮模型方法進行森林BRF測量分析的思路是可行的，值得進一步挖掘和應用。其中，一個簡單、形象的應用就是用其進行課堂教學演示。

然而，微縮模型方法研究也存在一些問題，需要今后注意： ①要配備好的光源。光源輸出光線一定要是平行光，能量要強而穩定，以增強信噪比； 同時不能靠近目標太近，避免高溫加熱引起水分散失。②微縮模型材料最好選擇活體植物。離體葉片會很快干枯，反射率變化較大； 活體植物的反射率更接近實際，能保證測量精度，但通常體積較大，需要增大觀測架半徑至1～2 m，測量不便。③光譜儀探頭的視場角要盡可能小，以捕捉熱點效應。

參考文獻(References)：

[1] Román M O,Gatebe C K,Schaaf C B,et al.Variability in surface BRDF at different spatial scales(30 m～500 m)over a mixed agricultural landscape as retrieved from airborne and satellite spectral measurements[J].Remote Sensing of Environment,2011,115(9):2184-2203.

[2] 齊超,成思竹,趙忠義,等.植被雙向反射分布函數的模型及其發展[J].光學技術,2007,33(4):487-490,493.

Qi C,Cheng S Z,Zhao Z Y,et al.Models of vegetation bidirectional reflectance distribution function and development[J].Optical Technique,2007,33(4):487-490,493.

[3] Chen J M,Leblanc S G.A four-scale bidirectional reflectance model based on canopy architecture[J].IEEE Transactions on Geoscience and Remote Sensing,1997,35(5):1316-1337.

[4] Li X W,Strahler A,Woodcock C.A hybrid geometric optical-radiative transfer approach for modeling albedo and directional reflectance of discontinuous canopies[J].IEEE Transactions on Geoscience and Remote Sensing,1995,33(2):466

[5] Myneni R B,Asrar G A three-dimensional radiative transfer method for optical remote sensing of vegetated land surfaces[J].Remote Sensing of Environment,1992,41(2/3):105-121.

[6] Wang Z S,Schaaf C B,Lewis P,et al.Retrieval of canopy height suing moderate-resolution imaging spectroradiometer(MODIS) data[J].Remote Sensing of Environment, 2011,115(6):1595-1601.

[7] Milton E J,Schaepman M E,Adnerson K,et al.Progress in field spectroscopy[J].Remote Sensing of Environment,2009,113(s1):S92-S109.

[8] Sandmeier S,Müller C,Hosgood B,et al.Sensitivity analysis and quality assessment of laboratory BRDF data[J].Remote Sensing of Environment,1998,64(2):176-191.

[9] Sandmeier S R,Itten K I.A field goniometer system (FIGOS) for acquisition of hyperspectral BRDF data[J].IEEE Transactions on Geoscience and Remote Sensing,1999,37(2):978-986.

[10]Sandmeier S R.Acquisition of bidirectional reflectance factor data with field goniometers[J].Remote Sensing of Environment,2000,73(3):257-269.

[11]Roman M O,Schaaf C B,Woodcock C E,et al.The MODIS (Collection V005) BRDF/albedo product:Assessment of spatial representativeness over forested landscapes[J].Remote Sensing of Environment,2009,113(11):2476-2498.

[12]Brakke T W,Smith J A,Harnden J M.Bidirectional scattering of light from tree leaves[J].Remote Sensing of Environment,1989,29(2):175-183.

[13]Kuusk A,Kuusk J,Lang M.A dataset for the validation of reflection models[J].Remote Sensing of Environment,2009,113(5):889-892.

[14]Peltoniemi J I,Kaasalainen S,N?r?nen J,et al.BRDF measurement of understory vegetation in pine forests:Dwarf shrubs,lichen,and moss[J].Remote Sensing of Environment,2005,94(3):343-354.

[15]Kuusk A.A fast invertible canopy reflectance model[J].Remote Sensing of Environment,1995,51(3):342-350.

[16]Combes D,Bousquet L,Jacquemoud S,et al.A new spectrogoniophotometer to measure leaf spectral and directional optical properties[J].Remote Sensing of Environment,2007,109:107-117.

[17]Pisek J,Rautiainenb M,Heiskanenb J,et al.Retrieval of seasonal dynamics of forest understory reflectance in a northern European boreal forest from MODIS BRDF data[J].Remote Sensing of Environment,2012,117:464-468.

[18]李新,鄭小兵,尋麗娜,等.多角度測量系統實現室外BRDF測量[J].光電工程,2008,35(1):66-70.

Li X,Zheng X B,Xun L N,et al.Realization of field BRDF acquisition by multiangular measurement system[J].Opto-Electronic Engineering,2008,35(1):66-70.

[19]Qin W,Goel N S.An evaluation of hotspot models for vegetation canopies[J].Remote Sensing Reviews,1995,18:182-306.

[20]Gerard F F,North P R J.Analyzing the effect of structural variability and canopy gaps on forest BRDF using a geometric-optical model[J].Remote Sensing of Environment,1997,62(1):46-62.

[21]Gastellu-Etchegorry J P,Guillevic P,Zagolski F,et al.Modeling BRF and radiation regime of boreal and tropical forests:I.BRF[J].Remote Sensing of Environment,1999,68(3):281-316.

[22]Rautiainen M,Lang M,M?ttus M,et al.Multi-angular reflectance properties of a hemiboreal forest:An analysis using CHRIS PROBA data[J].Remote Sensing of Environment,2008,112(5):2627-2642.

[23]Qin W H,Gerstl S A W.3-D scene modeling of semidesert vegetation cover and its radiation regime[J].Remote Sensing of Environment,2000,74(1):145-162.

[24]蘇紅波,王錦地,李小文,等.三維非同溫表面熱輻射方向性模型的室內模擬實驗驗證[J].遙感學報,2000,4(s1):71-80.

Su H B,Wang J D,Li X W,et al.The indoor simulation and validation of thermal radiation directionality model for three dimensional surface with heterogeneous temperature[J].Journal of Remote Sensing,2000,4(s1):71-80.