无人机多角度遥感下的多尺度BRDF建模与尺度效应分析研究报告

作者及发表信息
本研究由天津师范大学地理与环境科学学院的谢俊钦、张虎、蒲景天、严子萌、蔡永振、崔磊及曹洪涛共同完成，发表于2025年的《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（第18卷）。研究得到国家自然科学基金（41971306）等项目的支持。

学术背景
双向反射分布函数（Bidirectional Reflectance Distribution Function, BRDF）是定量描述地表反射各向异性的核心模型，广泛应用于农业监测、生态系统评估等领域。传统BRDF模型（如核驱动模型）主要针对中低分辨率卫星数据设计，而无人机（Uncrewed Aerial Vehicle, UAV）的高分辨率遥感（5厘米地面采样距离）因地表异质性增强，导致现有模型精度下降。本研究旨在解决高分辨率下BRDF建模的尺度依赖性问题，优化模型在草地、裸土和小麦等典型地表类型的适用性，并为无人机遥感提供尺度感知的建模方法。

研究流程与方法
1. 数据采集与预处理
- 研究区域与对象：实验在天津进行，覆盖两种裸土（土壤A为机械翻耕低湿度，土壤B为新垦高湿度）、黄熟期小麦田及天然草地。
- 无人机系统：采用大疆Mavic 3 Multispectral（M3M）无人机，搭载多光谱相机（5厘米分辨率）和实时动态定位模块，通过环绕飞行获取多角度光谱数据（观测天顶角0°–60°，间隔15°）。
- 辐射校正：使用标准灰板校准反射率，并通过暗电流噪声扣除、渐晕校正（基于高均匀性光源）和辐射归一化（公式1）确保数据质量。

1. 多尺度数据生成

   • 原始5厘米分辨率数据通过双线性插值重采样为0.25米至8米共6种分辨率，以评估尺度效应。
     
   • 几何校正：利用Agisoft Metashape软件结合POS数据计算观测几何参数（天顶角、方位角）。
     

2. BRDF模型构建与优化

   • 模型选择：测试四种核驱动模型（RTNLS、RTNLD、RTKLS、RTKLD）和Rahman-Pinty-Verstraete（RPV）模型，以最小化均方根误差（RMSE）为优化目标。
     
   • 热点效应校正：提出改进的RTKLS_C模型，引入Chen和Cihlar的热点函数（公式4-5），通过参数c1和c2调整反射峰形态，显著提升热点方向拟合精度（图16-17）。
     

3. 太阳高度角影响分析

   • 对比10:30、14:30、16:30三个时段的BRDF响应，发现太阳天顶角增大（40°→65°）时，各向异性散射增强，体积散射占比上升（图11-14）。
     

主要结果
1. 尺度依赖性
- 草地和裸土在1米分辨率下模型拟合最佳（RMSE<0.03），而小麦因冠层结构复杂需4-8米分辨率以降低噪声（图9-10）。 - 热点效应随分辨率降低（>1米）减弱，因像素尺度超过冠层单次散射条件（表IV-V）。

1. 模型性能对比

   • RPV模型对草地拟合最优（RMSE：红波段<0.06，近红外<0.16），而RTKLS模型更适应小麦和裸土（图9）。
     
   • 改进的RTKLS_C模型将热点区域反射率模拟误差降低25%-40%（图18-19）。
     

2. 太阳几何影响

   • 高太阳天顶角（65°）下，各向同性反射减弱（fiso峰值-0.11），体积散射增强（fvol峰值+0.14），体现光照条件对BRDF分量的调控（图13-14）。
     

结论与价值
1. 科学意义
- 揭示了高分辨率BRDF模型的尺度依赖性规律，提出“最优分辨率”概念（草地/裸土：1米；小麦：4-8米），填补了无人机遥感在精细尺度建模的空白。
- 热点校正模型（RTKLS_C）为复杂地表反射各向异性研究提供了新工具。

1. 应用价值
   
   • 指导农业监测中分辨率选择：小麦宜用粗分辨率评估长势，草地需1米分辨率识别斑块。
     
   • 为卫星BRDF产品（如MODIS）的尺度误差修正提供理论依据。
     

研究亮点
1. 方法创新
- 首创无人机多角度BRDF观测的标准化流程，包括飞行路径设计（恒定100米高度环绕）和辐射校正链（公式1-2）。
- 开发基于UAV的半球点模型，克服传统区域平均法的尺度局限。

1. 发现创新
   
   • 首次定量分析热点参数（c1、c2）的波段差异（近红外c1最低，表IV），揭示光谱-结构相互作用机制。
     

其他价值
研究指出季节性植被结构变化对BRDF的影响尚未涵盖，建议未来扩展至果园、湿地等多类型地表及多时相观测，以增强模型普适性。