二向反射遥感反演最优角度采样方法研究

doi:10.11873/j.issn.1004-0323.2023.1.0066

遥感技术与应用

2023, Vol. 38

Issue (1): 66-77 DOI: 10.11873/j.issn.1004-0323.2023.1.0066

定量遥感专栏

二向反射遥感反演最优角度采样方法研究

张腾^1,²(

),游冬琴¹(

),闻建光^1,²,唐勇¹

^1.中国科学院空天信息创新研究院遥感科学国家重点实验室，北京 100083
^2.中国科学院大学资源与环境学院，北京 100049

The Optimal Angular Sampling for Bi-directional Reflectance Distribution Function Retrieval

Teng ZHANG^1,²(

),Dongqin YOU¹(

),Jianguang WEN^1,²,Yong TANG¹

^1.State Key Laboratory of Remote Sensing Science，Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100083，China
^2.College of Resources and Environment，University of Chinese Academy of Sciences，Beijing 100049，China

全文: PDF(6041 KB) HTML

摘要：

地物具有二向反射特性，可由二向反射分布函数（Bi-directional Reflectance Distribution Function， BRDF）刻画，它是光学定量遥感反演的基础。BRDF的反演依赖于多角度观测，由于卫星、航空和地基观测的角度有限，如何设计可行的稀疏角度采样，对实现BRDF的高质量反演至关重要。研究引入角度信息量，基于模型模拟和传感器观测的多角度数据，通过计算不同角度组合用于核驱动模型BRDF反演的角度信息量与反演误差，探究了角度信息量与反演误差之间的关系，确定了BRDF反演的最优观测平面和角度数目，进而得到不同太阳天顶角对应的优选角度组合。验证结果表明：优选出的角度组合在大多数地表上可实现高质量的BRDF反演。研究成果可为多角度观测实验、多角度卫星载荷设计以及地表二向反射反演提供重要参考。

关键词： BRDF; 核驱动模型; 遥感反演; 角度采样

Abstract:

The anisotropic land surface reflectance is characterized by Bi-directional Reflectance Distribution Function （BRDF）， which is the basis of quantitative optical remote sensing. The inversion of BRDF relies on multi-angular observations. Due to the limited observations from satellites， aerocrafts and goniometers， it is very critical to design a feasible sparse angular sampling to achieve high-quality BRDF inversion. In this study， based on RossThick-LiSparse Reciprocal （RTLSR） kernel-driven model， we designed the optimal angular sampling by using the PROSAIL model simulated reflectance and observations from POLDER and in situ by employing the angular information content to quantify the information which the observation geometry can contribute to the inversion. Firstly， the information content and BRDF inversion accuracy with different angle combinations are calculated. The relationship between them is then obtained， and the angular information threshold for high-precision inversion is -3.5. Secondly， the optimal observation plane and the least angles required in BRDF inversion were found out by analyzing the angular information content of combinations in each observation plane. It shows that the optimal plane is the principal plane， and the minimum number angles is 5 while the recommended number is 6 and 7. Thirdly， the optimal angle combinations under different solar zenith angles are found as relatively regularly distributed in the forward and backward scattering， and there should be two angles around the hot spot within ±10°. The validation finally proves that the optimal angle combinations are suitable for most land surface cover types except the snow/ice case and especially good for sparse vegetation， with RRMSE （Relative Root Mean Squared Error） of 0.14 in red band， and 0.046 in Nir band. The results of this study are useful for multi-angular satellite sensor design， multi-angular reflectance observation experiment and angular weights assigning in BRDF inversion.

Key words: BRDF Kernel-driven BRDF model Remote sensing inversion Angular sampling

收稿日期: 2022-02-18 出版日期: 2023-04-12

ZTFLH:

TP75

基金资助: 中国科学院战略性先导专项 A类项目(XDA15012102);国家自然科学基金项目(41971316);高分辨率对地观测系统重大专项(21?Y20B01?9001?19/22)

通讯作者: 游冬琴 E-mail: zhangteng192@mails.ucas.ac.cn;youdq@aircas.ac.cn

作者简介: 张腾（1997-），男，山东潍坊人，硕士研究生，主要从事BRDF反演研究。E?mail:zhangteng192@mails.ucas.ac.cn

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	张腾
	游冬琴
	闻建光
	唐勇

引用本文:

张腾,游冬琴,闻建光,唐勇. 二向反射遥感反演最优角度采样方法研究[J]. 遥感技术与应用, 2023, 38(1): 66-77.

Teng ZHANG,Dongqin YOU,Jianguang WEN,Yong TANG. The Optimal Angular Sampling for Bi-directional Reflectance Distribution Function Retrieval. Remote Sensing Technology and Application, 2023, 38(1): 66-77.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2023.1.0066 或 http://www.rsta.ac.cn/CN/Y2023/V38/I1/66

表1 PROSAIL模型输入参数

图1 PROSAIL模拟的红波段反射率（玉米场景，SZA = 0°）

图2 各类地表在太阳主平面上的反射率

图3 角度采样研究技术路线图

图4 未添加噪声的模拟数据对应的统计关系

图5 模拟数据与反演结果在主平面上的比较（SZA=20°，LAI=1的玉米场景）

图6 添加噪声的模拟数据对应的统计关系

图7 POLDER数据对应的统计关系

图8 观测平面上不同角度个数组合对应的平均信息量

图9 不同角度个数的组合对应的信息量

表2 角度个数为5的优选组合

表3 角度个数为6的优选组合

表4 角度个数为7的优选组合

图10 6角度最优角度采样（玉米场景，LAI=1）

图11 有无热点参与反演的结果比较（LAI=1，玉米冠层，SZA=30°，红波段）

图12 添加噪声和未添加噪声的模拟数据的反演误差

表5 不同地表类型对应的反演误差（RRMSE）均值

1	CHOPPING M， NORTH M， CHEN J Q， et al. Forest canopy cover and height from MISR in topographically complex southwestern US landscapes assessed with high quality reference data［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2012， 5（1）：44-58.
2	HE L， SONG X， FENG W，et al. Improved remote sensing of leaf nitrogen concentration in winter wheat using multi-angular hyperspectral data［J］.Remote Sensing of Environment，2016， 174：122-133.
3	HILKER T， HALL F G， TUCKER C J， et al. Data assimilation of photosynthetic light-use efficiency using multi-angular satellite data： II Model implementation and validation［J］. Remote Sensing of Environment， 2012， 121：287-300.
4	WU X D， WEN J G， XIAO Q， et al. Accuracy assessment on MODIS （V006）， GLASS and MuSyQ land-surface albedo products： A case study in the Heihe River Basin， China［J］. Remote Sensing， 2018， 10（12）：2045-2069.
5	WANG Z J， COBURN C A， REN X M， et al. Effect of surface roughness， wavelength， illumination， and viewing zenith angles on soil surface BRDF using an imaging BRDF approach［J］. International Journal of Remote Sensing， 2014， 35（19）： 6894-6913.
6	ZEGE E P， KATSEV I L， MALINKA A V， et al. Algorithm for retrieval of the effective snow grain size and pollution amount from satellite measurements［J］. Remote Sensing of Environment， 2011， 115（10）：2674-2685.
7	ROY D P， ZHANG H K， JU J， et al. A general method to normalize Landsat reflectance data to nadir BRDF adjusted reflectance［J］. Remote Sensing of Environment，2016，176：255-271.
8	NAGOL J R， SEXTON J， KIM D H， et al. Bidirectional effects in Landsat reflectance estimates： Is there a problem to solve［J］. ISPRS Journal of Photogrammetry and Remote Sensing，2015，103：129-135.
9	DANAHER T， WU X L， CAMPBELL N， et al. Bi-directional reflectance distribution function approaches to radiometric calibration of Landsat ETM plus imagery［C］∥ IGARSS 2001： Scanning the Present and Resolution the Future， 2001， 1-7：2654-2657.
10	STRAHLER A H， WANNER W， SCHAAF C B， et al. MODIS BRDF/albedo product：Algorithm theoretical basis document［EB/OL］. ， 2021.
11	LYAPUSTIN A， MARTONCHIK J， WANG Y J，et al. Multiangle Implementation of Atmospheric Correction（MAIAC）： 1. Radiative transfer basis and look-up tables［J］. Journal of Geophysical Research-Atmospheres，2011，116（D3）：1-9.
12	JIN Y F， GAO F， SCHAAF C B， et al. Improving MODIS surface BRDF/Albedo retrieval with MISR multiangle observations［J］. IEEE Transactions on Geoscience and Remote Sensing， 2002， 40（7）：1593-1604.
13	BARNSLEY M J， STRAHLER A H， MORRIS K P， et al. Sampling the surface Bidirectional Reflectance Distribution Function （BRDF）： 1. Evaluation of current and future satellite sensors［J］. Remote Sensing Reviews， 1994， 8（4）：271-311.
14	ZHANG H K， ROY D P， KOVALSKYY V. Optimal solar geometry definition for global long-term landsat time-series bidirectional reflectance normalization［J］. IEEE Transactions on Geoscience and Remote Sensing， 2016， 54（3）：1410-1418.
15	LUCHT W， LEWIS P. Theoretical noise sensitivity of BRDF and albedo retrieval from the EOS-MODIS and MISR sensors with respect to angular sampling［J］. International Journal of Remote Sensing， 2000， 21（1）：81-98.
16	SANDMEIER S， SANDMEIER W， ITTEN K I， et al. Acquisition of bidirectional reflectance data using the Swiss Field-Goniometer System （FIGOS）［C］∥ 15th EARSel Symposium on Progress in Environmental Research and Applications，1995：55-61.
17	SANDMEIER S. Acquisition of bidirectional reflectance factor data with field goniometers［J］. Remote Sensing of Environment， 2000， 73（3）：257-269.
18	JACQUEMOUD S， BARET F. PROSPECT - A model of leaf optical-properties spectra［J］. Remote Sensing of Environment， 1990， 34（2）：75-91.
19	SHARMA R C， KAJIWARA K， HONDA Y. Estimation of forest canopy structural parameters using Kernel-driven bi-directional reflectance model based multi-angular vegetation indices［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2013， 78：50-57.
20	WU S B， WEN J G， LIN X W， et al. Modeling discrete forest anisotropic reflectance over a sloped surface with an extended GOMS and SAIL model［J］. IEEE Transactions on Geoscience and Remote Sensing，2018，57（2）：944-957.
21	BREON F M， MAIGNAN F. A BRDF-BPDF database for the analysis of earth target reflectances［J］. Earth System Science Data， 2017， 9（1）：31-45.
22	ZHONG Shouyi， XIAO Qing， WEN Jianguang， et al. Design and realization of ground object background spectral library for surveying and mapping［J］. Journal of Remote Sensing， 2020， 24（6）：701-716.
22	钟守熠，肖青，闻建光，等. 测绘地物波谱本底数据库［J］.遥感学报， 2020， 24（6）：701-716.
23	ROUJEAN J L， LEROY M， DESCHAMPS P Y. A bidirectional reflectance model of the Earth's surface for the correction of remote sensing data［J］. Journal of Geophysical Research Atmospheres， 1992， 97（D18）：20455-20468.
24	SHANNON C E. A mathematical theory of communication［J］. Bell System Technical Journal， 1948， 27（3）：3-55.
25	Price JOHN C. Comparison of the information content of data from the Landsat-4 thematic mapper and the multispectral scanner［J］. IEEE Transactions on Geoscience and Remote Sensing， 1984， 22（3）：272-281.
26	YOU Dongqin. Retrieval of land surface BRDF/Albedo by combining multi-sensory remote sensing data［D］. Beijing： Chinese Academy of Sciences， 2015.
26	游冬琴. 多源遥感数据联合反演地表BRDF/Albedo模型研究［D］. 北京：中国科学院大学， 2015.
27	DING Anxin， JIAO Ziti， DONG Yadong， et al. Performance assessment of the operational MODIS BRDF model for snow/ice cover type［J］. Journal of Remote Sensing， 2019， 23（6）：1147-1158.
27	丁安心，焦子锑，董亚冬，等. 业务化MODIS BRDF模型对冰雪BRDF/反照率的反演能力评估［J］.遥感学报， 2019， 23（6）：1147-1158.
28	SANDMEIER S， MULLER C， HOSGOOD B， et al. Sensitivity analysis and quality assessment of laboratory BRDF data［J］. Remote Sensing of Environment， 1998， 64（2）：176-191.

[1]	凌菊,李爱农,靳华安. 基于DART模型和随机森林估算山地叶面积指数[J]. 遥感技术与应用, 2023, 38(1): 39-50.
[2]	赵方睿,王强,温志丹,刘晓静,尚盈辛,陶慧,杜云霞,宋开山. 内陆水体悬浮物波段比值优化模型及藻类丰度对模型精度影响研究[J]. 遥感技术与应用, 2022, 37(4): 993-1002.
[3]	熊育久,冯房观,方奕舟,邱国玉,赵少华,姚云军. 蒸散发遥感反演产品应用关键问题浅议[J]. 遥感技术与应用, 2021, 36(1): 121-131.
[4]	郭利彪,刘桂香,运向军,张勇,孙世贤. 基于数据机理的植被叶面积指数遥感反演研究[J]. 遥感技术与应用, 2020, 35(5): 1047-1056.
[5]	边玲玲,王卷乐,郭兵,程凯,魏海硕. 基于特征空间的黄河三角洲垦利县土壤盐分遥感提取[J]. 遥感技术与应用, 2020, 35(1): 211-218.
[6]	徐卫星,薛华柱,靳华安,李爱农. 融合遥感先验信息的叶面积指数反演[J]. 遥感技术与应用, 2019, 34(6): 1235-1244.
[7]	丁海宁. 黄土高原土壤铁元素含量遥感反演方法 [J]. 遥感技术与应用, 2019, 34(2): 275-283.
[8]	赵云，谢东海，邓磊，闫亚男，李博旭. 利用多角度影像计算BRDF的方法与系统实现[J]. 遥感技术与应用, 2018, 33(4): 741-749.
[9]	钟函笑，边金虎，李爱农. Landsat-8 OLI与Sentinel-2 MSI山区遥感影像辐射一致性研究[J]. 遥感技术与应用, 2018, 33(3): 428-438.
[10]	丁安心，焦子锑. 基于线性核驱动模型的BRDF模型集成与案例分析[J]. 遥感技术与应用, 2018, 33(3): 545-554.
[11]	汤玉明，邓孺孺，刘永明，熊龙海. 大气气溶胶遥感反演研究综述[J]. 遥感技术与应用, 2018, 33(1): 25-34.
[12]	吴仪，邓孺孺，秦雁，梁业恒，熊龙海. 新丰江水库叶绿素浓度时空分布特征的遥感反演研究[J]. 遥感技术与应用, 2017, 32(5): 825-834.
[13]	赵永光,李传荣,马灵玲,唐伶俐,王宁. 一种遥感图像太阳—观测几何归一化方法[J]. 遥感技术与应用, 2016, 31(2): 260-266.
[14]	陈瑜丽,沈芳. 长江口及邻近海域悬浮颗粒物对叶绿素a遥感反演算法的影响分析[J]. 遥感技术与应用, 2016, 31(1): 126-133.
[15]	李文娟,赵传燕,别强,高婵婵,高云飞. 基于机载激光雷达数据的森林结构参数反演[J]. 遥感技术与应用, 2015, 30(5): 917-924.

Viewed

Full text

Abstract

Cited

Shared

Discussed