机载高光谱相机多角度观测林冠SIF：红光与近红外波段角度校正方法解析

福建师范大学与多伦多大学团队最新 ISPRS JPRS 研究成果

同一棵树，只是换了一个观测角度，SIF就可能明显不同。对于森林冠层来说，这种差异究竟来自真实的光合变化，还是来自光照、阴影和冠层结构？

近日，福建师范大学程志强等与多伦多大学陈镜明教授团队在国际遥感期刊《ISPRS Journal of Photogrammetry and Remote Sensing》发表研究成果。团队利用双利合谱GaiaSky-SP-SIF无人机载日光诱导叶绿素荧光系统，在亚热带森林获取树冠不同位置、不同观测角度下的红光和近红外SIF数据，并结合SCOPE模型与冠层结构信息，分析观测角度对两类SIF的影响。

研究发现，常用的反射率校正方法在近红外波段表现稳定，却难以直接用于红光波段。据此，团队提出红光采用物理模型、近红外采用反射率方法的组合策略，使两类SIF都能获得更可靠的角度归一化结果。

四个关键结果

1. 无人机SIF观测能够跟踪日变化，冠顶和冠底验证结果分别达到R²=0.97和R²=0.88。

2. 反射率方法在5°至95°相位角范围内对近红外SIF保持稳定，而红光SIF的估算变化超过4倍。

3. 引入冠层结构和红光再吸收后，物理模型将红光总SIF的角度变化控制在40%以内。

4. 角度校正后，SIF与树高增量的相关性提高，红光波段R²由0.24提升至0.56。

01 观测角度为什么会改变SIF

日光诱导叶绿素荧光（SIF）来自植物吸收太阳辐射后的微弱能量释放，与光合作用密切相关。遥感传感器接收到的并不是叶片发出的全部SIF，而是沿特定方向逃逸出冠层的部分信号。

当无人机改变观测方向时，视场内的阳叶比例、阴叶比例、土壤背景和光程都会变化。同一棵树在不同角度下得到的SIF因此可能不同。若不校正这类方向性差异，就容易把结构和观测几何造成的变化误判为光合状态变化。

这一问题在红光和近红外两个波段并不相同。近红外SIF与同波段反射率的角度变化较一致；红光SIF还受到土壤背景和再吸收影响，简单套用同一种校正方法容易产生偏差。

02 多角度无人机系统如何采集数据

研究在福建顺昌白沙林场开展。无人机围绕目标树冠改变位置和云台角度，分别观测冠顶、冠中和冠底区域，从而覆盖不同的太阳—目标—传感器几何关系。系统同步获取SIF高光谱、反射率光谱和RGB图像，另配合无人机LiDAR描述树冠结构。

图1  研究区位置及试验样地分布

图2  不同冠层位置的RGB图像、光谱数据与图像分类结果

图3  树冠尺度多角度SIF观测与无人机LiDAR数据

03 多角度数据先通过独立观测验证

每个观测角度至少重复测量3次。研究共获得545次SIF记录，经过位置偏移和异常波动控制后保留493次，用于后续分析。研究人员还利用LI-6800便携式光合系统获得叶片尺度荧光数据，对无人机观测进行验证。

结果显示，无人机系统能够捕捉SIF的日变化趋势。归一化后，冠顶观测与叶片尺度结果的决定系数为0.97，冠底为0.88。这为后续讨论角度效应提供了可靠的数据基础。

图4  无人机SIF观测与叶片尺度荧光结果对比

04 近红外方法不能直接搬到红光波段

研究首先比较了SIF与同波段反射率随相位角的变化。近红外760 nm波段中，两条曲线的下降趋势较为一致；红光687 nm波段中，SIF下降明显更快，反射率却没有同步变化。

图5  不同相位角下红光和近红外SIF及反射率变化

当研究人员用反射率方法计算总SIF时，近红外结果在较宽角度范围内保持稳定；红光结果则随相位角持续下降。在冠顶试验中，红光总SIF在6.2°至97.2°之间出现约5倍差异。论文进一步用SCOPE模拟确认：红光SIF与反射率的关系更容易受到叶倾角、土壤背景和再吸收影响。

图6  反射率方法计算的近红外与红光总SIF随角度变化

图7  多角度无人机SIF观测与SCOPE模型模拟结果

图8  不同太阳天顶角下双波段SIF与反射率的角度分布

05 红光与近红外采用不同校正路径

针对两个波段的差异，研究团队构建了包含冠层结构信息的物理校正流程。该方法利用LiDAR点云估计可见阳叶与阴叶比例，并结合SCOPE模型处理红光再吸收和近红外多次散射，最后计算两个波段的总SIF。

图9  红光与近红外SIF角度归一化技术流程

物理模型明显改善了红光波段的稳定性。论文摘要给出的结果显示，红光总SIF经物理方法校正后的变化小于40%，优于反射率方法超过4倍的变化。对不同树种和不同冠层位置的试验也表明，该方法在红光波段具有更一致的表现。

图10  考虑红光再吸收前后的总SIF估算结果

图11  物理模型在不同树种和冠层位置上的双波段结果

综合精度和计算效率，论文建议采用红光波段使用CSI物理模型、近红外波段使用反射率方法的组合策略。研究并非用更复杂的方法替代全部流程，而是根据波段特性选择合适的校正路径。

06 角度校正提高了SIF与树木生长的相关性

研究进一步选择8个木荷样地，以无人机LiDAR得到的树高增量作为地上生物量积累的指标，比较角度校正前后SIF与树木生长的关系。

近红外波段的R²由0.55提高到0.70，红光波段由0.24提高到0.56。红光波段的提升更明显，说明在讨论森林光合和生长时，角度归一化能够减少观测几何带来的干扰。

图12  角度校正前后SIF与树高增量的关系

07 研究边界与后续方向

本研究目前在树冠尺度和有限树种上验证了方法，扩大到更复杂环境和更大空间尺度仍需进一步试验。研究区缺少通量塔GPP数据，因此论文使用树高增量作为生长指标；这项分析说明了角度校正的潜力，但不能替代SIF与GPP关系的直接验证。

论文提出，后续可通过扩大传感器视场和提高飞行高度，将观测范围由约0.4 m×0.4 m的树冠局部扩展至10 m×10 m的冠层尺度，并继续完*红光再吸收的物理描述。

论文信息

Cheng, Z., Chen, J. M., Lai, C., Zeng, H., Miao, G., & Huang, Z. Angular normalization of solar-induced chlorophyll fluorescence on tree crown scale for red and near-infrared bands based on multi-angle UAV observations. ISPRS Journal of Photogrammetry and Remote Sensing, 235 (2026), 383-398.