研制的高光谱激光雷达由超连续谱激光光源、 激光发射系统、 接收系统、 示波器、 扫描云台和控制中心组成, 能够采集409~914 nm的32波段光谱信号, 原型机系统和光路结构如图1(a)和图1(b)所示。 其超连续谱激光光源发射连续谱脉冲, 经过光纤和准直器后, 变成一束汇聚光束, 其发散角为5 mrad, 后经反射镜和透射镜射出到达植被叶片表面, 与植被相互作用后返回。 返回的植被叶片后向散射强度经折射式望远镜进入镜筒, 后经反射镜和光纤到达分光系统, 分光系统将其分离为独立的波段, 这样, 32个波段通过光电探测器被探测、 记录下来, 形成光谱。 该激光雷达云台转轴可以支撑镜筒上下左右扫描, 最终形成点云数据, 且每个扫描点包括光谱信息和距离信息两种。

图1

Fig.1

Figure Option ViewDownloadNew Window

图1 高光谱激光雷达原型机 (a): 原型机照片; (b): 光学结构 L0、 L1和L2分别为消色差透镜; M1为微透反射镜; M2和M4为反射镜; M3为漫反射镜; M5为准直镜; M6为会聚镜; G为光栅; PA为光电倍增管阵列; HG为灵敏度调节器; MAT为转换矩阵; APD1为雪崩二极管; OF1和OF2为光纤; MOF为微结构光纤Fig.1 Hyperspectral LiDAR prototype (a): Shoot of the prototype; (b): Optical structure L0, L1, and L2 represent the achromatic lens; M1 represents the microlens; M2 and M4 represent the reflectors; M3 represents the diffuse mirror; M5 represents the collimation mirror; M6 represents the converging mirror; G represents the grating; PA represents a photosensitive array; HG represents sensitivity regulator; MAT represents the switch matrix; APD1 represents an avalanche photodiode; OF1 and OF2 represent the optical fiber; MOF represents the microstructure optical fiber

传统多波段激光雷达通常选择独立多激光器进行组合来发射多个波段的激光, 这种组合系统通常面临发射时间难以同步、 难以获取高重复频率波形的问题, 各类激光器耦合在一起, 造价高, 稳定性和可靠性也受到一定影响。 本系统使用超连续谱激光光源NKT SuperK Compact作为光源, 它具有的优点有:

(1)频谱覆盖有紫外、 可见光、 红外区域, 带宽大, 光谱范围为450~2 400 nm;

(2)泵浦光稳定性和光滤波器独特性使得SuperK Compact比其他激光光源更稳定;

(3)重复频率20~30 kHz, 输出脉冲宽度1~2 ns;

(4)平均功率稳定性0.2 dB。

此外, 分光系统采用光栅分光系统, 相比滤波和干涉式分光系统, 结构更简单, 且拥有更宽的光谱测量范围和更高的光谱分辨率, 是目前应用最为广泛且综合性能较为突出的分光系统。 通过光栅分光, 最终获得目标物的32波段回波信号。

使用上述高光谱激光雷达系统采集植被叶片光谱并分析其复杂的方向反射特性, 包括回波强度和二向反射率因子特征。 为研究高光谱激光雷达植被方向反射特性对叶绿素含量估算的影响, 分别将不同入射角下得到的光谱指数与叶绿素含量进行回归分析。 选择了反演叶绿素时较常用的绿波叶绿素指数(green chlorophyll index, CI_green)、 归一化差值植被指数(normalized difference vegetation index [670, 800], NDVI_{670, 800})和简单比值指数(simple ratio [750, 550], SR_{750, 550}), 如表1所示。

表1

Table 1

表1(Table 1)

表1 研究中用到的光谱指数 Table 1 The spectral indices used in this study 光谱指数 计算公式 参考文献 CIgreen R780/R550-1 [15] NDVI670, 800 (R800-R670)/(R800+R670) [16] SR750, 550 R750/R550 [17]

表1 研究中用到的光谱指数 Table 1 The spectral indices used in this study

随后使用决定系数(determination coefficient, R²)和均方根误差(root mean square error, RMSE)作为回归误差的评价指标。

R2=1-∑i=1n(yi-y^i)2∑i=1n(yi-y̅)2(1)

RMSE=∑i=1n(y^i-yi)2n(2)

式(1)和式(2)中, y_i和 y^i分别代表叶绿素含量测量值和预测值, y̅为叶绿素含量测量平均值, n为叶片数量。

叶片表面结构的叶脉使叶片表面分布有很多“ 沟壑” , 叶片局部区域表面或凸起或凹陷, 此外, 叶片表面还有一层很薄的蜡质层, 二者对太阳辐射的反射具有近似镜面反射的性质。 高光谱脉冲激光光束和太阳光束的区别在于二者光的性质不同, 前者是高斯光, 光的能量大小随时间变化上呈高斯曲线状, 光斑落在目标物上后, 其光斑内部能量分布呈现由光斑正中间沿半径向外依次减小的高斯函数分布, 如图2所示。 每个光斑内部又可以看作多个子圆光斑的组合, 每个子圆光斑的能量也随时间变化呈高斯函数分布。 因此, 可以明确的是, 植被叶片的镜面反射本身是叶片结构与光子的相互作用, 对高光谱脉冲激光光源和太阳光源来说作用是一样的, 不同的是前者是一个光斑内部配合着能量高斯变化的镜面反射, 而后者可单独看做一个点大小内能量不变的镜面反射。 植被叶片内部生化组分也是影响叶片表面反射特性的又一因素, 对高光谱激光光束来说, 内部生化组分主要使叶片产生近似漫反射的后向散射特性。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 脉冲激光光束能量分布Fig.2 Energy distribution of a pulse laser

热点方向观测是高光谱激光雷达系统观测的重要特点, 由于发射和接收器均在同一方向, 因此在对植被进行探测时, 该系统始终处于热点观测状态, 高光谱激光雷达植被复杂方向反射特性就是指植被叶片法线方向和激光入射方向不同夹角(称为入射角)下光谱的各向异性。 利用高光谱激光雷达测定了植被叶片的方向反射特性, 实验表明523~816 nm波段内该系统测得的数据信噪比高^[7], 因此后续实验及分析均采用该波段内的实验数据。 绿萝是常见阔叶类植被叶片, 实验中以绿萝为研究对象, 大小为25.42 cm× 18.57 cm, 叶平展, 有利于实验观测。 实验测得了不同入射角下绿萝叶片及99%标准反射板的后向散射回波强度, 入射角设置为0° ~70° 。 为详细展示叶片的反射光谱特征, 步长设置为5° 。 实验原理如图3所示。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 实验原理图Fig.3 Schematic diagram of the experimental principle

为获得叶片二向反射率因子(bi-directional reflectance factor, BRF), 需要对其进行定标, 定标方法为相同入射角下叶片回波强度与标准反射板回波强度的比值

rλ(α)=Il, λ(α)Iw-p, λ(α)rw-p(3)

式(3)中, r_λ (α )为叶片在入射角α 和波长λ 的二向反射率因子, I_{l, λ} (α )为叶片在高光谱激光雷达下测得的回波强度, I_{w-p, λ} (α )为标准反射板的回波强度, r_w-p为标准反射板的反射率, 本研究中为0.99。

高光谱激光雷达测得的植被叶片后向散射回波强度如4所示, 由图4(a)可知, 在可见光523~653 nm范围内, 叶片变化趋势较为平缓, 回波强度较小, 在670 nm处回波强度开始增大, 在红边686~719 nm范围内开始出现陡然上升的狭长“ 地带” , 这说明植被叶片薄壁细胞组织对高斯脉冲光束仍然具有强反射作用, 细胞间隙的多重散射作用对高能量、 高斯光仍会造成高反射的现象。 在近红外波段内, 总体上, 植被叶片回波强度出现迅速下降的趋势, 但强度值仍高于可见光, 在768和784 nm处, 植被叶片回波强度比较接近。 同时, 从图4(a)可以看出, 从0° 入射角开始, 植被叶片回波强度会随激光方向与叶片法线方向间的入射角增大而逐渐降低, 70° 时各波长回波强度均达到最小。 图4(b)以入射角为横坐标, 更加清晰地展示了各波长随入射角的变化趋势, 可以看出, 0° ~10° 范围内叶片回波强度下降缓慢, 但在10° ~25° 范围内, 开始急剧下降, 在30° ~70° 时, 可见光波段内回波强度比较接近, 稳定到一定水平, 几乎不再下降, 但近红外波段回波强度依然下降, 且强度值均高于可见光, 这与图4(a)中可见光与近红外区域叶片回波强度展现出的变化趋势是一致的。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 高光谱激光雷达叶片回波强度Fig.4 Intensities of backscattered signals measured by hyperspectral LiDAR

为研究叶片二向反射率因子变化曲线, 同时测量了标准反射板的回波强度, 如图5所示。 与植被叶片不同的是, 白板对脉冲激光反射的回波强度总体上呈现先上升后下降的变化趋势, 由图5(b)可知, 10° ~25° 范围内并未出现急剧下降的情况, 这与植被变化趋势有所不同, 是由于标准反射板的漫反射特性造成的。 但总体上, 各波段对应标准反射板的回波强度值随入射角的增大而逐渐降低, 70° 时也达到最小。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 高光谱激光雷达标准反射板回波强度Fig.5 Intensities of reflectance standard measured by hyperspectral LiDAR

尽管植被叶片回波强度值随入射角的增大而逐渐减小(图4), 但这并不意味着植被二向反射率因子变化也呈现同样的变化趋势。 利用式(3)计算了植被叶片的二向反射率因子, 其随入射角的变化如图6所示。 从图6反射率因子随波长的变化趋势可以看出, 同一入射角下, 植被叶片的二向反射率因子在绿光波段到红光波段, 变化趋势较为平缓, 略微下降。 在绿光波段反射率因子值较大, 在红光波段达到最低, 这是叶片叶肉细胞内部色素含量吸收和反射作用的结果。 再之后开始缓慢上升, 并在红边波段反射率因子出现陡然上升的趋势, 在近红外波段达到最高。 从反射率因子随入射角变化趋势来看, 在可见光波段内, 0° 入射角的反射率因子最大, 但并不是随入射角增大一直呈下降趋势, 例如70° 入射角下二向反射率因子值就大于20° 时的值, 整个入射角范围内, 40° ~45° 范围反射率因子是最小的; 在近红外波段内, 上述变化趋势则明显不同, 60° 入射角的反射率因子最大, 45° 时反射率因子达到最小。 这种变化从二向反射率因子计算公式[式(3)]和回波强度随入射角变化(图4和图5)分析便可得知, 尽管植被叶片和标准反射板的回波强度是随入射角的增大逐渐降低的, 但是这种降低趋势通过比值计算之后便会发生变化。 为了对比分析, 同时给出了植被叶片各个方向回波强度与法线方向(0° 入射角)处标准反射板回波强度的比值变化曲线, 如图7所示, 可以看出, 这种定标方式下, 叶片各方向回波强度与0° 标准反射板的比值会随入射角的增大而逐渐降低, 但由于这种定标方式只是回波强度的一种归一化方式, 其结果并不是二向反射率因子, 在高光谱激光雷达植被光谱分析中没有实际意义, 因此在实际应用中也应当避免使用该种计算方式。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 高光谱激光雷植被叶片复杂方向反射特性: 随波长变化趋势Fig.6 Intricate reflection characteristics of leaf sample measured by hyperspectral LiDAR: the changing trend with wavelength

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 高光谱激光雷植被叶片各方向回波强度与0° 标准反射板的比值Fig.7 Ratio of leaf intensities at different incidence angles to the intensity of reflectance standard at the incidence angle of 0°

为了进一步展示植被叶片随入射角变化的趋势, 充分挖掘植被叶片在高光谱激光雷达下的复杂方向反射特性, 据图6分析结果, 以入射角为自变量绘制了二向反射率因子的变化曲线, 如图8所示。 图8(a)为可见光波段范围内变化情况, 图8(b)为近红外波段范围内变化情况, 可以看出, 两种情况下, 二向反射率因子变化趋势显然不相同, 反射率因子曲线形状也有明显差异。 由图8(a)可知, 二向反射率因子值在0° ~10° 时较大, 在10° ~30° 范围内迅速下降, 在45° 时达到最小, 之后开始缓慢上升, 60° 时有极大值, 但总体小于0° ~10° 时的值。 在近红外波段内, 如图8(b)所示, 二向反射率因子在0° ~10° 范围内有一个上升趋势, 10° ~45° 范围内缓慢下降, 之后开始在45° ~60° 时显著上升, 在10° 和60° 有两个极大值, 且60° 时二向反射率因子达到最大。 可见光和近红外波段在65° ~70° 时均有一个下降再上升的趋势。 总体来看, 高光谱激光雷达植被叶片二向反射率因子在可见光和近红外波段随入射角的形状变化特征是不同的, 高光谱激光雷达植被叶片的这种复杂反射特性, 实际上是由于不同波段的激光与植被叶片表面结构、 叶肉细胞内部色素和细胞间隙多重散射相互作用的结果。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 高光谱激光雷植被叶片复杂方向反射特性: 随入射角变化趋势Fig.8 Intricate reflection characteristics of leaf sample measured by hyperspectral LiDAR: the changing trend with incidence angle

为研究植被叶片方向反射特性对叶绿素含量估算的影响, 利用高光谱激光雷达分别测定青杨和山玉兰等常见树种的20片叶片方向反射光谱, 测定了每片叶片的叶绿素含量。 叶绿素含量测量是通过利用叶绿素a和叶绿素b吸收光谱的不同, 测定各特定峰值波长下的光密度, 再根据色素分子在该波长下的消光系数, 最终利用分光光度计在665和649 nm处进行比色, 记录OD值, 测得叶绿素含量。 为免实验环境和操作过程对叶绿素含量造成不必要的影响, 取叶片样品后立即在暗室中测量叶片的高光谱激光雷达回波强度, 之后立刻将该片叶片送去实验室化验其叶绿素含量。 测定高光谱回波强度和叶绿素含量后分别计算不同入射角下表1中的光谱指数, 将各个入射角下的光谱指数与叶绿素含量进行回归分析。 以CI_green指数为例, 图9展示了不同入射角下CI_green指数与叶绿素含量间的相关关系, 包括另外两种指数NDVI_{670, 800}和SR_{750, 550}在内所有指数的反演精度见表2。

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 不同入射角下CIgreen指数与叶绿素含量间的估算模型Fig.9 The estimation models between CIgreen at different incidence angles and leaf chlorophyll content

表2

Table 2

表2(Table 2)

表2 不同入射角下的植被指数反演叶绿素含量的精度 Table 2 The retrieval accuracies of different spectral indices at different incidence angles for chlorophyll content 光谱指数 指标 0° 10° 20° 30° 40° 50° 60° 70° R2 0.634 7 0.497 3 0.403 3 0.369 4 0.284 3 0.255 9 0.310 8 0.143 5 CIgreen RMSE 0.519 7 0.609 7 0.664 2 0.682 8 0.727 5 0.741 8 0.713 9 0.795 8 p 2.624 94× 10-5 5.146 73× 10-4 0.002 62 0.004 47 0.015 49 0.022 87 0.010 65 0.099 51 R2 0.468 2 0.412 8 0.393 6 0.332 9 0.395 0 0.432 0 0.344 9 0.345 7 NDVI670, 800 RMSE 0.627 1 0.658 9 0.669 6 0.702 3 0.668 9 0.648 1 0.696 0 0.695 6 p 8.767 7× 10-4 0.002 25 0.003 07 0.007 73 0.003 0.001 64 0.006 48 0.006 4 R2 0.627 0 0.480 7 0.389 5 0.359 8 0.243 0 0.167 2 0.246 9 0.131 8 SR750, 550 RMSE 0.525 2 0.619 7 0.671 9 0.688 0 0.748 2 0.784 7 0.746 2 0.801 2 p 3.180 7× 10-5 6.997 0× 10-4 0.003 3 0.005 18 0.027 2 0.073 44 0.025 81 0.115 67

表2 不同入射角下的植被指数反演叶绿素含量的精度 Table 2 The retrieval accuracies of different spectral indices at different incidence angles for chlorophyll content

由图9可以看出, 对于决定系数R², 变化范围为0.143 5~0.634 7, R²最大值是最小值的4.4倍, 且整体随入射角呈现先减小, 后增大, 再减小的趋势, 其中, 在0° 入射角时最大, 为0.634 7, 随着入射角增大, R²逐渐减小, 随后降低至50° 时的0.255 9, 随后在60° 入射角时R²有回升, 70° 时继续降至最小, 为0.143 5。 对于均方根误差RMSE, 0° 时反演误差最小, 为0.519 7 mg· g^-1, 随后逐渐增大至50° 时的0.741 8 mg· g^-1, 随后在60° 入射角时RMSE减小, 70° 时继续增大至0.795 8, RMSE的变化范围为0.519 7~0.795 8, 误差变化最大可达1.5倍, 不同入射角下回归方程p值均小于0.1。 值得注意的是, 从图9可以明显看出, 散点聚焦程度在随着入射角增大而发生变化, 由0° 时聚集先变得离散, 在50° 时离散程度最大, 随后在60° 入射角时, 离散程度减小, 又变集聚, 70° 时离散程度再次增大, 可以发现与其对应的是图中横坐标的变化, 即自变量光谱指数值在发生变化, 这是由于光谱指数是由不同波段的反射率因子进行数学运算得来的, 同一波段的反射率因子在不同入射角的值是不相同的, 由它们构建的植被指数大小必然不同, 而同一批叶片其叶绿素含量是固定的, 因此建模过程中, 不同入射角下的植被指数值的范围就会发生变化, 这样在叶绿素含量估算时散点的聚集程度和回归方程R²和RMSE便有所差异, 造成不同入射角下的估算误差。 由表2也可以看出, 对于NDVI_{670, 800}和SR_{750, 550}, R²和RMSE并不是随着入射角增大统一呈现同步增大或同步减小的趋势。 对于NDVI_{670, 800}, R²随入射角的变化趋势是先减小, 再增大, 再减小, RMSE则反之, R²的取值范围为0.332 9~0.468 2, 最大值为最小值的1.4倍, RMSE变化范围为0.627 1~0.702 3, 对于SR_{750, 550}, R²取值范围为0.131 8~0.627 0, 最大值是最小值的4.8倍, RMSE为0.525 2~0.801 2, 最大波动1.5倍。 对于决定系数R², 三者均在50° 左右时达到最小, 随后60° 时增大, 70° 时再次降低, RMSE反之。 需要指出的是, SR_{750, 550}在70° 时回归方程p值小于0.1, 但总体上看并不影响反演精度和误差的整体变化趋势。