2019年澳大利亚大规模火灾的特征分析：基于遥感技术的视角

《International Journal of Remote Sensing》：Characterization of the Australia’s 2019 megafires: a remote-sensing perspective

该研究提出一种配备双光谱仪的野外无人机系统（FUAS），通过无人机多角度反射光谱测量与地面太阳散射仪协同观测，结合数据筛选、几何校正、光谱校正等处理，利用贝叶斯反演建立Ross-Thick-LiSparse Reciprocal（RTLSR）模型，成功获取古尔德场域BRDF参数（RMSE<5%，不确定度<1%），并与MODIS产品对比显示偏差约5%，验证了FUAS在精准野外标定和环境监测中的潜力。

　　

摘要

本文介绍了一种配备双光谱仪的野外无人机系统（FUAS），用于测量双向反射分布函数（BRDF）。该系统包括无人机（UAV）光谱仪测量系统、地面光谱仪测量系统、太阳光度计和全天成像仪。无人机用于获取半球空间内的多角度场光谱数据；而地面光谱仪则用于测量太阳漫反射体，持续记录场内漫射光和照度的变化。通过数据筛选、几何校准、光谱校正、漫射光校正以及模型拟合等一系列数据处理，结合目标物体与具有相同太阳几何条件的太阳漫反射体的辐射度测量数据，计算出场内的双向反射率（BRF）。利用贝叶斯反演方法，基于Gould场区域的无人机测量多角度反射率数据，采用Ross-Thick-LiSparse Reciprocal（RTLSR）模型进行拟合，结果表明该模型在表征BRDF特征方面具有较高的模拟精度（相对均方根误差<5%，不确定性<1%）。通过比较基于该模型参数计算出的BRF与MODIS BRDF产品的结果发现，在MODIS的七个波段中，两者之间的相对偏差保持在约5%以内，说明基于FUAS BRDF数据构建的模型能够很好地描述校准点的方向反射特性。该系统在精确的野外校准和环境监测方面展现出巨大的应用潜力。