新的统计模型加快了跨功能组叶性状估计的过程

为了了解植物如何响应和影响其环境，生态学家经常使用一系列称为功能特征的标准化测量。例如，植物进行光合作用的能力受到叶片氮浓度等特性的影响。

但是测量这些特征可能非常耗时，这限制了生态学家可以获得的信息量。

现在，蒙特利尔大学的一个研究小组已经开发出一种方法，通过新的统计模型绕过这些限制，该模型可以快速估计来自各种景观的许多植物的叶子性状。

在今天发表在《新植物学家》(NewPhytologist)上的一项研究中，研究人员讨论了反射光谱(测量数百种波长的光反射率，远远超出人眼所能看到的)如何用于快速、无损地估计特征，无论是逐叶还是使用安装在飞机或卫星上的复杂相机远程覆盖整个景观。

“通过像EnMAP和PRISMA这样的新卫星任务，我们现在能够从太空测量全球广大地区植被的光谱反射率，”资深作者，UdeM生物学教授EtienneLaliberté说。“我们的研究表明，如何将这些光谱数据转化为有关植物如何运作的生态相关信息。

每个特征的模型

从反射光谱估计功能性状需要为每个性状建立一个模型，但大多数性状的合适模型要么不可用，要么被开发为仅对地球广阔植物多样性的一小部分和不具代表性的部分工作。

在他们的论文中，UdeM团队使用反射光谱数据集和近二十个特征来构建并验证一组性状估计模型，这些特征是在加拿大机载生物多样性天文台收集的近2，000个叶子样本上测量的，其中包括100多种树木，灌木，草和其他草本植物。

“这些样本跨越了许多生态系统，包括沼泽和橡树稀树草原等受到气候和土地利用变化威胁的生态系统，”Laliberté实验室的博士后研究员ShanKothari在进行研究时说。“我们使用一种称为部分最小二乘回归的统计技术构建了模型，并在CABO数据集和其他科学家收集的外部数据集上测试了它们的性能。

相当准确的结果

在许多情况下，结果非常准确。UdeM模型捕获了许多重要叶片功能性状中80%以上的变异，包括单位面积叶片质量，纤维素浓度和含水量。除其他特征外，预测的准确性差异很大;色素和主要营养素等性状的预测表现中等，而许多微量营养素只能预测得很差。

“任何在该领域工作的植物生态学家都知道测量许多功能性状是多么耗时，这是发现植物群落如何工作的主要限制，”Kothari说。“我们希望反射光谱可以减轻这种负担，并使生态学家能够更深入地了解植物与其环境之间的相互作用。

共同研究员RosalieBeauchamp-Rioux补充说：“反射光谱是宝贵的信息来源-但首先你需要能够破译它们。我们的研究应该帮助其他人开发利用植物遥感的技术，以更好地了解生态系统的运作，从而更好地管理和保护生物多样性。

更通用的型号

尽管UdeM数据集主要限于加拿大植物，但研究人员表示，持续的数据收集和综合有一天可能会使研究人员能够开发更通用的模型-研究人员可以用来估计任何植物的特征，而无需进行广泛的验证。

“训练这样的模型需要来自更多种类生物群落的特征和光谱数据，包括热带，沙漠和苔原生态系统，”Laliberté说。“这将使生态学家更容易快速和更大规模地测量植物功能，使我们能够检测植物群落如何应对全球变化。

他补充说：“最近在蒙特利尔举行的COP15会议吸引了全世界对生物多样性丧失的关注，其中功能多样性是其中一个方面。我们希望我们的模型能够更好地了解加拿大植物群落功能多样性的丧失或恢复力-这将有助于回答地球上任何地方的生物学问题。