基于优势科属和样本量阈值的珍稀沼泽植物功能性状PLSR预测模型研究

《Ecological Informatics》：Trait prediction in rare marsh plants: A PLSR modeling framework using dominant families and sample size thresholds

本研究针对沼泽湿地珍稀植物因样本量不足难以建立可靠光谱预测模型的问题，通过测量叶片反射光谱和11种功能性状，建立了基于不同植物科属组合（全科、优势科、非莎草科等）和样本量（40-240）的偏最小二乘回归(PLSR)模型。研究发现，优势科数据集构建的模型预测精度与包含珍稀物种的全科模型相当，且当样本量达到160时即可实现大多数性状的可靠预测。该研究为利用优势物种光谱信息推断珍稀物种叶片性状提供了有效途径，对推动沼泽湿地生物多样性光谱监测技术发展具有重要意义。

　　

在生态学研究中，植物功能性状是评估生态系统状态的关键指标，它们如同植物的“身份证”，反映了植物在生理、形态和生化等方面的特征，影响着光合作用、初级生产力和养分循环等重要生态过程。然而，对于沼泽湿地中的珍稀植物物种，准确预测其叶片性状一直是个棘手难题。由于珍稀物种样本数量有限，很难直接为其构建可靠的光谱预测模型，这严重制约了我们对湿地生态系统功能的全面理解。

近期发表在《Ecological Informatics》上的一项研究，为解决这一瓶颈问题提供了创新性方案。由东北林业大学湿地生物多样性保护与研究中心单园启、姚云龙等研究人员组成的团队，提出了一个大胆的假设：即使样本量有限，沼泽珍稀物种的叶片性状也能从优势物种的建模结果中推断出来。为了验证这一假设，他们在黑龙江省的四个国家级自然保护区开展了系统的野外调查和实验分析。

研究人员测量了不同物种的叶片反射光谱和十一种叶片功能性状，包括比叶面积(SLA)、叶干物质含量(LMA)、等效水厚度(EWT)、叶片含水量(LWC)、氮(N)、磷(P)、氮磷比(N:P)、纤维素、木质素、糖和淀粉含量。他们建立了基于五种植物科属组合和六种不同样本量的偏最小二乘回归模型，通过严谨的实验设计和数据分析，揭示了物种组合和样本量对模型预测精度的双重影响。

在技术方法上，该研究主要运用了以下关键技术：通过野外样方调查在黑龙江省四个自然保护区采集了40种植物共420个样本；使用ASD LabSpec 2500和RS-5400高光谱仪测量叶片光谱反射率，并进行Savitzky-Golay滤波和重采样处理；采用巴氏距离分析不同科属植物光谱差异；通过PLSR建立光谱与性状的预测模型，并计算变量重要性投影以识别关键光谱波段；利用相对重要性分析评估样本量和物种组合对模型精度的贡献。

3.1. 科属间性状变异

研究发现，除氮含量外，其余十种叶片功能性状在不同植物科属间均存在显著差异。莎草科与其他科在LMA、SLA、磷含量和氮磷比等方面差异显著，而禾本科与蔷薇科、菊科、毛茛科在LMA、SLA、LWC、磷和纤维素等性状上也表现出明显不同。这些差异为理解不同科属植物的功能策略提供了重要依据。

3.2. 不同物种组合的模型性能

模型验证结果显示，基于优势科数据集构建的模型预测精度与包含珍稀物种的全科模型相当甚至更优。特别是在SLA、LWC、氮、磷、氮磷比等性状上，优势科模型表现出色。氮磷比在优势科模型中达到最高精度(R²_Val=0.41)，而氮含量在莎草科-禾本科组合中预测精度最高(R²_Val=0.87)，LWC在非莎草科组合中预测精度最佳(R²_Val=0.85)。

3.3. 不同样本量的模型性能

随着样本量减少，模型精度逐渐下降，但不同性状的变化模式存在差异。当样本量低于80时，纤维素和淀粉的模型精度显著降低，而氮、磷和氮磷比模型在样本量低于40时才出现明显下降。研究发现，当样本量超过160时，所有性状的模型都能达到较优的验证精度，这表明160样本量是保证模型可靠性的重要阈值。

3.4. 不同物种组合PLSR模型的变量重要性

变量重要性投影分析显示，虽然重要波长在不同物种组合间存在差异，但大多数性状在红边区域(~700纳米)附近都表现出明显峰值。400-700纳米和2000-2400纳米波段对大多数物种组合的性状预测都至关重要。特别值得注意的是，优势科与全科组合的VIP值变化模式保持一致，说明优势科能够捕捉全科组合中与目标性状相关的核心光谱特征。

研究结论表明，物种组合对模型预测精度的影响大于样本量，但当样本量达到160时，优势科模型能够实现与全科模型相当的预测性能。这一发现具有重要的方法论意义，它意味着通过系统采样优势物种并确保足够的样本量，可以有效解决珍稀物种数据匮乏的问题。

从机制层面看，在相似生境条件下，环境过滤作用驱动共生物种的功能收敛，导致优势物种和珍稀物种在关键生理性状上表现出类似的光谱响应模式。辐射传输理论也支持这一观点，叶片光谱特征主要由内在的生化组成和结构特性决定。因此，基于优势科建立的PLSR模型能够有效捕捉植物群落内共同的光谱-性状关系，从而实现对珍稀物种性状的准确预测。

这项研究不仅为沼泽湿地植物功能性状的光谱预测提供了实用框架，更重要的是，它开辟了一条利用优势物种信息推断珍稀物种性状的新途径。在全球变化背景下，湿地生态系统面临着日益严重的威胁，加强对珍稀物种的监测和保护显得尤为重要。该研究成果为推动湿地生物多样性保护提供了有力的技术支撑，对完善生态系统功能评估方法学具有重要意义。

未来研究可将这一优化采样策略应用于冠层尺度的植物性状预测，同时结合机器学习算法深化对性状-光谱关系的理论认识，开发更加稳健的植物功能性状光谱反演模型。这一研究方向不仅有助于提升湿地生态监测的效率和精度，也将为全球变化背景下的生态系统管理提供科学依据。