《Canadian Journal of Remote Sensing》：Mapping canopy foliar functional traits in a mixed temperate forest using imaging spectroscopy
编辑推荐：
本综述系统阐述了利用机载成像光谱技术结合偏最小二乘回归模型，在加拿大东部混交林中实现12种冠层叶片功能性状高分辨率制图的研究。文章创新性地采用无人机精准采样技术，建立了树冠尺度光谱-性状关联模型，显著提升了叶片质量面积比、等效水厚度等性状的预测精度，为森林生态系统功能多样性监测提供了重要技术支撑。
研究背景与方法创新
随着人类活动对地球生物多样性影响的加剧，植物功能性状作为生态系统过程的关键驱动因子受到广泛关注。冠层叶片功能性状直接影响初级生产力、凋落物分解和养分循环等生态过程。尽管成像光谱技术已在森林性状制图方面取得进展，但建立基于树级测量的环境特异性光谱-性状模型仍是提升本地性状制图精度的关键需求。
本研究在加拿大魁北克圣伊波利特的混交林保护区开展，创新性地采用配备RTK定位系统的无人机采样平台，对16种乔木树种的170株树冠进行精准采样。通过结合CASI-1500和SASI-644成像光谱仪获取的400-2400纳米高光谱数据，建立了树冠尺度光谱与12种叶片性状的偏最小二乘回归模型。
模型性能与特征分析
模型验证结果显示，叶片质量面积比、等效水厚度和比叶面积的预测精度最高，决定系数R2>0.8，相对均方根误差<%RMSE><15%。色素、氮和纤维素模型表现中等，而木质素、碳、叶片干物质含量和半纤维素预测精度相对较低。重要波长分析表明，可见光区和红边区域对色素预测至关重要，而短波红外区则对结构性状和水分相关性状具有显著贡献。
研究首次发现模型在湿地、沼泽等水文梯度明显的区域表现出较高不确定性，这主要与混合像元、浅水覆盖和冠层结构差异有关。通过计算变异系数评估预测置信度，超过90%的植被像元相对不确定性低于25%，证实了性状图谱的可靠性。
生态意义与应用前景
性状分布图谱揭示了显著的生态梯度规律。针叶树种表现出较高的叶片质量面积比和较低的氮含量，符合保守型资源策略特征；而阔叶树种则呈现相反的 acquisitive 策略。沿地形湿度梯度，泥炭林区域表现出高叶片质量面积比、高纤维素和低氮含量的典型胁迫适应特征，这与湿地环境养分限制和分解速率减缓的生态过程高度吻合。
本研究建立的模型能够捕捉混交林树种的种内变异，为北美东部类似森林生态系统的功能多样性监测提供了可移植的技术方案。所产生的高分辨率性状图谱为生态系统建模、物种分布研究和生态系统服务评估提供了重要数据基础。随着卷积神经网络等深度学习技术在树种识别中的应用突破，结合高光谱性状制图将极大推动生态系统功能属性研究的深入发展。
该研究通过创新性的多技术融合 approach，不仅推动了遥感技术在生态学领域的应用边界，也为全球生物多样性观测网络的建设提供了重要的技术验证和数据支撑。研究成果强调了对双向反射分布函数效应进行精确校正的重要性，并为未来星载高光谱卫星任务的验证工作建立了新的标准。
