香港大学吴锦团队发表大尺度植物功能性状制图的前沿方法

生态学者

已于 2024-03-20 23:21:27 修改

阅读量471

点赞数 9

分类专栏：生态遥感文章标签：科技

于 2024-03-18 22:58:27 首次发布

本文链接：https://blog.csdn.net/stxz2020/article/details/136824915

版权

生态遥感专栏收录该内容

10 篇文章 0 订阅

订阅专栏

植物功能性状在解析植物-环境适应策略及生态系统功能关系方面具有重要价值。然而，野外数据采集困难，空间覆盖受限，亟需开发更有效方法扩展植物性状数据至区域乃至全球尺度。然而，现有的大尺度植物功能性状制图依然存在局限：（1）全球/国家尺度的尺度提升依赖于植物功能类型（PFT）、环境变量或粗分辨率多光谱图像，无法捕捉局部尺度的性状变异；（2）机载成像光谱可实现高空间分辨率和高精确度绘图，但仅限于站点尺度，且成本高昂；(3) 虽然多光谱卫星可覆盖全球，但光谱波段和分辨率有限。针对此背景，本研究基于植物光谱学（光谱-功能性状关系）及植物物候学（物候差异受植物功能性状调控）原理，提出一种基于10米分辨率哨兵2号（Sentinel-2）的多光谱信息与物候信息相结合的新方法，实现大尺度植物功能性状制图。为验证方法的有效性和跨尺度适用性，我们利用哨兵2号时间序列数据绘制了美国东部14个国家生态观测网（NEON）站点的12个叶片功能性状图。

研究结果显示，相较于机载成像光谱仪生成的基准性状数据，时间序列哨兵2号模型具有高通量（n=12）且高精度（R²=0.60-0.80）的植物功能性状刻画能力，能同时捕捉站点间及站点内植物功能性状差异。进一步模型敏感性分析表明，本研究方法优于传统依赖环境变量或单幅哨兵-2图像作为预测因子的方法，且不依赖环境变量提高预测能力。这一发现强调了物候信息在性状预测中的重要性，并揭示了“叶片经济学谱”理论作为这一方法背后的潜在机制。研究提出的植物功能性状制图方法同时实现了高精度、大尺度可扩展性和高空间分辨率，是未来全球性状图绘制的一个很有前景的途径。未来研究将关注更广泛范围的验证，以充分发挥该技术在前沿基础科学（如植物功能生态学、全球变化生态学、生物多样性）和应用科学（如基于自然的气候解决方案）等方面的潜力。

该项研究成果近期以" Spectra-phenology integration for high-resolution, accurate, and scalable mapping of foliar functional traits using time-series Sentinel-2 data"为题发表于《Remote Sensing of Environment》杂志。香港大学博士生刘树文为第一作者、吴锦助理教授为通讯作者。广东省科学院广州地理研究所王智慧副研究员、威斯康辛大学麦迪逊分校Philip A. Townsend教授、莱顿大学Marco Visser助理教授、中国科学院植物研究所严正兵研究员等人为合作作者。这项研究成果受到中国自然科学基金委（港澳优青）、香港研资局、香港大学种子基金等多项项目资助。