基于无人机高光谱数据的冠层尺度叶片光合作用能力制图
英文: Mapping foliar photosynthetic capacity in sub-tropical and tropical forests with UAS-based imaging spectroscopy: Scaling from leaf to canopy
摘要
准确了解不同景观中叶片生理性状的变化对于改进陆地生物圈模型 (TBM) 的参数化和评估至关重要，这些模型旨在代表陆地生态系统对气候变化的响应。许多研究表明，成像光谱可以在冠层尺度上表征叶片的生化和形态学性状，但只有有限的证据可以检索冠层光合能力（例如最大羧化速率V c,max和最大电子传递速率J max ）。此外，森林群落内冠层结构对从叶片到冠层水平的光谱-性状关系的影响尚不清楚。为了推进光谱-性状方法并能够使用遥感技术估计关键性状，我们从无人驾驶飞机系统 (UAS) 平台收集了中国两个森林地点（鼎湖山亚热带森林和西双版纳热带雨林）的成像光谱数据。在这些地点，我们还收集了叶片光谱和特征的地面测量数据，包括生化（叶片氮、磷、叶绿素和水分含量）、形态（单位面积叶片质量，LMA）和生理（V c,max25和J max25）特征（ n = 两个地点 42 个物种的 135 个树冠）。使用偏最小二乘回归 (PLSR) 方法，我们建立并测试了光谱-特征模型，并进行了反复交叉验证。使用叶片光谱开发的光谱模型直接转移到冠层光谱，以评估冠层结构的影响。我们进一步应用冠层光谱模型在单个树冠尺度上绘制这些特征。结果表明：（1）基于 UAS 的冠层光谱可用于估算树冠尺度上的V c,max（ R2 = 0.55，nRMSE = 11.79%）、 J max（ R2 = 0.54，nRMSE = 12.34%）和另外五个叶片性状（ R2 = 0.38–0.60，nRMSE = 10.11–13.56%），且在两个地点具有普遍性；（2）冠层结构对从叶片到冠层的光谱-性状关系有很强的影响，但这种影响在叶片性状之间差异很大，不能很好地被 4SAIL 冠层辐射传输捕捉到模型。基于 UAS 的成像光谱法利用空间明确信息绘制了所有叶片特征（包括生理特征）的巨大变化，再现了实地观察到的种间和种内变化。这些结果证明了使用基于 UAS 的成像光谱法表征森林景观中单个树冠尺度上的叶片生理特征变化的能力，并强调了叶片和冠层水平的光谱-性状关系具有相似的普遍性但不同的生物物理机制。
研究数据
高光谱数据: 高光谱数据由Cubert X20P机载框幅式高光谱成像仪获取。该成像仪采用革命性的框幅式高光谱成像技术，具有20MP的超高清大面阵光谱探测器，可同步获取350~1000 nm范围内164个光谱通道高光谱图像，在1/1000秒内获得整个高光谱立方体数据，更适合高速移动式测量，数据真实可靠无伪影，影像具有厘米级地理坐标信息，配备一体式无刷云台，内置控制及固态存储，适合多旋翼或固定翼无人机搭载。
研究过程
图1 研究区 (鼎湖山和西双版纳)
表1 树冠尺度上7个实测叶面性状的数据分布
图2 三个光谱模型对无人机观测冠层反射光谱的可迁移性
图3 鼎湖山样地树冠图(a)、7个性状空间图(b-h)、Vc,max25(红色)、Narea(绿色)和LMA(蓝色)RGB合成图(i)和真实树种分布图(j)
图4 西双版纳样地样树冠图(a)、7个性状空间图(b-h)、Vc,max25(红色)、Narea(绿色)和LMA(蓝色)RGB合成图(i)和真实树种分布图(j)
图5 “跨站点”冠层光谱模型精度评估
研究结论
该研究利用来自中国南方两个森林地点的数据来证明基于 UAS 的成像光谱技术是一种有效且可跨地点推广的方法，用于表征树冠尺度的生理（V c,max25和J max25）、形态和生化性状（即 LMA、LWC、Chl、N面积和 P面积）（图 2、图 3）。我们还发现冠层结构改变了从叶片到冠层水平的光谱-性状关系，并且这种影响在叶片性状之间差异很大，并且 4SAIL 冠层辐射传输模型无法充分捕捉到（图 4）。第三，基于 UAS 的成像光谱技术可以绘制由种内和种间成分形成的所有叶片性状（包括生理性状）的空间明确变化（图 6、图 7、图 8）。这些图谱为评估不同层次的叶片特征变异性以及理解特征间协调理论提供了关键数据集。这些发现表明，成像光谱法能够绘制精细和生态系统尺度上的叶片光合能力图，并有可能扩展到更大的空间范围。
