日前，我校野生动物与自然保护地学院、湿地生物多样性保护研究中心姚允龙副教授团队在国际期刊《国际应用地球观测和地理信息杂志》（International Journal of Applied Earth Observation and Geoinformation）（中科院1区Top，影响因子为8.6）发表了题为Prediction of canopy mean traits in herbaceous plants by the UAVmultispectral data: The quest for a better leaf-to-canopy upscaling method的研究论文。论文研究结果提高了个体至群落尺度的关键性状预测，为大尺度上准确评估植物冠层性状奠定了重要研究基础。
植物叶片性状是重要的基本生物多样性变量，在生态系统的结构与功能、全球生物地球化学模型和养分收支模拟中发挥着关键作用。传统的植物叶片性状采集方法多为实地调查和破坏性取样，不仅耗时耗力，获取性状数据的地理范围也较小，不能涵盖广泛的研究区域。机载或星载的多光谱和高光谱传感器提供的光谱信息，为预测植物生物化学性状提供了大尺度，高效率，低成本的技术平台。但植物性状从叶片至冠层尺度的推移方法的选择尚无定论，且不确定该方法是否适合于湿地生态系统。因此，应用无人机多光谱遥感预测植物冠层性状仍面临挑战。
该论文以黑龙江省多个保护区为研究区，均分布着典型的草本沼泽。通过无人机搭载的多光谱相机，获取研究区域的高空间分辨率多光谱影像，建立其中6个反射率波段及20个植被指数与9种湿地植物的冠层平均性状关系。论文根据性状指标的特性，创新性的提出了叶片性状至冠层性状的尺度推移新方法——几何平均法。通过比较群落加权平均法（生物量权重法、盖度权重法和密度权重法）、几何平均法及基于权重的几何平均法（生物量权重的几何平均法、盖度权重的几何平均法、密度权重的几何平均法和生物量盖度密度交互的几何平均法）8种冠层平均性状的尺度推移方法和3种模型构建方法（偏最小二乘回归、随机森林回归和支持向量机回归），以探究利用高分辨率无人机多光谱数据预测冠层平均性状的最佳尺度推移方法和最优模型构建算法。
研究表明，利用无人机多光谱数据预测的几何平均法计算的冠层平均性状的模型验证精度最高。在各冠层平均性状的验证模型中，冠层平均氮含量的验证精度最高，支持向量机回归算法是利用高分辨率无人机多光谱数据预测沼泽湿地草本植物冠层平均性状的最佳模型构建方法。
本论文创新性的将几何平均法应用于叶片性状推移至冠层平均性状的计算，与群落加权平均法或算术平均法相比，计算方式更简单，更高效，能更准确的被无人机高分辨率多光谱数据预测，进而可以高精度地反演沼泽湿地草本植物冠层平均性状含量。论文研究结果提高了个体至群落尺度的关键性状预测，为大尺度上准确评估植物冠层性状奠定了重要研究基础。
文章信息：
Yuanqi Shan, Yunlong Yao*, Lei Wang, Zhihui Wang, Huaihu Yi, Yi Fu, Weineng Li, Xuguang Zhang, Wenji Wang, Zhongwei Jing. Prediction of canopy mean traits in herbaceous plants by the UAV multispectral data: the quest for a better leaf-to-canopy upscaling method [J]. International Journal of Applied Earth Observation and Geoinformation, 2025, 141.
DOI: https://doi.org/10.1016/j.jag.2025.104650
