东北林业大学野生动物与自然保护地学院姚允龙团队于2025年6月在国际期刊《International Journal of Applied Earth Observation and Geoinformation》发表了题为“Prediction of canopy mean traits in herbaceous plants by the UAV multispectral data: The quest for a better leaf-to-canopy upscaling method”的研究论文。
此研究采用多旋翼无人机搭载的长光禹辰公司自主研发的MS600 Pro多光谱相机，获取了黑龙江省三江国家级自然保护区、三环泡国家级自然保护区和小北湖国家级自然保护区沼泽湿地的多光谱图像，提取光谱指标用于沼泽湿地植物冠层平均性状的预测。
植物叶片性状是基本生物多样性变量的重要组成成分，其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，这种方式不仅耗时耗力，且获取性状数据的地理范围较小，不能涵盖广泛的研究区域。而机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。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，且仍不确定研究中的推移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具有挑战。
该论文以黑龙江省具有典型草本沼泽的多个保护区为研究区，通过无人机搭载多光谱相机获取研究区域的高空间分辨率多光谱影像，利用无人机多光谱影像的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建立关系。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，通过比较了群落加权平均法（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。
研究结果表明：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，并发现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。
本论文创新性地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中，该方法区别于群落加权平均法或算术平均法，计算方式更简单，更高效。相比于利用群落加权平均法获得的植物冠层平均性状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。
附：
[1]论文信息：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.
[2]论文全文链接: https://doi.org/10.1016/j.jag.2025.104650
