Новые статистические модели ускоряют оценку листовых признаков у разных функциональных групп растений
Для понимания того, как растения реагируют на окружающую среду и влияют на неё, экологи часто используют стандартизированные измерения, называемые функциональными признаками. Например, на способность растения к фотосинтезу влияют такие признаки, как концентрация азота в листе.
Однако измерение этих признаков может быть очень трудоёмким, что ограничивает объём данных, которые могут собрать экологи.
Исследовательская группа из Университета Монреаля разработала способ обойти эти ограничения с помощью новых статистических моделей, которые позволяют быстро оценивать листовые признаки у множества растений из широкого спектра ландшафтов.
В исследовании, опубликованном в New Phytologist, учёные показали, как спектры отражения — измерения отражения света в сотнях длин волн, далеко за пределами видимого спектра — можно использовать для быстрой и неразрушающей оценки признаков, как для отдельных листьев, так и дистанционно для целых ландшафтов с помощью сложных камер на самолётах или спутниках.
«С новыми спутниковыми миссиями, такими как EnMAP и PRISMA, мы теперь можем измерять спектральную отражательную способность растительности для обширных территорий Земли из космоса, — сказал старший автор Этьен Лалиберте, профессор биологии. — Наше исследование показывает, как можно преобразовать эти спектральные данные в экологически значимую информацию о функционировании растений».
Модель для каждого признака
Оценка функциональных признаков по спектрам отражения требует наличия модели для каждого признака. Однако подходящие модели для большинства признаков либо отсутствуют, либо были разработаны для работы лишь с небольшой и нерепрезентативной частью огромного разнообразия растений Земли.
Команда построила и проверила набор моделей оценки признаков, используя набор данных спектров отражения и почти двух десятков признаков, измеренных на почти 2000 образцах листьев, собранных Канадской обсерваторией воздушного биоразнообразия (CABO). Образцы включают более 100 видов деревьев, кустарников, трав и других травянистых растений.
«Образцы охватывают ряд экосистем, включая такие, как болота и дубовые саванны, которым угрожают изменения климата и землепользования, — сказал Шан Котхари, постдок в лаборатории Лалиберте. — Мы построили модели с помощью статистического метода, называемого регрессией на частичных наименьших квадратах, и проверили их работу как на наборе данных CABO, так и на внешних наборах данных, собранных другими учёными».
Достаточно точные результаты
Результаты во многих случаях оказались достаточно точными. Модели захватили более 80% изменчивости многих важных функциональных признаков листа, включая удельную площадь листа (LMA), концентрацию целлюлозы и содержание воды. Точность предсказания других признаков варьировалась: пигменты и основные питательные вещества предсказывались со средней точностью, в то время как многие микроэлементы предсказывались очень плохо.
«Любой полевой эколог знает, насколько трудоёмко измерять множество функциональных признаков, что является серьёзным ограничением в изучении работы растительных сообществ, — отметил Котхари. — Мы надеемся, что спектроскопия отражения сможет облегчить эту задачу и позволит экологам глубже понять взаимодействие растений с окружающей средой».
Соисследователь Розали Бошан-Риу добавила: «Спектры отражения — бесценный источник информации, но сначала нужно уметь их расшифровать. Наше исследование должно помочь другим разработать методы, использующие дистанционное зондирование растений для лучшего понимания работы экосистем и, как следствие, лучшего управления и сохранения биоразнообразия».
Более общие модели
Хотя набор данных в основном ограничен растениями Канады, учёные считают, что продолжение сбора и синтеза данных однажды позволит разработать ещё более общие модели. Такие модели можно будет использовать для оценки признаков любого растения без необходимости проведения обширной валидации.
«Для обучения таких моделей потребуются данные о признаках и спектрах из более широкого разнообразия биомов, включая тропические, пустынные и тундровые экосистемы, — сказал Лалиберте. — Это значительно облегчит экологам быстрое измерение функций растений в большем масштабе, позволяя обнаруживать, как растительные сообщества реагируют на глобальные изменения».
Он добавил: «Недавняя конференция COP15 в Монреале привлекла внимание мира к глобальной утрате биоразнообразия, частью которого является функциональное разнообразие. Мы надеемся, что наши модели позволят лучше понять утрату или устойчивость функционального разнообразия в растительных сообществах Канады — и это поможет ответить на биологические вопросы в любой точке Земли».