Спектральные измерения позволяют оценить содержание питательных веществ в листьях лесных деревьев

Общее состояние лесов можно оценить по содержанию микро- и макроэлементов в листьях деревьев, что поможет принимать решения по управлению лесами в условиях изменения климата, потери видов и других факторов. Традиционные методы оценки уровня питательных веществ в лесах дороги и трудоемки.

Исследователи проанализировали отраженные спектры листвы деревьев, чтобы точно оценить содержание в листьях питательных веществ, предложив более быстрый метод оценки здоровья леса в больших масштабах.

Команда исследователей из Университета Массачусетса и Университета Вирджинии проанализировала отраженный свет (спектры) в широком диапазоне длин волн от лесной листвы, чтобы определить концентрации кальция (Ca), магния (Mg), калия (K), фосфора (P), марганца (Mn) и цинка (Zn).

Исследователи измеряли отраженный свет на длинах волн от 400 до 2450 нанометров (нм, 1.0 × 10^-9 м). С помощью регрессии на частичных наименьших квадратах (PLSR) команда смогла определить наилучшие длины волн для измерения каждого анализируемого питательного вещества.

«Разработанная PLSR-модель предсказывала питательные вещества растений с умеренной до сильной точностью для макро- и микроэлементов в лиственных лесах умеренного пояса на северо-востоке США. Спектральные измерения в сочетании с отбором длин волн и PLSR-моделями можно использовать для количественного определения макро- и микроэлементов в листве на региональных масштабах, и их можно дополнительно улучшить, включив данные о геологических материалах участка и родах деревьев», — сказал Цянь Юй, соавтор исследования.

Точность анализа питательных веществ с помощью PLSR была значительно улучшена за счет учета типа почвы, в которой росли деревья. Учет типа почвы повысил точность анализа питательных веществ с R² = 0.66 до R² = 0.87.

Разные типы почв (грубая ледниковая морена, флювиогляциальные отложения, талая морена и зандры) по-разному влияли на Ca и P. Почва мало влияла на концентрации Ca, но в большей степени влияла на P. Прогнозы для питательных веществ Ca и P были наиболее точными для почв типа зандр.

Род деревьев также повлиял на точность прогнозирования концентрации питательных веществ в листве. Анализ спектральных данных по родам деревьев улучшил точность прогнозов даже лучше, чем состав почвы. Точность прогноза Ca повысилась с R² = 0.66 до R² = 0.91 для рода Fagus (Бук) и до R² = 0.93 для рода Quercus (Дуб). Также анализировались данные для родов Acer (Клен) и Betula (Береза).

«Метод, представленный в этой статье, обещает быть полезным для крупномасштабной оценки питательных веществ растений и может снизить затраты традиционных полевых подходов», — сказал Вэньсю Тэн, первый автор статьи.

Исследователи надеются, что их новая спектральная методика оценки будет успешно применяться в других лиственных лесах для информирования важных решений по управлению лесами.