《Smart Agricultural Technology》：Multispectral Imaging Techniques for Nutritional Monitoring of Schima superba and Their Applications
编辑推荐：
木荷是中国南方一种具有重要价值的优良用材树种，人工林栽培面积广泛。利用多光谱成像技术（MSI）快速评估木荷林分生长状况，对于当代森林经营实践具有重要现实意义。本研究于2023年在龙泉八都一处4年生木荷林中，通过无人机（UAV）遥感获取多光谱影像。基于原始光谱波
木荷是中国南方一种具有重要价值的优良用材树种，人工林栽培面积广泛。利用多光谱成像技术（MSI）快速评估木荷林分生长状况，对于当代森林经营实践具有重要现实意义。本研究于2023年在龙泉八都一处4年生木荷林中，通过无人机（UAV）遥感获取多光谱影像。基于原始光谱波段和39种植被指数，构建了随机森林（RF）、支持向量机（SVM）和偏最小二乘回归（PLSR）模型，用于预测叶片氮（N）、磷（P）、钾（K）、碳（C）、叶绿素（Chl）和花青素（Anth）含量。结果表明，RF模型在6项生理性状预测中表现最佳（R2train = 0.88 ～ 0.91，R2test = 0.45 ～ 0.83）。植被指数RDVI对全部6项生理性状均表现出较强预测能力。同时，SR、NDVI、SAVI和WDRVI在预测N、P、Chl和Anth方面效果良好。基于RF模型，研究人员发现，树冠中较高的N、Chl和Anth含量以及较低的P和K含量与旺盛树木生长相关。具体而言，树冠N、Chl和Anth含量于11月达到峰值，表明该时期生长旺盛。然而，木荷生长还显著受到林地环境条件影响。因此，研究提出在中国南方木荷林经营中应优先考虑磷高效基因型，并提出相应经营管理建议。
该论文发表于《Smart Agricultural Technology》，围绕木荷（Schima superba）人工林营养状态的高通量、无损化监测问题，系统评估了无人机多光谱成像与机器学习方法在林木生理性状反演中的适用性。研究背景在于，传统叶片养分和色素测定主要依赖化学分析与破坏性取样，虽然精度较高，但成本大、效率低、空间覆盖范围有限，难以满足林木育种、林分经营和连续监测的实际需求。遥感（RS）技术，特别是搭载于无人机（UAV）平台上的多光谱成像（MSI），能够在冠层尺度实现高分辨率、非接触式观测，为森林营养监测提供了新的技术路径。然而，不同树种叶片生化性状与光谱响应之间通常存在显著的非线性关系和物种特异性，导致现有模型难以直接迁移到木荷这一重要亚热带常绿阔叶树种上。与此同时，木荷在中国南方具有广泛种植面积，是兼具用材和造林价值的关键树种，但其生长常受南方酸性缺磷土壤与复杂地形环境制约，因此开展针对木荷的多光谱营养监测研究具有明显理论意义和应用价值。
基于上述问题，研究人员以浙江省龙泉市八都镇2019年建立的木荷家系试验林为对象，针对叶片氮（N）、磷（P）、钾（K）、碳（C）、叶绿素（Chl）和花青素（Anth）六类关键生理指标开展预测研究。研究结果表明，三类模型中随机森林（RF）在全部性状上的预测效果最佳，优于支持向量机（SVM）和偏最小二乘回归（PLSR）。在变量贡献方面，重归一化差异植被指数（RDVI）对六项生理性状均具有稳定而较强的预测贡献，而SR、NDVI、SAVI和WDRVI在部分指标上同样表现突出。进一步基于RF模型实现了树冠尺度、林分尺度和季节尺度的生理性状反演，揭示了旺盛生长木荷个体通常表现为较高的N、Chl和Anth含量以及较低的P、K含量；11月树冠N、Chl和Anth达到高值，反映该时期存在显著的生理资源重分配。研究还发现，坡位和邻近植被形成的微生境光照差异会显著影响养分空间分布，而部分家系在这些性状上表现出中高遗传力。总体而言，该研究证明了无人机多光谱结合机器学习能够有效服务于木荷营养诊断、家系评价和精准林业管理。
本研究主要采用以下关键技术方法：以浙江龙泉八都40个木荷家系试验林为样地，在2023年9月至12月利用DJI Phantom 4 Multispectral无人机获取5波段多光谱影像；对飞行路径内90株样木采集叶片并测定N、P、K、C、Chl和Anth含量，将单木树冠在正射影像上人工勾绘后提取冠层平均光谱及39种植被指数；分别构建RF、SVM和PLSR模型，并通过80%/20%训练-验证划分及重复5折交叉验证评估模型性能；同时结合混合线性模型估算家系平均遗传力，以比较预测性状与实测性状的遗传参数表现。
在“Model Construction and Performance”部分，研究人员比较了RF、SVM和PLSR三种模型对六项叶片生理性状的预测能力。结果显示，RF在全部性状上均取得最优表现，测试集R
2为0.45 ～ 0.83，且RMSE整体较低；SVM次之，PLSR最弱。这表明面对木荷叶片生化性状与多光谱响应之间的复杂非线性关系，RF具有更强的拟合与泛化能力。与此同时，回归图与残差图显示，RF模型对于高实测值存在低估、对低实测值存在高估的趋势，说明模型预测值相较真实值存在向总体均值收缩的现象。校准斜率均大于1且截距为负，进一步定量支持了这一偏差模式。
在“Prediction of physiological traits by VIs”部分，研究基于RF模型的%IncMSE指标评估变量重要性，分析39种植被指数及5个原始波段在六项性状预测中的贡献差异。结果发现，不同性状的最佳预测指标并不一致。对叶绿素而言，RDVI、NR、SR和SAVI贡献较高；对花青素而言，RDVI、WDRVI、MNLI、DVI和GARI较为关键；钾主要由GLI和VARIgreen预测；氮和磷则依赖更多指数联合表征。总体总结显示，RDVI是六项性状中最稳健的通用预测指标，而SR、NDVI、SAVI和WDRVI分别在N、P、Chl和Anth预测上具有较高应用价值。该结果强调了木荷多光谱监测中指数选择的树种特异性。
在“Canopy spectral signatures in S. superba growth vigor assessment”部分，研究人员利用12月光谱数据和地面实测结果对木荷六项生理性状进行树冠反演，并比较生长旺盛与生长受抑个体的冠层分布特征。结果表明，旺盛个体树冠受光中心区域具有较高的N、Chl和Anth，而K在树冠边缘和相对阴蔽区域较高，P和C则相对均匀分布。相比之下，受抑个体中心冠层的N、Chl和Anth下降，而P和K升高，C在冠层外围更明显积累。结合生物量与年生物量增量分类结果，研究说明这些冠层光谱反演出的生理特征能够作为木荷生长势评价的可靠替代指标。
在“Environment heterogeneity affected biochemical allocation”部分，研究利用RF反演图谱在林分尺度分析木荷营养状态的空间异质性。结果显示，坡位和微生境光照条件共同驱动六项生理性状的空间分化。上坡位木荷的P和K含量普遍低于下坡位；西北侧毗邻较矮杉木林、受光更充足区域，Anth、K和C含量较高；而东南边缘受较高阔叶林遮蔽，相关性状积累较低。不同家系之间也存在明显差异，其中高海拔来源家系120和122表现特殊。该部分说明，即使在同一试验林内部，环境异质性仍会显著影响木荷冠层生化资源分配格局。
在“Seasonal reallocation of biochemical resources”部分，研究基于9月至12月的RF反演结果重建了六项生理参数的季节动态。结果表明，11月是木荷营养状态和生理活动变化最显著的阶段。9月至11月期间，N、Chl和Anth持续增加，并在11月达到峰值，其中N增加17.6% ～ 20.0%，Anth增加68.8% ～ 83.4%，Chl增加46.2% ～ 61.7%；随后12月回落。相反，P和K在9月至11月逐步下降，12月恢复至接近9月水平；C含量则在9月后持续下降。该结果表明，木荷在秋季存在显著的季节性生化资源再分配过程，而11月可能是识别其生长和营养状态的关键时间窗口。
在“Genetic variation of Families of S. superba”部分，研究人员利用12月光谱数据预测六项性状，并进一步估算家系平均遗传力。结果显示，六项性状均具有中等至较高遗传力，范围为0.50 ～ 0.81，其中Anth、N和Chl较高，P相对较低。预测遗传力与实测遗传力相比，除N外差异整体较小。主成分分析（PCA）表明，前两主成分共解释86.04%的总变异，N和C分别对主成分贡献较大；Chl与N显著正相关，Anth与C、K、Chl及N也呈显著正相关。家系120和122与其他家系遗传分化较明显，在Chl和Anth上表现较优；H21在P、K和C综合表现突出。该部分说明，多光谱预测性状不仅具有生态监测价值，也具备一定遗传评价潜力。
讨论部分主要围绕模型偏差、指数适用性、环境调控与遗传解释展开。首先，研究明确指出RF尽管总体预测精度较高，但训练集与验证集之间的差异提示存在过拟合风险，且模型对极端值的预测能力不足。其原因可能包括极端样本代表性不足，以及随机森林通过多树平均产生的“均值回归”效应。其次，研究强调植被指数的预测能力具有物种依赖性，在木荷中RDVI优于许多常用指数，提示精准林业中应建立树种特异的光谱指标体系。再次，研究表明木荷冠层生理性状在时间和空间上均呈现显著动态变化，其中坡位、邻近林分结构与光照差异共同塑造营养分配格局，而南方缺磷酸性土壤是制约木荷生长的重要背景因素。最后，在遗传参数解释上，研究认为虽然预测性状的遗传力估计存在一定偏差，但仍能为家系筛选、磷高效基因型识别及抗逆材料评价提供有意义参考。
研究结论部分可译为：本研究利用多光谱影像提取的5个光谱波段和39种植被指数，分别构建随机森林（RF）、支持向量机（SVM）和偏最小二乘回归（PLSR）模型，对木荷的6项生理性状，即氮（N）、磷（P）、钾（K）、碳（C）、叶绿素（Chl）和花青素（Anth）进行预测。结果表明，RF模型表现最优；在植被指数中，RDVI对全部6项性状均具有稳定有效性，而SR、NDVI、SAVI和WDRVI分别在N、P、Chl和Anth预测中尤具价值。基于RF反演，研究在三个尺度上刻画了这些性状的时空变化，即个体树冠尺度（12月）、林地尺度（12月）和季节动态尺度（9月至12月）。主要发现包括：上层树冠中较高的N、Chl和Anth浓度以及较低的P和K水平指示木荷生长旺盛；11月出现的类似模式与果实成熟期相对应，并可能与较稳定的结实过程有关。该反演框架为家系表现评价提供了初步方法，在经独立数据验证后，可辅助优良遗传材料筛选。总体结果显示，无损生理监测在支持精准林业数据驱动管理策略方面具有应用潜力，但仍需进一步优化模型并开展更广泛验证。
