研究背景
树种分类为构建树木生长模型、估测林冠化学和保护生物多样性等提供重要的基础信息，准确的树种分类对森林资源管理和森林生态系统保护具有重要意义。遥感技术在树种分类的应用已较为成熟，但以往的研究主要基于冠层遥感光谱数据，植物功能性状在分类中的可行性和有效性缺乏探讨；相关内容也主要沿水平方向展开，很少考虑冠层垂直方向上的情况。本文结合叶片功能性状和叶片光谱进行树种分类，沿冠层垂直高度探讨分类精度的变化，有利于拓展树种分类的研究模式，更深入太阳集团城解森林群落的构建机制。
研究成果
（1）本文基于鼎湖山南亚热带常绿阔叶林6个优势树种的叶片性状和叶片光谱，利用随机森林算法进行树种分类：叶片性状+光谱融合数据的分类精度最高(OA = 77.65%; Kappa = 0.73)；叶片性状的分类精度较高(OA = 74.26%; Kappa = 0.69)；叶片光谱的分类精度最低(OA = 69.06%; Kappa = 0.63)。结合叶片性状的树种分类精度更高，叶片性状在分类中的作用应得以关注。
表1 基于不同分类方法的总体分类精度和Kappa系数
（2）南亚热带常绿阔叶林的冠层结构较为复杂，其对树种分类精度的影响如何？研究发现，树种分类精度沿冠层垂直方向从下往上呈上升趋势；融合上中下三层数据的总体分类精度和Kappa系数最高。树种分类研究中不应忽视森林冠层环境垂直梯度变化的影响。
图1 不同冠层垂直高度的总体分类精度和Kappa系数. (A)叶片性状数据 (B)叶片光谱数据 (C)叶片性状+光谱融合数据. UML为融合上中下三层数据
（3）不同生长习性的树种间，其分类精度是否也存在差异？研究发现，耐阴树种（包括黄果厚壳桂、润楠和厚壳桂）的分类精度高于阳生树种（包括锥栗和荷木）。因此，在未来的分类研究中也应关注树种的生态特征。
表2基于不同分类方法的树种分类精度(%)
|
Classification Datasets |
Schisu |
Castch |
Castfi |
Machch |
Crypch |
Crypco |
LFT |
82.65 a |
64.09 c |
84.07 a |
72.80 b |
71.87 b |
81.81 a |
LHR |
60.73 d |
53.94 e |
86.21 a |
69.74 b |
66.28 c |
84.59 a |
LFT + LHR |
73.95 d |
69.72 e |
89.00 a |
78.85 b |
76.26 c |
87.50 a |
Different letters (a–e) represent a significant difference (p < 0.05) between the classification datasets. |
原文链接
相关成果“Tree Species Classification Using Plant Functional Traits and Leaf Spectral Properties along the Vertical Canopy Position”为题发表于Remote Sensing（IF：5.349；JCR分区：Q1）。
链接：https://doi.org/10.3390/rs14246227
本文第一作者为澳门太阳集团城网址2开头2018级澳门太阳集团城网址2开头专业本科生张意岑（现已保送至中国科学院植物研究所攻读研究生），通讯作者为俞方圆副教授。此外，俞方圆老师已指导本科生罗恬在《生物多样性》和颜佳滢在《生态学报》上发表相关论文各一篇。
该成果的雏形于2020年10月获得学院第五届“建通测绘”二等奖，而后经改进和完善作为本科毕业论文《基于植物功能性状和光谱信息的树种分类研究—以鼎湖山南亚热带常绿阔叶林为例》，获得2022届本科毕业论文（设计）创新奖二等奖。
