该研究的主要作者是来自牛津大学环境变化研究所的Cecilia Chavana-Bryant，以及来自亚利桑那大学、卡内基科学研究所、斯旺西大学、秘鲁天主教大学、英国生态与水文中心等多个机构的合作者。该研究成果于2017年发表在学术期刊*New Phytologist*上。

二、 研究背景

本研究属于生态学、植物生理学与遥感科学的交叉领域。热带森林，特别是亚马逊雨林，在全球碳循环和陆地光合作用中扮演着至关重要的角色。近年来，科学家们广泛利用卫星遥感技术，例如中分辨率成像光谱仪（MODIS）衍生的植被指数（如NDVI, EVI），来监测热带森林冠层的季节性和年际动态。许多研究发现，亚马逊森林在干季会出现冠层“变绿”的现象，但其背后的驱动机制一直存在争议。一种观点认为，干季叶片大量萌发带来了新的、光合能力更强的年轻叶片，从而在光谱上表现出“更绿”的信号。然而，对于叶片衰老如何影响叶片的光谱特性，以及这种叶片生命周期内的变化是否足以在遥感信号中被检测到，此前缺乏足够的实地验证。

因此，本研究旨在填补这一关键的知识空白。研究团队提出，高光谱叶片反射率可以作为一种高效、准确的工具，来监测叶片年龄，并揭示叶片年龄如何作为叶片性状变异的基本驱动因素，进而调控生态系统过程和遥感观测到的冠层动态。具体研究目标包括：探究叶片光谱特性如何随年龄变化，以及这些变化与叶片形态和生化性状的关系；确定哪些光谱区域对叶片衰老最为敏感；建立基于光谱的模型来预测叶片年龄，并探究其背后的生理化学机制；评估常用植被指数对叶片年龄的敏感性，并探讨这对利用遥感监测热带森林生产力的启示。

三、 详细工作流程

1. 研究地点与对象选择： 研究地点位于秘鲁西南部亚马逊地区的坦博帕塔国家保护区内。研究对象为12棵冠层和超冠层树木，涵盖了11个不同的树种（如Licania brittoniana, Simarouba amara等），以确保叶片类型（单叶/复叶）、大小、形状、厚度和蜡质具有广泛的多样性。所有树木均为大径级、结构稳固的个体，以承受重复的攀爬采样。研究团队监测了叶片从发育、成熟到衰老的完整生命周期。基于物候观测，为所有树木设定了一个13个月（57周）的叶片生命周期模型。

2. 叶片年龄分类与采样： 研究采用了详细的叶片年龄分类系统。发育期叶片（Y1, Y2, Y3, Y/M）根据萌发后活跃伸展的周数（1、2、3、4周）划分。成熟期叶片（M）为完全长成、结构发育完全、呈深绿色的叶片。衰老期包括老叶（O），即生命周期末期、出现衰老迹象的叶片；以及衰老叶（S），即正在死亡和脱落的叶片。研究共采集了1099片不同年龄的叶片，构建了一个覆盖整个叶片生命周期的平衡数据集。为确保光谱测量质量，采样时避开了有附生植物或坏死斑的叶片区域。

3. 叶片形态与生化性状测量： 研究测量了5个关键的叶片性状：单位面积叶片质量（LMA）、叶片含水量（LWC）、磷含量（Pmass）、氮含量（Nmass）和碳含量（Cmass）。这些性状与生理生态功能和光谱特征密切相关。叶片采集后，测量其鲜重、干重和面积以计算LMA和LWC。随后，将叶片样品研磨，使用标准实验室方法（未详述具体方法，但指出在亚利桑那大学完成化学分析）测定P、N、C的含量。

4. 叶片光谱测量： 光谱测量是本研究的核心环节。从每个年龄等级中随机选择15-30片叶片进行光谱分析。使用野外光谱仪（ASD FieldSpec Pro）和接触式探头进行测量，光谱范围覆盖350-2500纳米。为了获得高质量、校准后的光谱数据，研究制定了严格的测量协议：每5分钟优化一次光谱仪；为每片叶片测量前使用标准白板（Spectralon）进行白参考校正；每次测量采集25条光谱、暗电流和白参考的平均值以提高信噪比；使用定制的测量块，确保接触式探头能紧贴叶片且无光线泄露。对每片叶片采集并平均4个反射率测量值。最终，光谱数据在两端（<412 nm和>2450 nm）进行了修剪。

5. 数据分析流程： 研究采用了多层次的数据分析方法：

   • 性状-年龄关系分析： 对每棵有多个年龄等级数据的树，使用回归分析探究每个叶片性状（取对数后）与叶片年龄的关系，利用AIC和R²值确定最佳拟合模型。
   • 光谱-年龄可视化与变异分析： 计算各年龄等级的平均反射光谱，并绘制光谱曲线，直观展示年龄对光谱的影响。同时，计算反射率的变异系数，以评估各光谱区域的年龄相关变异程度。
   • 光谱年龄模型构建： 采用偏最小二乘回归（PLSR）建模方法。这是处理高维、共线性预测变量（2151个波长）的标准化学计量学方法。研究将数据随机分为70%的校准集和30%的独立验证集，并通过100次重复的10折交叉验证确定最优潜变量数量。模型性能通过R²和均方根误差（RMSE）以及百分比RMSE（%RMSE）来评估。分别在单棵树层面（8棵树）和整个群落层面（12棵树）构建了PLSR模型。
   • 性状年龄模型构建与比较： 使用逐步（向前）多元回归，以5个叶片性状为预测变量，构建叶片年龄的经验模型。将此模型与光谱PLSR模型的性能进行比较，并探究叶片性状对光谱年龄模型的贡献。
   • 光谱-年龄与光谱-性状模型的协方差分析： 通过回归分析，比较PLSR模型中叶片年龄与各叶片性状的权重系数，揭示光谱年龄模型背后的生理化学机制。
   • 植被指数分析： 利用单个叶片的光谱数据，计算了一系列常用植被指数，包括：用于测量绿度的宽带NDVI/EVI2、窄带NDVI/EVI2、红边NDVI/EVI2；用于测量水分含量的归一化差异水分指数（NDWI）；以及用于测量光能利用效率的光合反射指数（PRI）。计算了每个年龄等级在单棵树层面和群落层面的平均值和置信区间，量化了植被指数随年龄的变化百分比。

四、 主要研究结果

1. 叶片性状随年龄的变化： 研究结果显示，LWC和Pmass随叶片年龄增加呈单调对数下降，而LMA则呈单调对数上升，这些趋势在所有个体树和整个群落层面都非常显著（R²范围分别为0.65-0.⁹³⁄₀.73， 0.60-0.⁹³⁄₀.44， 0.62-0.⁹⁴⁄₀.40）。Nmass和Cmass与年龄的关系则表现出树种的依赖性：Nmass在不同树种中呈对数或线性增加或减少；Cmass则保持稳定，或线性增加，或对数减少。这表明，重建LWC、LMA和Pmass的生命史是可能的，且单一校准模型可能足够；而为Nmass和Cmass建立通用模型则更具挑战性。

2. 叶片光谱特性随年龄的变化： 研究发现，叶片反射率随年龄发生显著且规律性的变化。主要模式包括：在可见光区（特别是550nm绿峰），反射率先随叶片发育（叶绿素积累）而下降，成熟后随衰老（叶绿素分解）而上升。在近红外区（700-1400 nm），低蜡质叶片反射率随叶片结构发育单调增加直至成熟，而高蜡质叶片的变化较小；衰老期所有叶片的近红外反射率（700-850 nm）均发生显著“塌陷”（下降3-10%），这是由于细胞结构瓦解导致的光散射减少。在短波红外区（1450-2500 nm），反射率主要受水分吸收控制，低蜡质叶片反射率随LWC下降而单调增加，高蜡质叶片的变化则被蜡质掩盖，直至衰老才显现。此外，红边位置随叶片发育向长波方向移动，随衰老向短波方向移动。

3. 光谱年龄模型的预测能力： PLSR模型在预测叶片年龄方面表现出极高的准确性和精度。在单棵树层面，模型R²高达0.91-0.98，%RMSE为10-27。在跨越12个树种、包含多种叶片类型的群落层面，模型仍然非常稳健，R²达到0.86，%RMSE为33。这表明，利用高光谱数据可以准确地将叶片分类为年轻、成熟和衰老等年龄等级。

4. 性状年龄模型与光谱模型的机制关联： 逐步回归分析表明，LWC是预测叶片年龄最重要的单一性状（R² = 0.73），其次是Pmass和LMA。由于LMA与LWC高度负相关，LMA的大部分贡献已包含在LWC中。比较而言，光谱PLSR模型比任何单一或多个性状组合的模型都更强大。对PLSR权重系数的分析进一步证实，叶片年龄与LWC的权重在多个潜变量上都具有最强的相关性（R² = 0.53–0.91），其次是与LMA和Pmass。这为光谱年龄模型提供了坚实的生理化学基础：光谱模型中年龄相关的关键系数峰值正好对应了水分吸收特征（970， 1450， 1940 nm）、与叶片结构相关的近红外区域（700-850 nm）、以及与光合色素和含氮化合物相关的可见光和短波红外区域。

5. 植被指数对叶片年龄的敏感性： 所有分析的植被指数均在叶片层面表现出年龄依赖性。NDWI对年龄高度敏感，随年龄增长持续下降。绿度指数（NDVI/EVI2）和PRI则先随叶片发育而增加（从最年轻到成熟），随后在衰老期下降。在绿度指数中，红边衍生的NDVI和EVI2对叶片年龄信号最为敏感，在群落层面，最年轻和最衰老叶片相对于成熟叶片的下降幅度分别达到47%/33%和18%/18%。PRI的变化最为剧烈，在最年轻和最衰老叶片中，其值相对于成熟叶片分别平均下降了167%和200%。这一发现尤为重要，因为它表明传统的宽带植被指数可能遗漏了对年龄最敏感的红边光谱信息。

五、 研究结论与意义

本研究首次系统地证明了叶片年龄是亚马逊冠层树木叶片形态、生化及光谱性状变异的关键驱动因子。叶片年龄引起的性状变异，其幅度可能与物种内及物种间的变异相当，这挑战了以往对叶片性状变异来源的理解。

研究提出的基于高光谱反射率的PLSR模型，为在低地热带森林中预测和监测叶片年龄提供了一种简单、高效且准确的新方法。这一方法不仅有助于理解物种内的性状变异，也为未来通过遥感追踪森林冠层叶片物候（如新叶爆发和衰老的动态）开辟了新的可能性。

最重要的是，研究通过直接的叶片级测量证实，常用植被指数（NDVI， EVI2， NDWI， PRI）对叶片年龄高度敏感。特别是PRI和NDWI的敏感性，以及绿度指数在叶片生命周期中的变化模式（干季新叶成熟导致指数值升高，衰老叶导致指数值降低），为解释亚马逊森林干季冠层“变绿”的遥感现象提供了强有力的机理性证据。研究表明，冠层光谱信号的季节性变化在很大程度上可能受到叶片年龄分布变化的驱动，而不仅仅是叶面积指数的变化。

六、 研究亮点

1. 研究对象的独特性与系统性： 这是首次在自然（原位）条件下，对亚马逊冠层和超冠层树木的叶片，从其发育、成熟到衰老的完整生命周期，进行形态、生化和高光谱特性的综合性研究。样本覆盖了广泛的叶片类型和性状范围。
2. 方法的创新性与严谨性： 成功开发并验证了基于高光谱数据的PLSR模型来预测叶片年龄，该方法预测精度高，并揭示了其与关键生理性状（尤其是LWC）的内在联系。野外光谱测量协议严谨，确保了数据的高质量。
3. 发现的科学重要性： 明确将叶片年龄确立为解释叶片性状和光谱变异的核心轴，为理解热带森林物候、生理和遥感观测之间的关系建立了关键桥梁。研究结果直接支持了“叶片物候驱动遥感季节性信号”的假说，为解决长期争议提供了关键证据。
4. 跨学科的融合价值： 该研究完美地融合了野外生态学、植物生理化学、高光谱测量技术和化学计量学建模，是跨学科研究的典范，其结论对生态学、全球变化科学和遥感应用领域均有重要启示。

七、 其他有价值内容

研究还附带了两篇姊妹论文，分别深入探讨了叶片年龄作为亚马逊冠层树种内性状变异的基本驱动因素，以及在另一个亚马逊森林站点（巴西）和不同光照条件（阳生叶与阴生叶）下测试本研究所开发光谱年龄模型的普适性。这表明本研究是一个更广泛研究计划的一部分，其结论正在得到进一步验证和拓展。此外，研究中关于叶片蜡质程度影响近红外和短波红外光谱年龄信号的观察，为未来模型校准和遥感解译提供了重要的细化方向。