本篇学术报告基于一篇发表在《Ecological Indicators》期刊上的原创研究论文。该论文题为《Discriminating trees species from the relationship between spectral reflectance and chlorophyll contents of mangrove forest in Malaysia》，发表于2020年，具体卷期为第111卷，文章编号为106024。该研究的主要作者为A.W. Zulfa和K. Norizah等人，其所属机构包括马来西亚博特拉大学（Universiti Putra Malaysia）的林学院、热带林业与林产品研究所，以及马来西亚森林研究所（FRIM）和博特拉大学理学院。通讯作者为K. Norizah。
该研究属于生态学与遥感科学的交叉领域，具体关注红树林生态系统的物种遥感识别。红树林是极具生态价值但日益受威胁的生态系统，对其进行精确的物种制图与监测至关重要。然而，利用遥感技术对红树林进行单种级别的精细分类一直面临巨大挑战。学界普遍认为，红树植物叶片因含有高浓度的叶绿素，在可见光波段（400-700 nm）的反射率很低，导致不同物种间的光谱差异微小，难以区分。此外，红树植物叶片较厚的角质层和储水组织也会影响传感器的反射信号接收。因此，传统的多光谱遥感影像在红树林物种分类上精度有限。
为克服这一难题，学界开始探索利用窄波段高光谱数据和先进算法。该研究正是在此背景下展开，其核心科学问题在于：是否能够通过手持式光谱辐射计实地测量的叶片高光谱数据，来有效区分那些因高叶绿素浓度而普遍呈现低反射率的红树林树种？该研究的主要目的有二：其一，识别并确定能够有效判别马来西亚马当红树林保护区（Matang Mangrove Forest Reserve，MMFR）内不同红树物种的最有效波段和光谱区域；其二，探究叶片光谱反射率与叶绿素含量之间的关系，并评估将两者结合用于树种分类的潜力。
该研究的实施流程系统而严谨，主要包含野外数据采集、实验室叶绿素分析和数据分析三个核心环节。
1. 研究区域与野外光谱及样本采集
研究地点位于马来西亚半岛北部的马当红树林保护区（MMFR），这里是马来西亚半岛面积最大的红树林，总面积达40,288公顷。研究团队在保护区内四个行政边界不同的区域（Kuala Gula、Kuala Sepetang、Kuala Trong和Sungai Kerang）进行了实地数据采集。采样时间集中在2016年3月28日至4月8日。研究对象涵盖了MMFR工作规划中列出的主要红树物种，共计19种，但来自70棵单个树木的样本量并不均等，部分物种因潮汐和泥泞环境难以定位而样本较少。采样时，为确保叶片光合作用充分，选择在晴朗天气的上午11点至下午2点之间，使用长杆采集每棵树冠层上部五片成熟叶片。叶片样本被立即运送至当地临时站点，在20分钟内使用一台分析光谱设备（Analytical Spectral Devices, ASD）的FieldSpec 3光谱辐射计进行电磁反射率测量。该设备通过三脚架固定并连接笔记本电脑进行光谱曲线分析。测量时，将叶片置于手持式探头下，每次测量取三次读数的平均值，每个冠层共测量五次。为确保测量一致性，每次使用前均使用白色Spectralon参考板对仪器进行校准。测量获取的原始光谱范围为350-2500纳米，共976个波段。为减少系统噪声和相邻波段间冗余，研究将波段按10纳米间隔进行比例化处理，最终得到216个波段用于分析。测量后，叶片样本被立即放入塑料袋并置于冰上，带回实验室进行叶绿素分析。
2. 实验室叶绿素含量测定
3. 数据分析流程
数据分析遵循了“先筛选，后判别”的流程。首先，研究采用了一系列单因素方差分析（One-way ANOVA），以19个红树物种为自变量，分别检验光谱辐射计获取的每个波段反射率在不同物种间是否存在显著差异。检验的置信水平设定为极高的99.99%。只有通过该显著性检验的波段才会进入下一步分析。
随后，研究采用线性判别分析（Linear Discriminant Analysis, LDA）对筛选出的显著波段进行降维和分类，旨在识别出最能区分物种的潜在重要波段。LDA的置信水平设定为95%。为了精细评估不同电磁波谱区域的能力，LDA被分别应用于四个光谱区域：可见光区域（VIS，400-700 nm）、近红外区域（NIR，701-1000 nm）、短波红外区域一（SWIR-1，1001-1830 nm）和短波红外区域二（SWIR-2，1831-2500 nm）。最后，研究将LDA筛选出的重要波段与实验室测定的叶片叶绿素含量（基于a645吸光度的总叶绿素浓度）进行回归分析，建立两者之间的关系模型。
1. 波段显著性检验与判别分析结果
初步的叶片反射率曲线显示，所有红树物种在可见光区域（小于700 nm）均表现出低反射率，在近红外区域反射率急剧上升并形成平台，整体形态相似，因此需要进行统计检验以发现细节差异。单因素方差分析的结果成功识别出在不同地理区域具有显著差异的大量波段。例如，整个MMFR范围内有182个波段被确定为显著。通过LDA进一步提炼，研究成功判别出不同区域和不同光谱范围内的关键识别波段。具体而言，在可见光区域（VIS）识别出7个重要波段，近红外区域（NIR）识别出9个，SWIR-1区域识别出16个，SWIR-2区域识别出19个。例如，对于整个MMFR，研究发现790 nm和810 nm（NIR区域）以及1220、1600、1660 nm（SWIR-1区域）和1900、2030 nm（SWIR-2区域）为关键的判别波段。值得注意的是，SWIR区域被识别出的重要波段数量远多于可见光和近红外区域。
2. 光谱反射率与叶绿素含量的关系
该研究最核心的发现之一，是成功建立了叶片光谱反射率与叶绿素含量之间的定量关系。在19个受测物种中，有12个物种的光谱反射率与总叶绿素含量之间表现出强相关性，决定系数（R²）高达80%以上，这充分证明了将两者结合进行树种分类的坚实基础。
进一步分析揭示了更复杂的相互关系。在Sungai Kerang区域，5个物种（如*Rhizophora apiculata*、*Rhizophora mucronata*等）在可见光区域（400-700 nm）的反射率与叶绿素含量呈正相关（R² > 0.8）。这表明，这些物种在此光谱区间内，较高的反射率对应着较高的叶绿素含量，可能因为叶片吸收了相对较少的光能。然而，在Kuala Sepetang和Kuala Trong区域，则有4个物种（如*Avicennia offinalis*）表现出负相关关系，即反射率越高，叶绿素含量越低。研究推测，这可能是由于现场测量时太阳辐射不足，未能为叶片光合作用提供足够能量，导致叶片吸收了更多光能而反射率降低，使得在此情况下物种判别变得困难。这也解释了为何Kuala Sepetang和Kuala Trong区域在可见光和近红外区域未能通过LDA识别出有效判别波段。
3. 结果支撑结论的逻辑关系
高光谱数据在可见光/近红外区域的判别能力与叶绿素含量的相关性形成了互相印证。在能够通过叶绿素含量建立强相关性模型的区域（如Kuala Gula的NIR区域发现了2种相关物种，Sungai Kerang的VIS区域发现了5种），也正是LDA能够识别出有效判别波段的区域。而对于呈现负相关或无强相关性的区域，LDA则在相应光谱区域难以找到有效的判别波段。这表明，叶绿素与光谱的联动关系是红树林物种光谱可分性的生物学基础。此外，大量判别波段集中在SWIR区域，这与该区域对叶片水分状态和化学性状的高敏感性有关，暗示未来研究应更多关注SWIR区域在红树林物种制图及胁迫监测中的潜力。
该研究的主要结论是，通过将手持式光谱辐射计的现场光谱反射率测量与实验室叶片叶绿素含量测定相结合，能够为红树林树种级别的分类提供坚实的基础（R² > 0.8）。研究证明，尽管红树林普遍存在反射率低、光谱相似的问题，但通过高光谱窄波段的分析和与叶绿素含量的联动，仍然存在区分单种级别的可能性。
此研究的科学价值在于，它从机理上揭示了叶绿素含量对不同红树物种光谱反射率差异的贡献，解释了为何在某些光谱区域和条件下能够或不能有效区分物种。这一发现深化了对红树林光谱特性的认知。其应用价值则体现在为宏观遥感监测提供了重要的地面验证和理论基础。研究识别出的关键波段和光谱区域（尤其是SWIR区域），以及验证成功的“光谱-叶绿素”联动方法，可以指导未来利用更高空间和光谱分辨率的卫星或机载遥感影像，以更低的成本和更高的效率进行大范围的红树林物种组成、分布和冠层状况的制图与动态监测，从而有效支持这一关键生态系统的保护与管理工作。
本研究的亮点体现在以下几个方面：首先，核心发现的重要性在于它成功地在被认为是“困难”的高叶绿素浓度红树林中，确认了利用高光谱数据实现树种级分类的可行性，并量化了“光谱反射率-叶绿素含量”这一关系，提供了判别基础。其次，研究方法的系统性体现在其严谨的“方差分析-判别分析-生理生化分析”相结合的流程，该流程首先通过统计方法从海量高光谱数据中提取关键信息，再与生物学指标进行关联验证，为类似研究提供了方法学参考。再次，研究对象与地点的特殊性在于，研究针对的是物种多样性高（>103种）的马当红树林保护区，其研究结果对于全球其他复杂红树林生态系统具有重要的借鉴意义。最后，研究明确指出SWIR区域蕴藏着巨大的判别潜力，为未来利用该波段进行红树林水分、化学性状及物种识别的深入研究指明了方向。