本研究由来自香港理工大学土地测量及地理资讯学系的Tahir Sattar、Majid Nazeer、Man Sing Wong、Xiaolin Zhu以及英国朴茨茅斯大学地理系的Janet Elizabeth Nichol共同完成。通讯作者为Majid Nazeer。该研究成果于2026年1月2日在线发表于Science of Remote Sensing期刊第13卷。

一、研究背景与目标

红树林（mangroves）是生长在潮间带的耐盐植物，为海岸带提供保护、为动植物提供栖息地并参与营养循环等关键生态系统服务。然而，由于红树林物种多样性较低但生理结构复杂，对其叶片属性及动态变化的科学研究一直面临巨大挑战。高光谱成像（Hyperspectral Imaging, HSI）技术的兴起为此提供了新的可能，它能够通过数百个窄光谱波段探测植被的精细生化与结构特征。当前，尽管星载和机载高光谱传感器有所发展，但缺乏一个全面的、考虑叶片不同表面、不同衰解阶段及不同物种的高光谱数据库，尤其是针对香港红树林的精细光谱库。为填补这一空白，本研究设定了三个主要目标：一是整合在香港野外和实验室采集的多种红树林物种的高光谱数据集；二是开发一个开放获取的、包含叶片近轴面（adaxial）和远轴面（abaxial）在不同衰解阶段光谱特征的综合性光谱库；三是探索高光谱成像在红树林胁迫研究中的潜力。

二、研究流程与实验方法

整个研究流程具体可分为六个核心环节：研究样地设置、野外高光谱数据采集、实验室高光谱与叶片衰解监测数据采集、红树林健康状态数据采集、数据处理与光谱提取、以及光谱库构建与数据对比分析。 首先，研究团队在香港东部和西部的红树林区域共选定了15个样地（每个样地面积为900平方米），这些样地的选择是在与香港渔农自然护理署（AFCD）及世界自然基金会香港分会等机构密切合作下完成的，以确保生态系统的安全与可达性。研究共采集了五种真正的红树林物种，分别是：*Ceriops tagal*（角果木）、*Kandelia obovata*（秋茄）、*Avicennia marina*（白骨壤）、*Avicennia germinans*（黑皮红树）以及*Aegiceras corniculatum*（桐花树）。 在野外高光谱数据采集环节，团队使用了一款名为Specim IQ的手持式高光谱相机。该相机在400至1000纳米波段内能获取204个波段的数据，光谱分辨率为7纳米。数据采集时，为保证稳定性和避免阴影干扰，相机被固定在三脚架上，每个样地被分为四个象限，各拍摄一幅高光谱图像，并在场景中放置标准白板用于辐射定标。 在实验室高光谱数据采集环节，团队从样地树上小心采摘超过30片健康叶片，置于黑色密封袋中避光保存，并在4小时内运抵实验室。随后，使用Norsk Elecktro Optikk生产的Neo HySpex高光谱成像系统进行扫描。该系统包含VNIR-1800（400-1000纳米）和SWIR-384（1000-2500纳米）两个传感器，光谱分辨率分别高达3.26纳米和6纳米。实验室扫描在暗室中进行，以卤素灯为唯一光源，对叶片的近轴面和远轴面分别成像。为捕捉叶片衰解过程中的光谱动态变化，实验设定了三个时间点的扫描：第1天（新鲜叶片）、第3天和第7天。 此外，研究团队还使用了LI-COR LI-600便携式叶绿素荧光仪/气孔计，在每个样地中选取20棵树，每棵树采集10片叶片（上下冠层各5片），共计每样地200片叶片，实地测量了最大荧光、叶片温度、气孔导度、电子传递速率等关键生理属性，用以评估红树林的真实健康状况。 数据处理与分析阶段包含了多个关键步骤。Specim IQ获取的数据通过其内置算法自动完成暗电流消除，并通过经验线校正法，利用图像中的白板辐亮度将辐射数据转换为反射率数据。Neo HySpex获取的原始数据则需通过“HySpex RAD”软件，结合自定义的白板起始帧信息，将原始图像校正为反射率图像。随后，在ENVI 6.1软件中为图像中被阳光直射的叶片、荫蔽叶片、近轴面及远轴面分别创建感兴趣区（ROI），并提取平均光谱反射率。 为了对比野外与实验室传感器数据，研究采用了线性插值法将以Specim IQ的波长与Neo HySpex的波长进行匹配（以HySpex波长为基准），并计算了均方根误差（RMSE）和皮尔逊相关系数（R）进行验证。最后，研究利用Tableau Public软件开发了一个具有可交互界面的高光谱数据库，用户可通过颜色、线型等筛选器查看不同物种、不同健康状况下的光谱特征。同时，为评估不同样地间光谱的相似性，研究还采用了Ward最小方差法对第1天采集的近轴面光谱数据进行了层次聚类分析（Hierarchical Cluster Analysis）。

三、主要研究结果

研究首先揭示了红树林物种叶片在受到直射光和荫蔽情况下的光谱特征差异。所有五个物种的受光叶片在可见光至近红外区域的光谱反射率均高于荫蔽叶片，这种差异在近红外区域尤为显著。受光叶片在680至750纳米范围内的“红边”斜率更陡峭，表明其拥有更高的叶绿素浓度和更致密的栅栏组织，光合活性更强。值得注意的是，地理位置也影响了这种生理活性：生长在香港西部的白骨壤（*Avicennia marina*）、黑皮红树（*Avicennia germinans*）和桐花树（*Aegiceras corniculatum*）的近红外反射率普遍高于东部呈散生状态的角果木（*Ceriops tagal*）和秋茄（*Kandelia obovata*），这暗示香港西部的红树林光合作用效率更高。 其次，叶片衰解实验清楚地显示，从第1天到第7天，所有物种叶片的整体光谱反射率随时间增加呈现出上升趋势，尤其在700至1300纳米的近红外区域更为明显。这主要归因于离体叶片中叶绿素降解和水分流失。不同物种的衰解速率存在差异：角果木（*Ceriops tagal*）因其较厚的叶片结构，衰解相对缓慢；而白骨壤（*Avicennia marina*）的叶片衰解速度最快，其光谱变化也最为显著。在比较叶片表面时，所有物种的近轴面（上表面）反射率均低于远轴面（下表面），这是由于近轴面富含栅栏细胞，对光的吸收更强。 第三，在对比Specim IQ（野外）和Neo HySpex（实验室）两种高光谱成像系统的数据时，研究发现两者存在显著但可量化的差异。野外采集的光谱反射率系统性地高于实验室采集的数据，总体偏高的比例从秋茄（*Kandelia obovata*）的11.8%到桐花树（*Aegiceras corniculatum*）的73.1%不等。五个物种光谱间的均方根误差（RMSE）介于0.211至0.349之间，表明存在中等程度的偏离，这些差异在700-850纳米波段尤为突出。进一步的F检验证实，该波段内部分物种的野外与实验室光谱特性确实存在统计学意义上的显著差异。研究还通过在多个特征波长（443，490，531，565，610，665，705，865 纳米）上建立线性回归方程，搭建了两套传感器数据互相转换的桥梁。 第四，波段特定位点的精细分析进一步印证了衰解过程中的生化变化。在450纳米（叶绿素吸收）和720纳米（红边）处，多数物种近轴面的反射率随时间显著上升，指示了光合色素的降解；而在1450纳米和1950纳米（水分吸收）处的反射率升高，则确切反映了叶片在衰解过程中的水分流失和细胞结构破坏。这种动态变化在白骨壤（*Avicennia marina*）和秋茄（*Kandelia obovata*）上体现得尤为剧烈。 第五，层次聚类分析成功地将光谱特征相似的同种样地聚集在一起，例如所有桐花树（*Aegiceras corniculatum*）样地聚为一类。聚类结果也显示，属于同一科（爵床科）的白骨壤（*Avicennia marina*）和黑皮红树（*Avicennia germinans*）在光谱上具有高度的亲缘性，被归为近邻群组，证明了光谱信息在物种鉴别和揭示生态亲缘关系上的潜力。

四、结论与研究价值

本研究的核心成果是成功建立了一个全面、开放获取的香港红树林高光谱数据库。该库主要包含野外高光谱库和实验室高光谱库两大部分，覆盖了五个主要红树林物种，并详细记录了在连续七天衰解过程中，叶片近轴面、远轴面、受光及荫蔽状态下的完整光谱反射率特征。 研究的科学价值在于，它系统性地量化了红树林因物种、叶片表面（近轴与远轴面）、光照条件（受光与荫蔽）以及衰解时间而产生的微妙光谱差异，将宏观的光谱响应与微观的叶绿素降解、水分流失和叶片结构解剖学变化联系起来，为理解红树林生化过程提供了非破坏性的高光谱监测依据。其应用价值则在于，这个光谱库可直接作为训练数据集，用于优化机器学习或深度学习算法，实现红树林物种的自动化、高精度分类，并为利用机载或星载高光谱影像进行大范围的红树林健康监测和胁迫评估奠定了坚实的地面真值基础。该研究也明确指出，为了更精准地理解叶片衰解与光谱变化的关系，未来研究应整合氮、磷、钾等营养元素含量的评估。

五、研究亮点

本研究的亮点主要体现在三个方面：首先，在数据集的全面性上，它首次为香港红树林创建了同时涵盖野外与实验室环境、叶片正反面与光照差异、以及精密时间序列衰解过程的多维度、精细光谱库。其次，在方法学上，该研究对Specim IQ和Neo HySpex这两款不同层级与采集环境的高光谱相机进行了系统性对比，不仅揭示了环境光照与测量条件对光谱的重大影响，还通过线性回归方程提供了不同系统间数据转换的实用工具。最后，通过对红树林衰解过程长达七天的连续光谱监测，研究成功捕捉并解析了物种特异性的叶片衰解动态模式，证明了地面高光谱技术是无人机或卫星遥感的必要且不可替代的补充，能够揭示后者无法感知的精细生理与解剖结构变化。