由香港大学（港大）生物科学学院吴金教授领导的国际研究团队，在利用时间序列卫星数据从太空绘制植物功能性状方面取得了可喜的进展。该研究发表在《环境遥感》杂志上，展示了Sentinel-2卫星任务及其动态时间序列能力的创新组合。这种创新方法不仅加深了对基本叶面性状的理解，为陆地生态系统的功能多样性和生态系统功能提供了重要的见解，而且还为我们提供了有效应对紧迫环境挑战的强大工具。

利用卫星进行深入观测

植物性状对于调节关键的生态系统过程至关重要，例如碳封存、空气温度调节和大规模水文调节。它们还决定了生态系统如何应对各种环境压力，最终决定了它们的健康、复原力和对气候变化的脆弱性。然而，由于现有方法的局限性，例如难以在广阔区域捕获性状以及数据可用性、性状复杂性和测量技术等问题，这些性状的大规模映射一直具有挑战性。

为了克服这些挑战，吴教授的团队利用卫星技术的力量，引入了一种结合植被光谱学和物候学的开创性方法。他们的方法利用了Sentinel-2卫星的高分辨率图像，该卫星每周以10米的分辨率捕获多光谱数据。通过分析这些卫星图像，该团队观察并记录了植物叶子的光反射，为植被的物理和生化特性提供了宝贵的见解。然后将这些观察结果与植物生命周期事件的时间进行比较，称为物候学。通过整合卫星图像和物候观测数据，该团队已经能够获得有关高维植物功能性状的全面信息。这种整合具有扩展到植物特性的其他方面的巨大潜力，例如植物健康、功能和复原力。

该方法经过了彻底和严格的测试，以评估其功效、在不同规模上的适用性以及高通量监测的潜力。该测试利用了从美国东部国家生态观测站网络（NEON）内14个地理上相距遥远的地点收集的12个叶面性状的基准数据。

第一作者、吴教授实验室的博士生刘淑雯说：“我们的方法在精细的空间尺度上有效地捕捉了植物性状的多样性，同时保持了大面积的准确性。Liu进一步解释说，他们的方法克服了其他方法的局限性，这些方法完全依赖于植物功能类型或单图像采集。

所提出的方法优于依赖环境变量或单个 Sentinel-2 图像作为预测因子的传统方法，而不需要环境变量来增强预测能力。这一发现强调了物候信息在性状预测中的重要性，并表明“叶经济学谱”理论可能是推动其技术成功的潜在机制。鉴于该模型在美国14个不同的生态系统地点中被证明是有效的，它显示出扩展到国家和全球范围的巨大前景，从而能够监测从生态系统到区域和国家层面的植物功能性状。

在展望这项研究的未来潜力时，吴教授说：“未来的研究将侧重于更广泛的验证，以充分利用这项技术在前沿基础科学中的潜力，例如了解陆地生态系统对气候变化的敏感性响应，并确定它们各自的临界点。此外，应用科学也具有巨大的潜力，特别是在探索基于自然的气候解决方案方面。

关于研究团队

香港大学全球生态与遥感（GEARS）实验室旨在揭示从树叶到全球层面等不同尺度的植被与气候相互作用的调节基本机制。它采用了多种工具，包括尖端的地理空间技术、实地观测、生态进化和生态生理学理论、地球系统模型和高性能计算。其研究目标有两个：首先，通过探索将气候、物种（功能）组成和生态系统过程联系起来的机制来推进基础科学，其次，弥合科学和技术进步之间的差距，以解决与气候变化相关的紧迫环境问题，例如森林健康监测、粮食安全、气候变化影响评估、 以及基于自然的气候变化减缓。关于《战争机器：https://wu-jin.weebly.com/

关于吴金教授

吴金是香港大学生物科学学院的助理教授，并于2019年获得国家自然科学基金委优秀青年学者（香港和澳门）奖。在此之前，他曾在布鲁克海文国家实验室担任Goldhaber杰出研究员，并在亚利桑那大学获得博士学位。他对生物多样性、保护、全球变化和可持续发展科学有着广泛的兴趣，他利用综合方法（结合遥感、人工智能和领域知识）来研究这些主题，旨在增强人们体验、理解和欣赏我们生活栖息地的方式，并激发维持我们自然生态系统的行动。他发表了 100 多篇同行评审论文，包括在《科学》、《自然》、《全球变化生物学》和《环境遥感》等著名期刊上发表。目前，他担任《生态与保护遥感》的副主编。