Des mesures spectrales permettant d’estimer la teneur en éléments nutritifs des feuilles des arbres forestiers

La santé générale des forêts peut être estimée à partir de la teneur en micro et macronutriments des feuilles des arbres, ce qui permet d’éclairer les décisions de gestion forestière à la lumière du changement climatique, de la disparition des espèces et d’autres variables. Les méthodes traditionnelles d’évaluation des niveaux de nutriments dans les forêts sont coûteuses et nécessitent beaucoup de travail.

Des chercheurs ont récemment analysé les spectres réfléchis par le feuillage des arbres pour estimer avec précision les nutriments des feuilles, offrant ainsi une méthode plus rapide et à plus grande échelle pour évaluer la santé des forêts.

Les méthodes de terrain consistant à collecter des échantillons de feuilles puis à mesurer la teneur en éléments nutritifs du feuillage en laboratoire prennent du temps. De nouvelles méthodes plus rapides sont nécessaires pour estimer la santé des forêts à mesure que le changement climatique modifie les conditions de croissance.

Pour résoudre ce problème, une équipe de chercheurs de l’Université du Massachusetts et de l’Université de Virginie a analysé la lumière réfléchie (spectres) sur une large gamme de longueurs d’onde provenant du feuillage des forêts pour déterminer avec précision les concentrations de calcium (Ca), de magnésium (Mg), de potassium (K), de phosphore (P), de manganèse (Mn) et de zinc (Zn) dans les feuilles.

L’équipe publié l’étude du 27 juin dans le Journal de télédétection.

Plus précisément, les chercheurs ont mesuré la lumière réfléchie à des longueurs d’onde de 400 à 2 450 nanomètres (nm, 1,0 x 10-9 m) pour évaluer les concentrations de nutriments. L’équipe a pu identifier les meilleures longueurs d’onde pour mesurer chaque nutriment analysé grâce à une régression des moindres carrés partiels (PLSR). La PLSR est particulièrement bien adaptée à la gestion de variables indépendantes hautement corrélées, comme la réflectance individuelle sur un spectre continu.

« Le modèle PLSR développé a prédit les nutriments des plantes avec une précision modérée à élevée pour les macro- et micronutriments dans les forêts de feuillus tempérées du nord-est des États-Unis. Les mesures spectrales combinées à la sélection de longueurs d’onde et aux modèles PLSR peuvent être utilisées pour quantifier les macro- et micronutriments foliaires à l’échelle régionale et peuvent être encore améliorées en incorporant les matériaux géologiques du site et les genres d’arbres », a déclaré Qian Yu, professeur associé en sciences de la Terre, de la géographie et du climat à l’Université du Massachusetts-Amherst et auteur correspondant de l’article de recherche.

Les chercheurs ont réalisé que leur capacité à utiliser avec précision les spectres pour déterminer le niveau de nutriments du feuillage des arbres pourrait être considérablement améliorée en prenant en compte le type de sol dans lequel les arbres poussent. Notamment, cette variable est souvent négligée lors de l’évaluation de la composition nutritionnelle des feuilles des arbres.

L’équipe a mesuré les nutriments foliaires Ca et P des arbres dans quatre types de sol : till glaciaire grossier, fluvioglaciaire, till de fonte et épandage. En tenant compte du type de sol, les chercheurs ont amélioré la précision de leur analyse des nutriments PLSR de R2 = 0,66 à R2 = 0,87 (un R2, ou coefficient de détermination, égal à 1,0 indique que toute variation observée est due à des différences dans la variable indépendante, ou mesures spectrales).

Les différents sols ont des effets plus ou moins importants sur le Ca et le P. Le sol a peu d’effet sur les concentrations de Ca, par exemple, mais tend à affecter le P dans une plus grande mesure. Les sols de délavage ont également fourni les prévisions les plus précises pour les nutriments Ca et P. Le Ca est un nutriment limitant dans les forêts qui joue un rôle important dans la structure des plantes, la signalisation chimique et comme cofacteur enzymatique qui modifie l’efficacité des enzymes.

Le genre d’arbre a également eu un impact sur la précision des prévisions de la concentration en éléments nutritifs du feuillage. En fait, l’analyse des données spectrales basées sur les genres d’arbres a amélioré la précision des prévisions en éléments nutritifs encore mieux que la composition du sol. Le genre d’arbre a amélioré la précision de la prévision du Ca de R2 = 0,66 à R2 = 0,91 et R2 = 0,93 pour les genres Fagus (hêtre) et Quercus (chêne), respectivement. L’équipe a également analysé les données spectrales pour les genres Acer (érable) et Betula (bouleau).

L’équipe de recherche suggère que des genres d’arbres spécifiques influencent probablement les nutriments du feuillage, car les mécanismes physiologiques responsables de l’acquisition et du transport des nutriments sont génétiquement contrôlés et propres à chaque genre. De plus, certains genres d’arbres peuvent nécessiter des nutriments individuels plus que d’autres genres qui peuvent être plus adaptés à un sol particulier, ce qui entraîne des différences dans l’absorption des nutriments.

En fin de compte, l’équipe de recherche espère que sa nouvelle technique d’évaluation spectrale sera appliquée avec succès à d’autres forêts de feuillus pour éclairer les décisions importantes en matière de gestion forestière.

« La méthode présentée dans cet article est prometteuse pour l’évaluation à grande échelle des nutriments des plantes et peut réduire les coûts des approches traditionnelles basées sur le terrain », a déclaré Wenxiu Teng, candidat au doctorat en sciences de la Terre, de la géographie et du climat à l’Université du Massachusetts-Amherst et premier auteur de l’article.

Plus d’informations :
Wenxiu Teng et al., Prédiction des concentrations de nutriments foliaires dans les matériaux géologiques et les genres d’arbres dans le nord-est des États-Unis à l’aide de modèles de régression par réflectance spectrale et par moindres carrés partiels, Journal de télédétection (2024). DOI : 10.34133/remotesensing.0093

Fourni par le Journal of Remote Sensing

ph-tech