Foliar spectra accurately distinguish most temperate tree species and show strong phylogenetic signal
Notice bibliographique
Résumé
PREMISE: Spectroscopy is a powerful remote sensing tool for monitoring plant biodiversity over broad geographic areas. Increasing evidence suggests that foliar spectral reflectance can be used to identify trees at the species level. However, most studies have focused on only a limited number of species at a time, and few studies have explored the underlying phylogenetic structure of leaf spectra. Accurate species identifications are important for reliable estimations of biodiversity from spectral data. METHODS: Using over 3500 leaf-level spectral measurements, we evaluated whether foliar reflectance spectra (400-2400 nm) can accurately differentiate most tree species from a regional species pool in eastern North America. We explored relationships between spectral, phylogenetic, and leaf functional trait variation as well as their influence on species classification using a hurdle regression model. RESULTS: Spectral reflectance accurately differentiated tree species (κ = 0.736, ±0.005). Foliar spectra showed strong phylogenetic signal, and classification errors from foliar spectra, although present at higher taxonomic levels, were found predominantly between closely related species, often of the same genus. In addition, we find functional and phylogenetic distance broadly control the occurrence and frequency of spectral classification mistakes among species. CONCLUSIONS: Our results further support the link between leaf spectral diversity, taxonomic hierarchy, and phylogenetic and functional diversity, and highlight the potential of spectroscopy to remotely sense plant biodiversity and vegetation response to global change.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».