Journal Article

Reflectance spectroscopy allows rapid, accurate and non‐destructive estimates of functional traits from pressed leaves

Cavender‐Bares, Jeannine, Kothari, Shan, Laliberté, Etienne, Beauchamp‐Rioux, Rosalie

2023

Overview

More than ever, ecologists seek to employ herbarium collections to estimate plant functional traits from the past and across biomes. However, many trait measurements are destructive, which may preclude their use on valuable specimens. Researchers increasingly use reflectance spectroscopy to estimate traits from fresh or ground leaves, and to delimit or identify taxa. Here, we extend this body of work to non‐destructive measurements on pressed, intact leaves, like those in herbarium collections. Using 618 samples from 68 species, we used partial least‐squares regression to build models linking pressed‐leaf reflectance spectra to a broad suite of traits, including leaf mass per area (LMA), leaf dry matter content (LDMC), equivalent water thickness, carbon fractions, pigments, and twelve elements. We compared these models to those trained on fresh‐ or ground‐leaf spectra of the same samples. The traits our pressed‐leaf models could estimate best were LMA (R2 = 0.932; %RMSE = 6.56), C (R2 = 0.855; %RMSE = 9.03), and cellulose (R2 = 0.803; %RMSE = 12.2), followed by water‐related traits, certain nutrients (Ca, Mg, N, and P), other carbon fractions, and pigments (all R2 = 0.514–0.790; %RMSE = 12.8–19.6). Remaining elements were predicted poorly (R2 < 0.5, %RMSE > 20). For most chemical traits, pressed‐leaf models performed better than fresh‐leaf models, but worse than ground‐leaf models. Pressed‐leaf models were worse than fresh‐leaf models for estimating LMA and LDMC, but better than ground‐leaf models for LMA. Finally, in a subset of samples, we used partial least‐squares discriminant analysis to classify specimens among 10 species with near‐perfect accuracy (>97%) from pressed‐ and ground‐leaf spectra, and slightly lower accuracy (>93%) from fresh‐leaf spectra. These results show that applying spectroscopy to pressed leaves is a promising way to estimate leaf functional traits and identify species without destructive analysis. Pressed‐leaf spectra might combine advantages of fresh and ground leaves: like fresh leaves, they retain some of the spectral expression of leaf structure; but like ground leaves, they circumvent the masking effect of water absorption. Our study has far‐reaching implications for capturing the wide range of functional and taxonomic information in the world’s preserved plant collections. Résumé Plus que jamais, les écologistes cherchent à utiliser des collections d'herbiers pour estimer les traits fonctionnels des plantes dans le passé et à travers des biomes. Cependant, plusieurs mesures de traits sont destructives et pourraient ne pas être effectuées sur des spécimens de grande valeur. De plus en plus, les chercheuses et chercheurs utilisent la spectroscopie de réflectance pour estimer des traits des feuilles fraîches ou broyées, et pour délimiter ou identifier les espèces. Nous étendons ici ces travaux en réalisant des mesures non‐destructives avec des feuilles entières et pressées. À partir de 618 échantillons provenant de 68 espèces, nous avons utilisé la régression des moindres carrés partiels pour construire des modèles liant les spectres de réflectance des feuilles pressées avec un large ensemble de traits, incluant la masse foliaire spécifique (‘leaf mass per area,’ LMA), la teneur en matière sèche des feuilles (‘leaf dry matter content,’ LDMC), l'épaisseur d'eau équivalente, les fractions de carbone, des pigments et douze éléments. Nous avons comparé ces modèles à ceux entraînés sur les spectres des feuilles fraîches ou broyées provenant des mêmes échantillons. Les traits les mieux estimés par nos modèles sur des feuilles pressées étaient la LMA (R2 = 0.932; %REQM = 6.56), le carbone (R2 = 0.855; %REQM = 9.03) et la cellulose (R2 = 0.803; %REQM = 12.2), suivis des traits liés à l'eau, de certains éléments nutritifs (Ca, Mg, N et P), des autres fractions de carbone et des pigments (tous les R2 = 0.514–0.790; %REQM = 12.8–19.6). Les autres éléments nutritifs ne pouvaient pas être bien estimés (R2 < 0.5, %RMSE >20). Pour la plupart des traits chimiques, les modèles sur des feuilles pressées étaient plus performants que ceux de feuilles fraîches, mais moins performants que ceux à partir de feuilles broyées. Les modèles sur des feuilles pressées performaient moins bien que ceux sur des feuilles fraîches pour estimer la LMA et la LDMC, mais performaient mieux que ceux sur des feuilles broyées pour la LMA. Finalement, pour un sous‐ensemble d'échantillons, nous avons utilisé l'analyse discriminante des moindres carrés partiels et réussi à classifier les spécimens parmi 10 espèces avec une précision presque parfaite (>97%) à partir des spectres des feuilles pressées ou broyées, et avec une précision légèrement plus basse (>93%) à partir de feuilles fraîches. Nos résultats démontrent que l'application de la spectroscopie sur des feuilles pressées est une approche non‐destructive prometteuse pour estimer des traits fonctionnels et pour identifier des espèces. Les spectres des feuilles pressées semblent combiner les avantages des feuilles fraîches et de celles broyées: comme les feuilles fraîches, elles conservent une partie de l'expression spectrale de la structure foliaire; comme les feuilles broyées, elles contournent l'effet masquant de l'absorption par l'eau. Notre étude a des implications importantes pour l'acquisition de données fonctionnelles et taxonomiques à partir des collections de plantes préservées à travers le monde.

• Publisher: John Wiley & Sons, Inc,Wiley
• Subject: Absorption / Accuracy / Biodiversity / Calcium / Carbon / Cellulose / Datasets / Discriminant analysis / Dry matter / Ecology / Flowers & plants / Fourier transforms / functional traits / herbarium collections / leaf chemistry / Leaves / Magnesium / Nutrients / partial least‐squares regression (PLSR) / Phylogenetics / Pigments / Radiation / Reflectance / reflectance spectroscopy / Regression analysis / Species classification / species identification / Spectra / Spectroscopy / Spectrum analysis / Water absorption