Predicción de rasgos funcionales foliares de Pinus nigra y Pinus sylvestris con espectroscopía Vis-NIR
Authors
Pajares Pérez, JavierDate
2022-01-27Affiliation
Universidad de AlcaláBibliographic citation
PAJARES PÉREZ, JAVIER. Predicción de rasgos funcionales foliares de Pinus nigra y Pinus sylvestris con espectroscopía Vis-NIR. Universidad de Alcalá, 2022
Keywords
Área foliar específica
Contenido en materia seca
Espesor foliar
Espectrometría
Fenotipado masivo
Variabilidad funcional intraespecífica
Intraspecific functional variability
Leaf dry matter content
Leaf thickness
Specific leaf area
Spectrometry
Document type
info:eu-repo/semantics/masterThesis
Version
info:eu-repo/semantics/acceptedVersion
Rights
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Access rights
info:eu-repo/semantics/openAccess
Abstract
El conocimiento de los rasgos funcionales de las plantas ha resultado ser una herramienta útil para comprender sus estrategias ecológicas y sus relaciones con el ecosistema. En este contexto, la variabilidad funcional interespecífica ha sido fundamental para explicar el ensamblaje de comunidades, sin embargo, estudios recientes recalcan la importancia de la variabilidad funcional intraespecífica (ITV) para entender la diversidad de los ecosistemas y la coexistencia de las plantas, especialmente en aquellas comunidades monoespecíficas o con pocas especies. En el marco de la ITV surge el concepto de fenotipo como la integración de múltiples rasgos funcionales, resultado del ajuste ecológico de un genotipo a las condiciones del entorno. El fenotipado masivo de una comunidad puede suponer un gran reto, sin embargo, estudios recientes han planteado la construcción de modelos de calibración con espectroscopía Vis-NIR para fenotipar comunidades enteras. Basándonos en esto, este TFM planteó la construcción de modelos capaces de predecir tres rasgos funcionales foliares (espesor foliar, contenido en materia seca -LDMC- y área foliar específica -SLA-) de dos especies de pinos coexistentes a partir de los espectros de absorción lumínica obtenidos en el laboratorio. Para ello, se probaron tres algoritmos (PLS, SVM-L y RF), 11 pretratamientos quimiométricos y 7 rangos espectrales diferentes con el objetivo de probar la capacidad de predicción de los modelos, así como el algoritmo, pretratamiento y rango más eficaces para predecir cada rasgo funcional en cada especie. Los modelos construidos tuvieron una capacidad de predicción baja o muy baja en todos los casos, probablemente debido a la presencia de outliers, aunque también pudo deberse al tipo de rasgos medidos. Es, por tanto, necesario desarrollar más estudios en este campo para mejorar el conocimiento sobre esta prometedora técnica en el ámbito de la ecología. Knowledge of plant functional traits has turned out to be a useful tool to understand plant ecological strategies and their relationships with the ecosystem. In this context, interspecific trait variability has been key to explain the assembly of communities, however, recent studies emphasize the importance of intraspecific trait variability (ITV) to understand the diversity of ecosystems and the coexistence of plants, especially in those monospecific or species-poor communities. Within the framework of ITV, the concept of phenotype emerges as the integration of multiple functional traits that are the result of the ecological adjustment of a genotype to the environmental conditions. The massive phenotyping of a community is a great challenge, but recent studies have proposed the development of calibration models with Vis-NIR spectroscopy to phenotype whole communities. Based on this, this TFM proposed the development of models capable of predicting three foliar functional traits (leaf thickness, leaf dry matter content -LDMC- and specific leaf area -SLA-) of two coexisting pine species from their light absorption spectra. For this purpose, three algorithms (PLS, SVM-L and RF), 11 chemometric pretreatments and 7 different spectral ranges were tested to evaluate the prediction ability of the models, as well as the most effective algorithm, pretreatment and range to predict each functional trait in each species. Adjusted models had a low or very low prediction ability in all cases, probably due to the presence of outliers, although it could be due to the type of traits that were measured. It is, therefore, necessary to develop more studies in this field to improve knowledge about this promising technique in ecology.
Files in this item
Files | Size | Format |
|
---|---|---|---|
TFM_Pajares_Perez_2022.pdf | 1.287Mb |
|
Files | Size | Format |
|
---|---|---|---|
TFM_Pajares_Perez_2022.pdf | 1.287Mb |
|