Summary
Reflectance spectroscopy is a rapid method for estimating traits and discriminating species. Spectral libraries from herbarium specimens represent an untapped resource for generating broad phenomic datasets across space, time, and taxa.
We conducted a proof-of-concept study using trait data and spectra from herbarium specimens up to 179 yr old, alongside data from recently dried and pressed leaves. We validated model accuracy and transferability for trait prediction and taxonomic discrimination.
Trait models from herbarium spectra predicted leaf mass per area (LMA) with R
2 = 0.94 and %RMSE = 4.86%. Models for LMA prediction were transferable between herbarium and pressed spectra, achieving R
2 = 0.88, %RMSE = 8.76% for herbarium to pressed spectra, and R
2 = 0.76, %RMSE = 10.5% for the reverse transfer. Discriminant models classified leaf spectra from 25 species with 74% accuracy, and classification probabilities were significantly associated with several herbarium specimen quality metrics.
The results validate herbarium spectral data for trait prediction and taxonomic discrimination, and demonstrate that trait modeling can benefit from the complementary use of pressed-leaf and herbarium-leaf spectral datasets. These promising advancements help to justify the spectral digitization of plant biodiversity collections and support their application in broad ecological and evolutionary investigations.
Resumen
La espectroscopía de reflectancia es un método rápido para estimar rasgos y discriminar especies. Las bibliotecas espectrales generadas a partir de especímenes de herbario representan un recurso inexplorado para generar conjuntos de datos fenómicos amplios a través del espacio, el tiempo y los taxones.
Realizamos una prueba de concepto utilizando datos de rasgos y espectros de especímenes de herbario de hasta 179 años de antigüedad, junto con datos de hojas recién secadas y prensadas. Validamos la precisión de los modelos y su transferibilidad para la predicción de rasgos y la discriminación taxonómica.
Los modelos de rasgos basados en espectros de herbario predijeron la masa foliar por área (LMA) con un R
2 = 0.94 y un %RMSE = 4.86%. Los modelos de predicción de LMA fueron transferibles entre espectros de herbario y espectros de hojas prensadas, alcanzando un R
2 = 0.88 y %RMSE = 8.76% de herbario a hojas prensadas, y un R
2 = 0.76 y %RMSE = 10.5% en la transferencia inversa. Los modelos discriminantes clasificaron los espectros foliares de 25 especies con un 74% de precisión y las probabilidades de clasificación se asociaron significativamente con varias métricas de calidad de los especímenes de herbario.
Los resultados validan el uso de datos espectrales de herbario para la predicción de rasgos y la discriminación taxonómica, y demuestran que la modelación de rasgos se puede beneficiar del uso complementario de datos espectrales de hojas prensadas y de herbario. Estos avances prometedores ayudan a justificar la digitalización espectral de colecciones de biodiversidad vegetal y respaldan su aplicación en investigaciones ecológicas y evolutivas a gran escala.
