I dati della spettroscopia di imaging (IS) e del light detection and ranging (LiDAR) sono stati utilizzati per modellare il rapporto N: P fogliare, i macronutrienti (N, P, K, Ca, Mg) e la clorofilla in una chioma di una foresta boreale nell'Ontario settentrionale, in Canada.La misurazione dei macronutrienti e della clorofilla fogliare fornisce informazioni critiche sullo stato fisiologico e nutrizionale delle piante, sullo stress e sui processi ecosistemici come lo scambio di carbonio (C) (fotosintesi e produzione primaria netta), la decomposizione e il ciclo dei nutrienti. I risultati mostrano che i dati IS trasportati dall'aria e dallo spazio hanno spiegato circa il 70% della varianza del rapporto N: P della chioma con errori di previsione inferiori all'8% in due anni consecutivi. I modelli LiDAR hanno spiegato più del 50% della varianza del rapporto N: P della chioma con errori di previsione simili. Sono stati sviluppati modelli predittivi utilizzando i dati di Hyperion IS trasportati dallo spazio con valori di R2 aggiustati di 0,73, 0,72, 0,62, 0,25 e 0,67 per N, P, K, Ca e Mg, rispettivamente, e il modello LiDAR ha spiegato l'80% della varianza nella concentrazione di Ca della chioma. Due indici derivati di IS (D705/D722 e Dmax(680-750))/D703) sono emersi come buoni predittori della concentrazione di clorofilla nel tempo e nello spazio.