JoVE Journal > Environment
Summary
Abstract
Introduction
Protocol
Risultati
Discussion
Divulgazioni
Acknowledgements
Materials
Riferimenti
Traduzione automatica
Please note that all translations are automatically generated. Click here for the English version.
Ambiente

Stima dell'indice dell'area foglia utilizzando tre metodi distinti in stand deciduous puro

Published: August 29, 2019
doi:
10.3791/59757
, , ,
1Forestry and Game Management Research Institute,Research Station at Opočno, 2Department of Silviculture,Mendel University in Brno, 3Department of Forest Botany, Dendrology and Geobiocenology,Mendel University in Brno

Summary

Una stima accurata dell’indice di area foglia (LAI) è fondamentale per molti modelli di flussi di materiale ed energia all’interno degli ecosistemi vegetali e tra un ecosistema e lo strato limite atmosferico. Pertanto, tre metodi (trappole per lettiera, tecnica dell’ago e PCA) per effettuare misurazioni precise del LAI erano nel protocollo presentato.

Abstract

Stime accurate dell’indice dell’area foglia (LAI), definite come metà della superficie totale della foglia per unità di superficie orizzontale del suolo, sono cruciali per descrivere la struttura della vegetazione nei campi dell’ecologia, della silvicoltura e dell’agricoltura. Pertanto, sono state presentate le procedure di tre metodi utilizzati commercialmente (trappole per lettiera, tecnica dell’ago e un analizzatore del baldacchino vegetale) per eseguire la stima DI LAI. Sono stati confrontati approcci metodologici specifici e sono stati discussi i loro attuali vantaggi, controversie, sfide e prospettive future in questo protocollo. Le trappole per lettiera sono generalmente considerate come livello di riferimento. Sia la tecnica dell’ago che l’analizzatore del baldacchino dell’impianto (ad esempio, LAI-2000) sottovalutano frequentemente i valori LAI rispetto al riferimento. La tecnica dell’ago è facile da usare in stand decidue dove la lettiera si decompone completamente ogni anno (ad esempio, stand di quercia e faggio). Tuttavia, è necessaria la calibrazione basata su trappole per lettiera o metodi distruttivi diretti. L’analizzatore del baldacchino vegetale è un dispositivo comunemente usato per eseguire la stima LAI in ecologia, silvicoltura e agricoltura, ma è soggetto a potenziali errori dovuti al gruppo di fogliame e al contributo di elementi legnosi nel campo visivo (FOV) del sensore. È stato discusso l’eliminazione di queste potenziali fonti di errore. L’analizzatore del baldacchino dell’impianto è un dispositivo molto adatto per eseguire stime LAI ad alto livello spaziale, osservando una dinamica stagionale DEL LAI e per il monitoraggio a lungo termine del LAI.

Introduction

LAI, definita come metà della superficie fogliare totale per unità della superficie orizzontaledelsuolo 1, è una variabile chiave utilizzata in molti modelli di scambio biogeofisico e chimico focalizzati sui flussi di carbonio e acqua2,3, 4. ILI è direttamente proporzionale alla superficie attiva delle foglie dove guida la produzione primaria (fotosintesi), la traspirazione, lo scambio di energia e altri attributi fisiologici connessi con una serie di processi ecosistemici nelle piante comunità5.

Sono stati sviluppati numerosi approcci e strumenti per eseguire la stima LAI, e sono attualmente disponibili sul mercato6,7,8,9. I metodi a terra per l’esecuzione della stima LAI possono essere raggruppati in due categorie principali: (i) diretto e (ii) metodi indiretti10,11,12. Il primo gruppo comprende metodi che misurano direttamente l’area delle foglie, mentre i metodi indiretti deducono la LAI dalle misurazioni di parametri più facilmente misurabili, utilizzando la teoria del trasferimento radiativo (in termini di tempo, intensità di manodopera e tecnologia)13 ,14.

Questo protocollo riguarda l’uso pratico delle trappole per rifiuti abbandonati e la tecnica dell’ago, come metodi semi-diretti non distruttivi10; e l’analizzatore del baldacchino dell’impianto ottico come metodo indiretto6,7 per eseguire la stima LAI su un campione scelto dalla foresta decidua temperata si trova nell’Europa centrale (vedi le sue caratteristiche strutturali e dendrometriche in Appendice A e Appendice B).

Nelle foreste e nelle colture decidue, è possibile eseguire una stima laI semi-diretta non distruttiva utilizzando trappole per lettiera11 distribuite sotto lo strato di baldacchino15. Le trappole per rifiuti forniscono precisi valori LAI per le specie decidue in cui ILI raggiunge un altopiano all’interno della stagione di crescita. Tuttavia, per le specie che possono sostituire le foglie durante la stagione di crescita, come il pioppo, il metodo sovrastima LAI11. Questo metodo presuppone che il contenuto delle trappole rappresenti la quantità media di foglie che cadono durante un periodo di caduta delle foglie nello stand16, soprattutto durante i mesi autunnali. Le trappole vengono aperte scatole o reti (Figura 1) con una dimensione sufficiente predeterminata (minimo 0,18 m2, ma preferibilmente oltre 0,25 m2)10,17, lati laterali che impediscono al vento di soffiare foglie in /fuori le trappole, e con un fondo forato evitando la decomposizione delle foglie; che si trovano sotto lo strato a baldacchino dello stand studiato, tuttavia, sopra la superficie del terreno11. La distribuzione delle trappole può essere casuale18 o sistematica nei transetti19 o una griglia di spaziatura regolare20. Il numero e la distribuzione delle trappole sono un passo metodologico cruciale per eseguire una stima accurata del LAI che riflette la struttura unica dello stand, l’omogeneità spaziale, la velocità e la direzione del vento previste, in particolare nel caso di stand sparsi (o vicoli e orcontte) e la capacità di lavoro per la valutazione dei dati. La precisione della stima DI LAI aumenta con l’aumento della frequenza delle trappole all’interno degli stand studiati11,21 (vedi Figura 2).

La frequenza raccomandata di raccolta dei campioni della caduta dei rifiuti da ogni trappola è di almeno10 mesi e anche due volte a settimana in periodi di forte caduta, che possono coincidere con forti precipitazioni. È necessario prevenire la decomposizione della lettiera nelle trappole e la lisciviazione dei nutrienti dal materiale durante gli episodi di pioggia in caso di analisi chimica. Dopo aver raccolto le foglie in un campo, viene utilizzato un sottocampione misto per stimare l’area foglia specifica (SLA, cm2 g-1)22, definita come l’area fresca proiettata delle foglie al suo rapporto di peso di massa secca. Il resto della lettiera raccolta viene essiccato ad un peso costante e utilizzato per calcolare la massa secca della lettiera come g cm-2 in laboratorio. La massa secca foglia in ogni data di raccolta viene convertita nell’area foglia moltiplicando la biomassa raccolta da SLA o massa secca foglia per area (LMA, g cm-2) come parametro inverso per SLA23,24. Una nuova area proiettata di foglie particolari può essere determinata utilizzando un approccio planimetrico. Il metodo planimetrico si basa sulla dipendenza tra l’area di una foglia specifica e l’area coperta dalla foglia nella superficie orizzontale. La foglia è fissata orizzontalmente allo schermo di scansione e la sua media viene misurata utilizzando un misuratore dell’area foglia. Quindi, viene calcolata l’area. Molti contatori di superficie foglia basati su diversi principi di misurazione sono disponibili sul mercato. Alcuni di essi includono, ad esempio, il misuratore di foglie portatili LI-3000C, che utilizza il metodo di proiezione ortogonale, e il misuratore di area LI-3100C, che misura la media delle foglie utilizzando una fonte di luce fluorescente e una telecamera di scansione semi-condotta. Il dispositivo successivo, il misuratore di foglie laser portatile CI-202, codifica una lunghezza foglia utilizzando un lettore di codice. Oltre a loro, gli AM350 e BSLM101 Portable Leaf Area Meters sono anche comunemente utilizzati per eseguire una stima accurata dell’area foglia.

Inoltre, esistono contatori di area foglia basati su sistemi che analizzano il video. Questi misuratori dell’area foglia sono costituiti da una videocamera, un frame di digitalizzazione, uno schermo e un PC, incluso un software adatto per effettuare l’analisi dei dati come WD3 WinDIAS Leaf Image Analysis System11. Attualmente, gli scanner convenzionali collegati a un PC possono essere utilizzati per una superficie fogliare di stima. Successivamente, l’area foglia viene calcolata come un multiplo del numero di pixel neri e la sua dimensione dipende dalla risoluzione selezionata (punti per pollice – dpi), o l’area foglia viene misurata attraverso un software specifico, ad esempio WinFOLIA. Infine, la massa secca totale delle foglie raccolte all’interno di una superficie terrestre nota viene convertita nel LAI moltiplicando per SLA e un coefficiente di restringimento25 che riflette i cambiamenti nella zona delle foglie fresche e secche. Il restringimento dipende dalle specie arboree, dal contenuto d’acqua e dalla morbidezza delle foglie. Il restringimento delle foglie in lunghezza e larghezza (ciò che influenzano l’area proiettata) è di solito fino al 10%26, per esempio, varia dal 2,6 al 6,8% per la quercia27. Per determinare il contributo di ciascuna specie al LAI totale 28 è necessario ordinare le foglie per specie per pesare e stabilire il rapporto specifico dell’area foglia per determinare il contributo di ciascuna specie al LAI totale28.

La determinazione LAI con la tecnica dell’ago è un metodo economico derivato dal metodo quadrante a punta inclinata29,30,31,32. Negli stand decidue, è un’alternativa per eseguire la stima LAI senza utilizzare trappole10 sulla base del presupposto che il numero totale di foglie e la loro area in un albero sono uguali a quello che viene raccolto sulla superficie del suolo dopo una foglia-caduta completa20 . Un ago sottile e affilato viene trafitto verticalmente nella lettiera sdraiata a terra subito dopo la caduta della foglia10. Dopo la caduta foglia completa, le foglie vengono raccolte da terra su un ago di una sonda verticale, sono correlate al numero di contatto e sono uguali al valore REALE di LAI. Per quantificare un numero medio di contatto e per ottenere correttamente il valore LAI è necessario un campionamento intensivo (100-300 punti di campionamento per supporto studiato per sonda di campo) per quantificare un numero medio di contatto e per ottenere correttamente il valore LAI10,20,33.

Leanalizzatore di baldacchino vegetale(ad esempio, LAI-2000 o LAI-2200 PCA) è uno strumento portatile comunemente usato per eseguire una stima LAI indiretta effettuando una misurazione della trasmissione della luce in tutto il baldacchino7all’interno della parte blu filtrato dello spettro luminoso (320-490 nm)34,35per minimizzare il contributo della luce che è passata attraverso le foglie, è stata dispersa dal baldacchino e sta attraversando il fogliame7,34. Nella parte blu dello spettro luminoso, si ottiene il massimo contrasto tra la foglia e il cielo, e il fogliame appare nero contro il cielo34. Pertanto, si basa sull’analisi della frazione di gap del baldacchino7. Lo strumento è stato ampiamente utilizzato per effettuare studi ecofisiologici in comunità vegetali come le colture36Praterie37, stand di conifere8, e stand decidui38. L’analizzatore del baldacchino della pianta utilizza un sensore ottico fisheye con un FOV di 14835per proiettare un’immagine emisferica del baldacchino sui rilevatori di silicio per disporli in cinque anelli concentrici39con angoli zenit centrali di 7, 23, 38, 53 e 689,40,41. Cinque tappi di visualizzazione (ad es.,per limitare la vista azimuth del sensore ottico, è possibile utilizzare una vista azimuth27per evitare l’ombreggiatura da ostacoli in un’area aperta (per la lettura sopra indicata) o l’operatore nel FOV del sensore durante la stima LAI può regolare il sensore FOV ad un’area aperta per letture sopra-baldacchino. Le misurazioni utilizzando l’analizzatore del baldacchino dell’impianto vengono effettuate sopra (o in un’area aperta sufficientemente estesa) e al di sotto del baldacchino studiato7. Lo stesso limite di visualizzazione deve essere utilizzato sia per le letture sopra che per inferiori per evitare distorsioni della stima della frazione di divario34. Il LAI-2000 PCA produce un efficace indice di area foglia (LAIe) come introdotto da Chen et al.42, o meglio un indice di area vegetale efficace (PAIe) come elementi legnosi sono inclusi nel valore di lettura del sensore. Negli stand decidue con foglie piatte, il LAIe è lo stesso del LAI emi-superficie. Nel caso di stand foresta sempreverde, il LAIe è necessario correggere per l’effetto agglomerazione a livello di tiro (SPAR, STAR)43, l’indice agglomerato su scale più grandi del tiroE (in questo modo)44, e il contributo di elementi legnosi, compresi steli e rami (ad es.,rapporto tra legno e superficie totale),45che causano una sottovalutazione sistematica del LAI20. L’indice di agglomerazione su una scala spaziale più elevata rispetto al tiro o alla foglia potrebbe essere quantificato come un indice apparente di agglomerazione (ACF), che può essere stimato utilizzando l’analizzatore del baldacchino dell’impianto quando vengono utilizzati tappi di visualizzazione più restrittivi27. Come questi autori affermano che questo ACF è dedotto da un rapporto di valori LAI calcolati dalla trasmissione con diverse procedure per tettoie omogenee e non omogenee secondo Lang46, presumiamo che questo indice di agglomerazione descriva piuttosto omogeneità a baldacchino. Oltre al calcolo ACF, i nuovi tappi diffusori che consentono un’applicazione più estesa di LAI-2200 PCA per quanto riguarda le condizioni atmosferiche, un menu utente al posto dei codici Fct e la possibilità di prendere molte più misure per sessione di file sono tra i principali aggiornamenti tecnologici rispetto all’ex PCA LAI-200034,47. Le misurazioni e i successivi calcoli interni del software si basano su quattro presupposti: (1) gli elementi dell’impianto di blocco della luce, tra cui foglie, rami e steli, sono distribuiti casualmente nel baldacchino, (2) il fogliame è un corpo otticamente nero che assorbe tutte le luce che riceve, (3) tutti gli elementi vegetali sono la stessa proiezione alla superficie orizzontale del terreno come una semplice forma geometrica convessa, (4) elementi vegetali sono piccoli rispetto all’area coperta da ogni anello11.

Protocol

1. LAI stima l’uso di trappole per rifiuti abbandonati In primo luogo, eseguire un’indagine sul campo, studiando le condizioni del sito e la struttura degli stand studiati (ad esempio, inclinazione ed esposizione del tipo di pendenza, foresta o vegetazione, foresta o vegetazione densità, omogeneità della chiusura del baldacchino, corona dimensioni e l’altezza della base della corona). Selezionare un tipo di trappola per lettiera adatta per il posizionamento al di sotto del baldacchino scegl…

Representative Results

I valori medi di LAI al livello stand di tutti gli stand studiati nella stagione di crescita 2013 sono presentati nella Figura 8. Su tutti i grafici ad eccezione di A, i valori più alti sono stati misurati da trappole per lettiera, che fungono da livello di riferimento. Al contrario, il valore LAI medio più alto è stato stimato attraverso la tecnica dell’ago sulla trama A. Tutte le differenze tra i valori LAI stimati utilizzando trappole per rifiuti abbandonati e un analizzatore di baldac…

Discussion

Le trappole per rifiuti sono considerate uno dei metodi più accurati per eseguire la stima LAI8, ma sono più laboriose e dispendiose in termini di tempo rispetto ai metodi indiretti35,64 che sono stati incorporati in questo protocollo. All’interno dell’intera procedura di stima LAI utilizzando trappole per lettiera, una stima precisa del SLA è il punto più critico10 perché il sLA può variare con le specie vege…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Siamo in debito con il comitato editoriale del Journal of Forestry Research per averci incoraggiato e autorizzato a utilizzare i risultati rappresentativi di questo protocollo dall’articolo pubblicato lì. Ringraziamo anche gentilmente due recensori anonimi per i loro preziosi commenti, che hanno notevolmente migliorato il manoscritto. La ricerca è stata finanziata dal Ministero dell’Agricoltura della Repubblica Ceca, dal sostegno istituzionale m’e-RO0118 e dall’Agenzia Nazionale di Ricerca Agricola (Progetto n. QK1810126).

Materials

Area Meter LI-COR Biosciences Inc., NE, USA LI-3100C https://www.licor.com/env/products/leaf_area/LI-3100C/
Computer Image Analysis System Regent Instruments Inc., CA WinFOLIA http://www.regentinstruments.com/assets/images_winfolia2/WinFOLIA2018-s.pdf
File Viewer LI-COR Biosciences Inc., NE, USA FV2200C Software https://www.licor.com/env/products/leaf_area/LAI-2200C/software.html
Laboratory oven Amerex Instruments Inc., CA, USA CV150 https://www.labcompare.com/4-Drying-Ovens/2887-IncuMax-Convection-Oven-250L/?pda=4|2887_2_0|||
Leaf Image Analysis System Delta-T Devices, UK WD3 WinDIAS https://www.delta-t.co.uk/product/wd3/
Litter traps Any NA See Fig. 2
Needle Any NA Maximum diameter of 2 mm
Plant Canopy Analyser LI-COR Biosciences Inc., NE, USA LAI-2000 PCA LAI-2200 PCA or LAI-2200C as improved versions of LAI-2000 PCA can be used, see: https://www.licor.com/env/products/leaf_area/LAI-2200C/
Portable Laser Leaf Area Meter CID Bio-Science, WA, USA CI-202 https://cid-inc.com/plant-science-tools/leaf-area-measurement/ci-202-portable-laser-leaf-area-meter/
Portable Leaf Area Meter ADC, BioScientic Ltd., UK AM350 https://www.adc.co.uk/products/am350-portable-leaf-area-meter/
Portable Leaf Area Meter Bionics Scientific Technogies (P). Ltd., India BSLM101 http://www.bionicsscientific.com/measuring-meters/leaf-area-index-meter.html
Portable Leaf Area Meter LI-COR Biosciences Inc., NE, USA LI-3000C https://www.licor.com/env/products/leaf_area/LI-3000C/
DOWNLOAD MATERIALS LIST

Riferimenti

  1. Chen, J. M., Black, T. A. Defining leaf area index for non-flat leaves. Plant, Cell and Environment. 15 (4), 421-429 (1992).
  2. Sellers, J. P., et al. Modelling the exchanges of energy, water, and carbon between continents and the atmosphere. Science. 275, 502-509 (1997).
  3. Calvet, J. C., et al. An interactive vegetation SVAT model tested against data from six contrasting sites. Agricultural and Forest Meteorology. 92 (2), 73-95 (1998).
  4. Wang, Y. P., Leuning, R. A two-leaf model for canopy conductance, photosynthesis and partitioning of available energy. I. Model description and comparison with multi-layered model. Agricultural and Forest Meteorology. 91 (1-2), 89-111 (1998).
  5. Asner, G. P., Scurlock, J. M. O., Hicke, J. A. Global synthesis of leaf area index observations: implications for ecological and remote sensing studies. Global Ecology and Biogeography. 12, 191-205 (2003).
  6. Welles, J. M. Some indirect methods of estimating canopy structure. Remote Sensing Reviews. 5 (1), 31-43 (1990).
  7. Welles, J. M., Cohen, S. Canopy structure measurement by gap fraction analysis using commercial instrumentation. Journal of Experimental Botany. 47 (302), 1335-1342 (1996).
  8. Chen, J. M., Rich, P. M., Gower, S. T., Norman, J. M., Plummer, S. Leaf area index of boreal forests: Theory, techniques, and measurement. Journal of Geophysical Research. 102 (D24), 29429-29443 (1997).
  9. Weiss, M., Baret, F., Smith, G. J., Jonckheere, I., Coppin, P. Review of methods for in situ leaf area index (LAI) determination. Part II. Estimation of LAI, errors and sampling. Agricultural and Forest Meteorology. 121, 37-53 (2004).
  10. Bréda, N. J. J. Ground-based measurements of leaf area index: a review of methods, instruments and current controversies. Journal of Experimental Botany. 54, 2403-2417 (2003).
  11. Jonckheere, I., et al. Review of methods for in situ leaf area index determination. Part I. Theories, sensors, and hemispherical photography. Agricultural and Forest Meteorology. 121 (1-2), 19-35 (2004).
  12. Zheng, G., Moskal, M. Retrieving leaf area index (LAI) using remote sensing: theories, methods and sensors. Sensors. 9 (4), 2719-2745 (2009).
  13. Fassnacht, K. S., Gower, S. T., Norman, J. M., McMurtrie, R. E. A comparison of optical and direct methods for estimating foliage surface area index in forests. Agricultural and Forest Meteorology. 71 (1-2), 183-207 (1994).
  14. Gower, S. T., Kucharik, C. J., Norman, J. M. Direct and indirect estimation of leaf area index, fAPAR, and net primary production of terrestrial ecosystems. Remote Sensing of Environment. 70 (1), 29-51 (1999).
  15. Chason, J. W., Baldocchi, D. D., Huston, M. A. A comparison of direct and indirect methods for estimating forest canopy leaf area. Agricultural and Forest Meteorology. 57 (1-3), 107-128 (1991).
  16. Eriksson, H., Eklundh, L., Hall, K., Lindroth, A. Estimating LAI in deciduous forest stands. Agricultural and Forest Meteorology. 129 (1-2), 27-37 (2005).
  17. Ukonmaanaho, L., Pitman, R., Bastrup-Birk, A., Bréda, N. J. J., Rautio, P. . Sampling and analysis of litterfall. Manual Part XIII. In: UNECE ICP Forests Programme Co-ordinating Centre (ed.): Manual on methods and criteria for harmonized sampling, assessment, monitoring and analysis of the effects of air pollution on forests. , (2016).
  18. McShane, M. C., Carlile, D. W., Hinds, W. T. The effect of collector size on forest litter-fall collection and analysis. Canadian Journal of Forest Research. 13 (6), 1037-1042 (1993).
  19. Battaglia, M., Cherry, M., Beadle, C., Sands, P., Hingston, A. Prediction of leaf area index in eucalypt plantations: effects of water stress and temperature. Tree Physiology. 18 (8-9), 521-528 (1998).
  20. Dufrêne, E., Bréda, N. J. J. Estimation of deciduous forest leaf area index using direct and indirect methods. Oecologia. 104 (2), 156-162 (1995).
  21. Fleck, S., et al. . Leaf area measurements. Manual Part XVII. In: UNECE ICP Forests Programme Co-ordinating Centre (Ed.) Manual of methods and criteria for harmonized sampling, assessment, monitoring and analysis of the effects of air pollution on forests. , (2016).
  22. Fellner, H., Dirnberger, G. F., Sterba, H. Specific leaf area of European larch (Larix decidua Mill.). Trees-Structure and Function. 30 (4), 1237-1244 (2016).
  23. Niinemets, &. #. 2. 2. 0. ;. Acclimation to low irradiance in Picea abies: influence of past and present light climate on foliage structure and function. Tree Physiology. 17 (11), 723-732 (1997).
  24. Čermák, J. Leaf distribution in large trees and stands of the floodplain forest in southern Moravia. Tree Physiology. 18 (11), 727-737 (1998).
  25. Chianucci, F., Cutini, A. Estimation of canopy properties in deciduous forests with digital hemispherical and cover photography. Agricultural and Forest Meteorology. 168, 130-139 (2013).
  26. Essaghi, S., Hachmi, M., Yessef, M., Dehhaoui, M. Leaf shrinkage: a predictive indicator of the potential variation of the surface area-to-volume ratio according to the leaf moisture content. SpringerPlus. 5, 1229 (2016).
  27. Chianucci, F., MacFarlane, C., Pisek, J., Cutini, A., Casa, R. Estimation of foliage clumping from the LAI-2000 Plant Canopy Analyser: effect of view caps. Trees-Structure and Function. 29, 355-366 (2015).
  28. Bequet, R. Environmental determinants of the temporal and spatial variability in leaf area index of Fagus sylvatica L., Quercus robur L., and Pinus sylvestris L. Thesis. , (2011).
  29. Goodall, D. W. Some considerations in the use of point quadrats for the analysis of vegetation. Australian Journal of Biological Sciences. 5 (1), 1-41 (1952).
  30. Warren Wilson, J. Analysis of the spatial distribution of foliage by two-dimensional point quadrats. New Phytologist. 58 (1), 92-99 (1959).
  31. Warren Wilson, J. Inclined point quadrats. New Phytologist. 59 (1), 1-7 (1960).
  32. Warren Wilson, J. Estimation of foliage denseness and foliage angle by inclined point quadrants. Australian Journal of Botany. 11 (1), 95-105 (1963).
  33. Nizinski, J. J., Saugier, B. A model of leaf budding and development for a mature Quercus forest. Journal of Applied Ecology. 25 (2), 643-655 (1988).
  34. LI-COR. . Instruction manual. LAI-2200 Plant Canopy Analyzer. , (2011).
  35. Yan, G., et al. Review of indirect optical measurements of leaf area index: Recent advances, challenges, and perspectives. Agricultural and Forest Meteorology. 265, 390-411 (2018).
  36. Hicks, S. K., Lascano, R. J. Estimation of leaf area index for cotton canopies using the Li-Cor LAI 2000 plant canopy analyser. Agronomy Journal. 87, 458-464 (1995).
  37. He, Y., Guo, X., Wilmshurst, J. F. Comparison of different methods for measuring leaf area index in a mixed grassland. Canadian Journal of Plant Science. 87 (4), 803-813 (2007).
  38. Černý, J., Haninec, P., Pokorný, R. Leaf area index estimated by direct, semi-direct, and indirect methods in European beech and sycamore maple stands. Journal of Forestry Research. online version, 1-10 (2018).
  39. Gower, S. T., Norman, J. M. Rapid estimation of leaf area index in conifer and broad-leaf plantations. Ecology. 72 (5), 1896-1900 (1991).
  40. Planchais, I., Pontailler, J. Y. Validity of leaf areas and angles estimated in a beech forest from analysis of gap frequencies, using hemispherical photographs and a plant canopy analyser. Annals of Forest Science. 56 (1), 1-10 (1999).
  41. Danner, M., Locherer, M., Hank, T., Richter, K. Measuring leaf area index (LAI) with the Li-Cor LAI 2200C or LAI-2200 (+2200 Clear Kit) – Theory, measurement, problems, interpretation. EnMAP Field Guide Technical Report, GFZ Data Services. , (2015).
  42. Chen, J. M., Black, T. A., Adams, R. S. Evaluation of hemispherical photography for determining plant area index and geometry of a forest stand. Agricultural and Forest Meteorology. 56 (1-2), 129-143 (1991).
  43. Stenberg, P. Correcting LAI-2000 estimates for the clumping of needles in shoots of conifer. Agricultural and Forest Meteorology. 79 (1-2), 1-8 (1996).
  44. Chen, J. M., Cihlar, J. Quantifying the effect of canopy architecture on optical measurements of leaf area index using two gap size analysis methods. IEEE Transactions on Geosciences and Remote Sensing. 33 (3), 777-787 (1995).
  45. Chen, J. M. Optically-based methods for measuring seasonal variation of leaf area index in boreal conifer stands. Agricultural and Forest Meteorology. 80 (2-4), 135-163 (1996).
  46. Lang, A. R. G. Application of some Cauchy’s theorems to estimation of surface area of leaves, needles and branches of plants and light transmittance. Agricultural and Forest Meteorology. 55 (3-4), 191-212 (1991).
  47. Kobayashi, H., Ryu, Y., Baldocchi, D. D., Welles, J. M., Norman, J. M. On the correct estimation of gap fraction: How to remove scattered radiation in gap fraction measurements?. Agricultural and Forest Meteorology. 170-183, 170-183 (2013).
  48. Sprintsin, M., Cohen, S., Maseyk, K., Rotenberg, E., Grünzweig, J., Karnieli, A., Berliner, P., Yakir, D. Long term and seasonal courses of leaf area index in semi-arid forest plantation. Agricultural and Forest Meteorology. 151 (5), 565-574 (2011).
  49. Cutini, A., Matteucci, G., Mugnozza, G. S. Estimation of leaf area index with the Li-Cor LAI 2000 in deciduous forests. Forest Ecology and Management. 105 (1-3), 55-65 (1998).
  50. Woodgate, W., Soto-Berelov, M., Suarez, L., Jones, S., Hill, M., Wilkes, P., Axelsson, C., Haywood, A., Mellor, A. Searching for the optimal sampling design for measuring LAI in an upland rainforest. , (2012).
  51. Baret, F., et al. VALERI: a network of sites and a methodology for the validation of medium spatial resolution land satellite products. Remote Sensing of Environment. 76 (3), 1-20 (2008).
  52. Majasalmi, T., Rautiainen, M., Stenberg, P., Rita, H. Optimizing the sampling scheme for LAI-2000 measurements in a boreal forest. Agricultural and Forest Meteorology. 154-155, 38-43 (2012).
  53. Calders, K., et al. Variability and bias in active and passive ground-based measurements of effective plant, wood and leaf area index. Agricultural and Forest Meteorology. 252, 231-240 (2018).
  54. Leblanc, S. G., Chen, J. M. A practical method for correcting multiple scattering effects on optical measurements of leaf area index. Agricultural and Forest Meteorology. 110, 125-139 (2001).
  55. Rich, P. M. Characterizing plant canopies with hemispherical photographs. Remote Sensing Reviews. 5 (1), 13-29 (1990).
  56. Čater, M., Schmid, I., Kazda, M. Instantaneous and potential radiation effect on underplanted European beech below Norway spruce canopy. European Journal of Forest Research. 132 (1), 23-32 (2013).
  57. Le Dantec, V., Dufrêne, E., Saugier, B. Interannual and spatial variation in maximum leaf area index of temperate deciduous stands. Forest Ecology and Management. 134 (1-3), 71-81 (2000).
  58. Mussche, S., Samson, R., Nachtergale, L., De Schrijver, A., Lemeur, R., Lust, N. A comparison of optical and direct methods for monitoring the seasonal dynamics of leaf area index in deciduous forests. Silva Fennica. 35 (4), 373-384 (2001).
  59. Bequet, R., Campioli, M., Kint, V., Vansteenkiste, D., Muys, B., Ceulemans, R. Leaf area index development in temperate oak and beech forests is driven by stand characteristics and weather conditions. Trees-Structure and Function. 25 (5), 935-946 (2011).
  60. Neumann, H. H., Den Hartog, G. D., Shaw, R. H. Leaf-area measurements based on hemispheric photographs and leaf-litter collection in a deciduous forest during autumn leaf-fall. Agricultural and Forest Meteorology. 45 (3-4), 325-345 (1989).
  61. Küßner, R., Mosandl, R. Comparison of direct and indirect estimation of leaf area index in mature Norway spruce stands of eastern Germany. Canadian Journal of Forest Research. 30 (3), 440-447 (2000).
  62. Pokorný, R., Marek, M. V. Test of accuracy of LAI estimation by LAI-2000 under artificially changed leaf to wood area proportions. Biologia Plantarum. 43 (4), 537-544 (2000).
  63. Pokorný, R. . Estimation of leaf area index in pure forest stands. Certificated methodology. , (2015).
  64. Lang, A. R. G., Yueqin, X., Norman, J. M. Crop structure and the penetration of direct sunlight. Agricultural and Forest Meteorology. 35 (1-4), 83-101 (1985).
  65. Niinemets, &. #. 2. 2. 0. ;., Kull, K. Leaf weight per area and leaf size of 85 Estonian woody species in relation to shade tolerance and light availability. Forest Ecology and Management. 70 (1-3), 1-10 (1994).
  66. Bouriaud, O., Soudani, K., Bréda, N. J. J. Leaf area index from litter collection: impact of specific leaf area variability within a beech stand. Canadian Journal of Remote Sensing. 29 (3), 371-380 (2003).
  67. Burton, A. J., Pregitzer, K. S., Reed, D. D. Leaf area and foliar biomass relationships in northern hardwood forests located along an 800 km acid deposition gradient. Forest Science. 37 (4), 1041-1059 (1991).
  68. Finotti, R., Rodrigues, F. S., Cerqueira, R., Vinícius, V. M. A method to determine the minimum number of litter traps in litterfall studies. Biotropica. 35 (3), 419-421 (2003).
  69. Yang, Y., Yanai, R. D., See, C. R., Arthur, M. A. Sampling effort and uncertainty in leaf litterfall mass and nutrient flux in northern hardwood forests. Ecosphere. 8 (11), e01999 (2017).
  70. Law, B. E., Cescatti, A., Baldocchi, D. D. Leaf area distribution and radiative transfer in open-canopy forests: implications for mass and energy exchange. Tree Physiology. 21 (12-13), 777-787 (2001).
  71. Guiterman, C. H., Seymour, R. S., Weiskittel, A. R. Long-term thinning effects on the leaf area of Pinus strobus L. as estimated from litterfall and individual-tree allometric models. Forest Science. 58 (1), 85-93 (2013).
  72. Liu, Z., Chen, J. M., Jin, G., Qi, Y. Estimating seasonal variations of leaf area index using litterfall collection and optical methods in four mixed evergreen-coniferous forests. Agriculture and Forest Meteorology. 209, 36-48 (2015).
  73. LI-COR. . Instruction Manual. LAI-2000 Plant Canopy Analyzer. , (1991).
  74. Mason, E. G., Diepstraten, M., Pinjuv, G. L., Lasserre, J. P. Comparison of direct and indirect leaf area index measurements of Pinus radiata D. Don. Agricultural and Forest Meteorology. 166-167, 113-119 (2012).
  75. Deblonde, G., Penner, M., Royer, A. Measuring leaf-area index with the Li-Cor Lai-2000 in pine stands. Ecology. 75 (5), 1507-1511 (1994).
  76. Zou, J., Yan, G., Zhu, L., Zhang, W. Woody-to-total area ratio determination with a multispectral canopy imager. Tree Physiology. 29 (8), 1069-1080 (2009).
  77. Zhu, X., et al. Improving leaf area index (LAI) estimation by correcting for clumping and woody effects using terrestrial laser scanning. Agricultural and Forest Meteorology. 263, 276-286 (2018).
  78. Li, Z., Strahler, A., Schaaf, C., Jupp, D., Schaefer, M., Olofsson, P. Seasonal change of leaf and woody area profiles in a midaltitude deciduous forest canopy from classified dual-wavelenght terrestrial lidar point clouds. Agricultural and Forest Meteorology. 262, 279-297 (2018).
  79. Chen, J. M., Black, T. A. Foliage area and architecture of plant canopies from sunfleck size distributions. Agricultural and Forest Meteorology. 60 (3-4), 249-266 (1992).
  80. Leblanc, S. G., Chen, J. M., Fernandes, R., Deering, D. V., Conley, A. Methodology comparison for canopy structure parameters extraction from digital hemispherical photography in boreal forests. Agricultural and Forest Meteorology. 129 (3-4), 187-207 (2005).
  81. Lang, A. R. G., Yueqin, X. Estimation of leaf area index from transmission of direct sunlight in discontinuous canopies. Agricultural and Forest Meteorology. 37 (3), 229-243 (1986).
  82. Leblanc, S. G. Correction to the plant canopy gap-size analysis theory used by the Tracing Radiation and Architecture of Canopies instrument. Applied Optics. 41 (36), 7667-7670 (2002).
  83. Leblanc, S. G., Chen, J. M., Kwong, M. . Tracing Radiation and Architecture of Canopies MANUAL 2.1.4. , (2005).
  84. Hu, R., Yan, G., Mu, X., Luo, J. Indirect measurement of leaf area index on the basis of path length distribution. Remote Sensing of Environment. 155, 239-247 (2014).

Tags

Leaf Area IndexLAI EstimationLitter TrapsOptical MethodsDestructive SamplingDeciduous StandsLeaf Area MeasurementEcophysiological StudiesPlant Ecosystems
check_url/it/59757?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citazione di questo articolo
Černý, J., Pokorný, R., Haninec, P., Bednář, P. Leaf Area Index Estimation Using Three Distinct Methods in Pure Deciduous Stands. J. Vis. Exp. (150), e59757, doi:10.3791/59757 (2019).
Scarica citazione
Ristampe e autorizzazioni

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image