JoVE Journal > Environment
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Please note that all translations are automatically generated. Click here for the English version.
Environment

Blad areal index uppskattning med hjälp av tre distinkta metoder i rena lövfällande bestånd

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

En noggrann uppskattning av Leaf Area index (LAI) är avgörande för många modeller av material och energiflöden inom växt ekosystem och mellan ett ekosystem och det atmosfäriska gränsskiktet. Därför, tre metoder (kull fällor, nål teknik, och PCA) för att ta precisa LAI mätningar var i det presenterade protokollet.

Abstract

Exakta uppskattningar av Leaf Area index (LAI), definierad som hälften av den totala löv ytan per enhet av horisontell markyta område, är avgörande för att beskriva vegetations strukturen inom ekologi, skogsbruk och jordbruk. Därför, förfaranden av tre kommersiellt använda metoder (kull fällor, nål teknik, och en anläggning Canopy Analyzer) för att utföra LAI uppskattning presenterades steg-för-steg. Specifika metodologiska tillvägagångssätt jämfördes, och deras nuvarande fördelar, kontroverser, utmaningar och framtidsutsikter diskuterades i detta protokoll. Skräp fällor brukar betraktas som referensnivå. Både nål teknik och växten Canopy Analyzer (t. ex., LAI-2000) underskatta ofta LAI värden i jämförelse med hänvisningen. Nålen tekniken är lätt att använda i lövträd står där kullen helt sönderdelas varje år (t. ex., ek och bok står). Kalibrering baserad på skräp fällor eller direkta destruktiva metoder är dock nödvändig. Växten Canopy Analyzer är en vanligt förekommande anordning för att utföra LAI uppskattning i ekologi, skogsbruk och jordbruk, men är föremål för potentiella fel på grund av lövverk klumpar och bidraget av Woody element i synfältet (FOV) av sensorn. Eliminera dessa potentiella felkällor diskuterades. Växten Canopy Analyzer är en mycket lämplig anordning för att utföra LAI uppskattningar på hög spatial nivå, observera en säsongsbetonad LAI Dynamic, och för långsiktig övervakning av LAI.

Introduction

Lai, definierat som hälften av den totala löv ytan per enhet av horisontell markyta1, är en nyckelvariabel som används i många bio-geofysiska och kemiska utbytes modeller inriktade på kol-och vatten flöden2,3, 4. Lai är direkt proportionell mot den aktiva ytan av bladen där det driver primärproduktion (fotosyntes), transpiration, energiutbyte, och andra fysiologiska attribut i samband med en rad ekosystemprocesser i växt gemenskaperna5.

Många metoder och instrument för att utföra Lai uppskattning har utvecklats, och de finns för närvarande på marknaden6,7,8,9. Markbaserade metoder för att utföra LAI uppskattning kan grupperas i två huvudkategorier: (i) direkt, och (II) indirekta metoder10,11,12. Den första gruppen innehåller metoder som mäter löv området direkt, medan de indirekta metoderna sluta sig till Lai från mätningar av mer lätt mätbara parametrar, med hjälp av strålnings överföring teori (i form av tid, arbetskrafts intensitet, och teknik)13 ,14.

Detta protokoll behandlar den praktiska användningen av strö fällor och nåltekniken, som icke-förstörande semi-Direct-metoder10. och den optiska anordningen Plant Canopy Analyzer som en indirekt metod6,7 för att utföra Lai uppskattning på ett valt prov från tempererade lövskog står i Central Europa (se dess strukturella och dendrometriska egenskaper i Bilaga A och bilaga B).

I lövfällande skogar och grödor, är det möjligt att utföra icke-förstörande semi-Direct LAI uppskattning med hjälp av skräp fällor11 fördelas underträd kronorna lager15. Skräp fällor ger exakta LAI värden för Lövfällande arter där LAI når en platå inom växtsäsongen. Men för arter som kan ersätta bladen under växtsäsongen, såsom poppel, metoden överskattar LAI11. Denna metod förutsätter att innehållet i fällorna representerar den genomsnittliga mängden löv som faller under en löv-höst period i monter16, särskilt under höstmånaderna. Fällor öppnas lådor eller nät (figur 1) med en förutbestämd tillräcklig storlek (minimum 0,18 m2, men helst över 0,25 m2)10,17, laterala sidor hindrar vinden från att blåsa in/ut ur fällorna, och med en perforerad botten undvika nedbrytning av bladen; som är placerade underträd kronorna på det studerade stativet, dock ovanför markytan11. Fördelningen av fällorna kan vara antingen slumpmässigt18 eller systematiska i transekter19 eller en regelbunden avstånd rutnät20. Antalet och fördelningen av fällor är ett viktigt metodiskt steg för att utföra en noggrann LAI uppskattning som återspeglar den unika monterstruktur, rumslig homogenitet, förväntad vindhastighet och riktning, särskilt när det gäller glesa bestånd (eller gränder och fruktodlingar) och arbetsförmågan för att utvärdera data. Precisionen i Lai uppskattning ökar med stigande frekvensen av fällor inom studerade står11,21 (se figur 2).

Den rekommenderade frekvensen för insamling av prover av kullen-fall från varje fälla är minst månatliga10 och även två gånger per vecka i perioder av kraftigt fall, som kan sammanfalla med kraftiga regn. Det är nödvändigt att förhindra nedbrytning av kullen i fällor och läckage av näringsämnen från materialet under regn episoder i fråga om kemisk analys. Efter att ha samlat löv i ett fält, används ett blandat delprov för att uppskatta det specifika löv området (SLA, cm2 g-1)22, definierat som det färska projicerade området av bladen till dess torra viktförhållande. Resten av den insamlade kullen torkas till en konstant vikt och används för att beräkna den torra massan av kullen som g cm-2 i labbet. Löv torr massa på varje insamlingsdatum omvandlas till löv området genom att multiplicera den insamlade biomassan med SLA eller löv torr massa per område (LMA, g cm-2) som omvänd parameter till SLA23,24. En ny projicerad yta av särskilda blad kan bestämmas med hjälp av en planimetrisk metod. Den planimetriska metoden är baserad på sambandet mellan området för ett visst löv och det område som täcks av bladet i den horisontella ytan. Bladet är horisontellt fast på skanningsskärmen, och dess medelvärde mäts med hjälp av en löv områdes mätare. Därefter beräknas dess område. Många löv områdes mätare baserade på olika mätprinciper finns på marknaden. Några av dem inkluderar till exempel LI-3000C Portable Leaf Area meter, som använder ortogonala projektionsmetod, och LI-3100C Area meter, som mäter löv genomsnittet med hjälp av en fluorescerande ljuskälla och en semi-dirigerade skanning kamera. Nästa enhet, CI-202 Portable laser Leaf Area meter, koder en löv längd med hjälp av en kod läsare. Förutom dem, den AM350 och BSLM101 Portable Leaf Area meter används också ofta för att utföra exakt löv området uppskattning.

Dessutom finns löv områdes mätare baserade på system som analyserar video. Dessa Leaf Area meter består av en videokamera, en digitaliserings ram, en skärm och en PC, inklusive lämplig programvara för att göra dataanalys såsom WD3 WinDIAS Leaf bildanalys system11. För närvarande kan konventionella skannrar som är anslutna till en dator användas för att uppskatta löv området. Därefter beräknas löv området som en multipel av antalet svarta pixlar och dess storlek beror på den valda upplösningen (punkter per tum – dpi), eller löv området mäts genom specifik programvara, till exempel WinFOLIA. Slutligen, den totala torra massan av löv som samlats in inom en känd markyta område omvandlas till LAI genom att multiplicera med SLA och en krympning koefficienten25 som återspeglar förändringarna i området för färska och torkade blad. Krympning beror på trädslag, vattenhalt och blad mjukhet. Krympning av löv i längd och bredd (vad påverkar det projicerade området) är vanligtvis upp till 10%26, till exempel, det varierar från 2,6 till 6,8% för ek27. Sortering blad av arter för vägning och upprättande av den specifika löv området förhållandet är nödvändigt att fastställa bidraget av varje art till den totala LAI28.

Lai bestämning av nålen tekniken är en billig metod som härrör från den lutande punkt quadrat metod29,30,31,32. I lövfällande stativ, är det ett alternativ för att utföra LAI uppskattning utan att använda fällor10 baserat på antagandet att den totala löv nummer och deras område i ett träd är lika med vad som samlas på jordytan efter en komplett löv-fall20 . En tunn vass nål är genomborrad vertikalt i kullen liggande på marken omedelbart efter blad-fall10. Efter den kompletta löv-fall, bladen samlas från marken på en nål av en vertikal sond, är relaterade till kontaktnummer och lika den faktiska LAI värde. En intensiv provtagning (100-300 provtagningspunkter per undersökt stativ per fältsond) av nåltekniken krävs för att kvantifiera ett genomsnittligt kontaktnummer och för att härleda Lai-värdet korrekt10,20,33.

DenPlant Canopy Analyzer(e.g., LAI-2000 eller LAI-2200 PCA) är ett vanligt använt bärbara instrument för att utföra en indirekt LAI uppskattning genom att ta en mätning av ljustransmission i hela trädkronorna7inom den filtrerade blå delen av ljusspektrumet (320-490 nm)34,35för att minimera bidraget från ljuset som har passerat genom bladen, skingrades av trädkronorna och passerar genom lövverket7,34. I den blå delen av ljusspektrumet, den maximala kontrasten mellan blad och himmel uppnås, och bladen verkar svart mot himlen34. Därför är det baserat på den Canopy gap fraktion analys7. Instrumentet har använts i stor utsträckning för att göra eko fysiologiska studier i växt samhällen som grödor36Gräsmarker37, barrträd står8, och lövträd står38. Anläggningen Canopy Analyzer använder en fisheye optisk sensor med en FOV av 148 °35att projicera en halvsfärisk bild av trädkronorna på kisel detektorer för att ordna dem i fem koncentriska ringar39med centrala Zenit vinklar av 7 °, 23 °, 38 °, 53 ° och 68 °9,40,41. Fem vycaps (dvs.,270 °, 180 °, 90 °, 45 ° och 10 °) kan användas för att begränsa Azimut-vyn för den optiska sensorn27för att undvika skuggning av hinder i en öppen yta (för ovan refererade läsning) eller operatören i sensorns FOV under LAI uppskattning kan justera FOV sensorn till en öppen plats för ovan-Canopy avläsningar. Mätningar med hjälp av växten Canopy Analyzer tas ovan (eller i en tillräckligt utökad öppen yta) och under den studerade Canopy7. Samma vycaps måste användas för både över-och under avläsningar för att undvika avvikelser i uppskattningen av gap bråk34. Den LAI-2000 PCA producerar en effektiv Leaf Area index (LAIe) som infördes genom Chen et al.42, eller snarare ett effektivt växt områdes index (PAIe) som träiga element ingår i sensorns läsvärde. I lövfällande stativ med plana blad, är LAIe densamma som Hemi-ytan LAI. I fallet med Evergreen Forest står, är LAIe nödvändigt att korrigera för klumpar effekt på shoot Level (SPAR, STAR)43, det klumpnings index i skalor större än fotograferingen (ΩE)44, och bidraget från träiga element, inklusive stjälkar och grenar (dvs.,Woody-till-total-area-kvoten),45som orsakar en systematisk LAI underskattning20. Den klumpar index på en högre rumslig skala än skott eller löv kan kvantifieras som en skenbar klumpar index (ACF), som kan uppskattas med hjälp av växten Canopy Analyzer när mer restriktiva Visa CAPS används27. Eftersom dessa författare uppger att detta ACF härleds från ett förhållande av LAI värden som beräknats från transmission genom olika förfaranden för homogena och icke-homogena skärmtak enligt lang46, vi förmodas att detta klumpar index beskriver ganska Canopy homogenitet. Förutom ACF beräkning, nya diffusor mössor som möjliggör en mer omfattande tillämpning av LAI-2200 PCA när det gäller väderförhållanden, en användarmeny istället för FCT koder, och möjligheten att ta många fler mätningar per fil session är bland de viktigaste tekniska uppgraderingar jämfört med den tidigare LAI-2000 PCA34,47. Mätningar och efterföljande interna programvaru beräkningar baseras på fyra antaganden: (1) ljusblockerande växt element inklusive löv, grenar och stjälkar, fördelas slumpmässigt i trädkronorna, (2) lövverk är en optiskt svart kropp som absorberar alla ljus den tar emot, (3) alla växt element är samma projektion till den horisontella markytan som en enkel geometrisk konvex form, (4) växt element är små jämfört med det område som täcks av varje ring11.

Protocol

1. LAI uppskattas med hjälp av skräp fällor Först utföra en fältundersökning, undersöka platsen förhållanden och struktur de studerade står (dvs lutning och utläggning av lutning, skog eller vegetation typ, skog eller vegetation densitet, homogenitet av kapell stängning, kronan storlek och Kron basens höjd). Välj en lämplig kull fälla typ för positionering underträd kronorna genom att välja maskstorlek på nätet baserat på storleken på assimilering apparater av de stude…

Representative Results

Genomsnittliga LAI värden på stand nivå av alla studerade står i 2013 växtsäsongen presenteras i figur 8. På alla tomter utom A mättes de högsta värdena med skräp fällor, som fungerar som referensnivå. I motsats, den högsta genomsnittliga LAI värde uppskattades genom nål teknik på Plot A. Alla skillnader mellan LAI värden uppskattas med hjälp av kull fällor och en anläggning Canopy Analyzer var inte betydande (p > 0,05; Figur 8, vänster). P…

Discussion

Kull fällor anses vara en av de mest exakta metoderna för att utföra Lai uppskattning8, men de är mer arbetsintensiva och tidskrävande än de indirekta metoderna35,64 som införlivades i detta protokoll. Inom hela LAI uppskattning förfarande med hjälp av skräp fällor, en exakt uppskattning av SLA är den mest kritiska punkten10 eftersom SLA kan variera med växtarter65, datum och år…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Vi står i tacksamt till redaktionsrådet för Journal of Forestry Research för att uppmuntra och bemyndiera oss att använda representativa resultat i detta protokoll från den artikel som publicerades där. Vi tackar också två anonyma granskare för deras värdefulla kommentarer, som avsevärt har förbättrat manuskriptet. Forskningen finansierades av ministeriet för jordbruk i Tjeckien, institutionellt stöd MZE-RO0118 och den nationella byrån för jordbruksforskning (Project No. 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

References

  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/59757?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
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).
Download Citation
Reprints and Permissions

View Video

✖

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

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image