JoVE Journal > Environment
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Environment

Beregning af bladareal ved hjælp af tre forskellige metoder i rene løvfældende stande

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 nøjagtig vurdering af Leaf Area Index (LAI) er afgørende for mange modeller af materiale og energistrømme inden for plante økosystemer og mellem et økosystem og det atmosfæriske grænse lag. Derfor var tre metoder (kuld fælder, nåle teknik og PCA) til at tage præcise LAI målinger i den præsenterede protokol.

Abstract

Nøjagtige skøn over blad område indeks (LAI), defineret som halvdelen af det samlede blad overfladeareal pr. enhed af vandret jordoverflade areal, er afgørende for at beskrive vegetations strukturen inden for økologi, skovbrug og landbrug. Derfor blev procedurerne for tre kommercielt anvendte metoder (kuld fælder, nåle teknik og en plante baldakin analysator) til udførelse af LAI estimering præsenteret trin for trin. Der blev sammenlignet specifikke metodologiske tilgange, og deres nuværende fordele, Kontroler, udfordringer og fremtidsperspektiver blev drøftet i denne protokol. Affalds fælder anses normalt for at være referenceniveauet. Både nåle teknikken og plantens baldakin analysator (f. eks. LAI-2000) undervurderer ofte LAI-værdier i forhold til referencen. Nåle teknikken er nem at bruge i løvfældende stande, hvor Strøelsen nedbrydes fuldstændigt hvert år (f. eks. eg og Bøge stande). Det er dog nødvendigt at kalibreres på grundlag af kuld fælder eller direkte destruktive metoder. Planten Canopy Analyzer er en almindeligt anvendt enhed til at udføre Lai skøn i økologi, skovbrug, og landbrug, men er genstand for potentielle fejl på grund af løv sammenklumpning og bidraget fra woody elementer i synsfeltet (fov’s) af sensoren. Eliminering af disse potentielle fejlkilder blev drøftet. Plant Canopy Analyzer er en meget velegnet enhed til at udføre LAI skøn på det høje rumlige niveau, observere en sæsonbestemt LAI dynamik, og for langsigtet overvågning af LAI.

Introduction

Lai, defineret som halvdelen af det samlede blad overfladeareal pr. enhed af vandret jordoverfladen område1, er en nøgle variabel, der anvendes i mange bio-geofysiske og kemiske udvekslings modeller fokuseret på kulstof og vand flusmidler2,3, 4. Lai er direkte proportional med den aktive overflade af blade, hvor det driver primærproduktion (fotosyntese), transpiration, energiudveksling og andre fysiologiske egenskaber forbundet med en række økosystemprocesser i plante Fællesskaber5.

Talrige tilgange og instrumenter til at udføre Lai estimering er blevet udviklet, og de er i øjeblikket tilgængelige på markedet6,7,8,9. Jordbaserede metoder til udførelse af LAI-estimater kan inddeles i to hovedkategorier: (i) direkte, og (II) indirekte metoder10,11,12. Den første gruppe omfatter metoder, der måler blad området direkte, mens de indirekte metoder udleder LAI fra målinger af mere let målbare parametre ved hjælp af radiativ overførings teori (med hensyn til tid, arbejdskraftintensitet og teknologi)13 ,14.

Denne protokol omhandler den praktiske anvendelse af affalds fælder og nåle teknikken som ikke-destruktiv halv direkte metode10; og den optiske anordning Plant Canopy Analyzer som en indirekte metode6,7 for at udføre Lai estimering på en udvalgt prøve fra tempererede løvfældende skov stande i Central Europa (se dens strukturelle og dendrometriske egenskaber i Tillæg A og tillæg B).

I løvfældende skove og afgrøder er det muligt at udføre ikke-destruktiv halv direkte LAI-estimering ved hjælp af strøelse11 fordelt under baldakin laget15. Kuld fælder giver præcise LAI værdier for løvfældende arter, hvor LAI når et plateau i vækstsæsonen. Men for arter, der kan erstatte blade i vækstsæsonen, såsom poppel, overvurderer metoden LAI11. Denne metode antager, at indholdet af fælderne repræsenterer den gennemsnitlige mængde blade, der falder i en blad-Fall periode i stand16, især i løbet af efteråret måneder. Fælder er åbnet kasser eller garn (figur 1) med en forudbestemt tilstrækkelig størrelse (minimum 0,18 m2, men helst over 0,25m 2)10,17, laterale sider, der forhindrer vinden i at blæse blade ind/ud af fælderne, og med en perforeret bund undgå nedbrydning af bladene; som er placeret under baldakin lag af den undersøgt stativ, dog over jorden overflade11. Fordelingen af fælder kan enten være tilfældig18 eller systematisk i transects19 eller en almindelig afstand gitter20. Antallet og fordelingen af fælder er et afgørende metodologisk skridt for at udføre en nøjagtig LAI-vurdering, der afspejler den unikke stativ struktur, rumlig homogenitet, forventet vindhastighed og retning, især i tilfælde af sparsomme stande (eller stræder og frugtplantager) og arbejdskapaciteten til at evaluere data. Præcisionen af Lai estimering stiger med den stigende hyppighed af fælder inden for studerede stande11,21 (Se figur 2).

Den anbefalede hyppighed af indsamling af prøver af strøelse-fald fra hver fælde er mindst månedlige10 og endda to gange om ugen i perioder med kraftigt fald, som kan falde sammen med kraftig regn. Det er nødvendigt at forhindre nedbrydning af Strøelsen i fælderne og udvaskning af næringsstoffer fra materialet under regn episoder i tilfælde af kemisk analyse. Efter at have indsamlet blade i et felt, anvendes en blandet delprøve til at anslå det specifikke blad område (SLA, cm2 g-1)22, defineret som det friske projicerede areal af blade til sin tørre masse vægt forhold. Resten af den indsamlede strøelse tørres til en konstant vægt og anvendes til beregning af den tørre masse af strøelse som g cm-2 i laboratoriet. Blad tørmassen på hver opsamlingsdato omdannes til blad området ved at multiplicere den indsamlede biomasse med SLA eller blad tørmasse pr. område (LMA, g cm-2) som den inverse parameter til SLA23,24. Et nyt projekteret område af særlige blade kan bestemmes ved hjælp af en planimetrisk tilgang. Den planimetriske metode er baseret på afhængigheden mellem arealet af et bestemt blad og det område, der dækkes af bladet i den vandrette overflade. Bladet er vandret fastgjort til scannings skærmen, og dets gennemsnit måles ved hjælp af en blad område måler. Derefter beregnes dens område. Mange bladareal målere baseret på forskellige måleprincipper er tilgængelige på markedet. Nogle af dem omfatter, for eksempel, LI-3000C bærbare Leaf Area meter, som bruger den ortogonale projektion metode, og LI-3100C areal måler, som måler blad gennemsnit ved hjælp af en fluorescerende lyskilde og en semi-udført scanning kamera. Den næste enhed, CI-202 bærbare laser Leaf Area meter, koder en bladlængde ved hjælp af en kode læser. Udover dem, de AM350 og BSLM101 bærbare blad område målere er også almindeligt anvendt til at udføre nøjagtige blad område skøn.

Desuden er blad område målere baseret på systemer, der analyserer video, findes. Disse blad område målere består af et videokamera, en digitaliserings ramme, en skærm og en PC, herunder egnet software til at gøre dataanalyse såsom WD3 WinDIAS Leaf image Analysis system11. I øjeblikket kan konventionelle scannere, der er tilsluttet en PC, bruges til at anslå blad området. Bagefter beregnes blad området som et multiplum af antallet af sorte pixels, og dets størrelse afhænger af den valgte opløsning (dots per inch – dpi), eller blad området måles gennem specifik software, for eksempel WinFOLIA. Endelig omdannes den totale tørvægt af blade, der er indsamlet inden for et kendt jordoverflade areal, til LAI ved at multiplicere med SLA og en krympende koefficient25 , som afspejler ændringerne i området med friske og tørrede blade. Krympning afhænger af træarterne, vandindholdet og blad blødhed. Krympning af blade i længde og bredde (hvad der påvirker det projekterede område) er normalt op til 10%26, for eksempel, det spænder fra 2,6 til 6,8% for eg27. Sortering af blade efter art til vejning og fastlæggelse af det specifikke bladareal er nødvendigt for at bestemme hver Arts bidrag til det samlede LAI28.

Lai bestemmelse af nåle teknikken er en billig metode afledt af skrå punkt Quadrat metode29,30,31,32. I løvfældende stande, er det et alternativ til at udføre LAI estimering uden brug af fælder10 baseret på den antagelse, at det samlede blad nummer og deres område i et træ er lig med, hvad der er indsamlet på jordoverfladen efter en komplet blad-efterår20 . En tynd skarp nål er gennemboret lodret i strøelse liggende på jorden umiddelbart efter blad-efterår10. Efter det komplette blad fald opsamles bladene fra jorden på en nål af en lodret sonde, er relateret til kontaktnummeret og svarer til den faktiske LAI-værdi. En intensiv prøvetagning (100-300 prøvetagningssteder pr. undersøgt stand pr. felt sonde) ved nåle teknikken er nødvendig for at kvantificere et gennemsnitligt kontaktnummer og for at udlede Lai-værdien korrekt10,20,33.

DenPlant Canopy Analyzer(f. eks. LAI-2000 eller LAI-2200 PCA) er et almindeligt anvendt bærbart instrument til udførelse af et indirekte LAI-skøn ved at tage en måling af lystransmissionen i hele baldakinen7inden for den filtrerede blå del af lysspektret (320-490 nm)34,35for at minimere bidraget fra det lys, der er passeret gennem bladene, blev spredt af baldakinen og passerer gennem løv7,34. I den blå del af lysspektret opnås den maksimale kontrast mellem bladet og himlen, og løv synes sort mod himlen34. Det er derfor baseret på en fraktion-analyse af7. Instrumentet er blevet anvendt i vid udstrækning til at fremstille økofysiologiske studier i plantesamfund som afgrøder36Græsarealer37, nåle stativer8, og løvfældende stande38. Plant Canopy Analyzer bruger en fiskeøje optisk sensor med en FOV på 148 °35at projicere et halvkugleformet billede af baldakinen på silikone detektorer for at arrangere dem i fem koncentriske ringe39med centrale Zenith vinkler på 7 °, 23 °, 38 °, 53 ° og 68 °9,40,41. Fem visnings hætter (dvs.,270 °, 180 °, 90 °, 45 ° og 10 °) kan anvendes til at begrænse azimuth-visningen af den optiske sensor27for at undgå skygger ved forhindringer i et åbent område (for den ovenfor refererede aflæsning) eller operatøren i sensorens FOV under LAI estimering kan du justere FOV-sensoren til et åbent område for over-Canopy-aflæsninger. Målinger ved hjælp af anlægget Canopy analysator er taget ovenfor (eller i et tilstrækkeligt udvidet åbent område) og under studerede Canopy7. Den samme visning caps skal anvendes til både over og under aflæsninger for at undgå biaser af Gap fraktion estimering34. LAI-2000 PCA producerer et effektivt blad område indeks (LAIe) som introduceret af Chen et al.42, eller rettere en effektiv plante areal indeks (PAIe) som woody elementer er inkluderet i sensoren læsning værdi. I løvfældende stande med flade blade er LAIe den samme som Hemi-Surface LAI. I tilfælde af stedsegrønne skov stande, den Laie er nødvendigt at korrigere for sammenklumpning effekt på shoot Level (Spar, stjerne)43, sammenklumpnings indekset ved skalaer, som er større end skyde (ΩE)44, og bidraget fra træagtige elementer, herunder stilke og grene (dvs.,areal forhold mellem woody og total)45som forårsager en systematisk LAI-undervurdering20. Sammenklumpning index på en højere rumlig skala end skyde eller blad kunne kvantificeres som en tilsyneladende sammenklumpning Index (ACF), som kan estimeres ved hjælp af anlægget baldakin analysator, når mere restriktive visning caps anvendes27. Da disse forfattere har fastlagt, at denne ACF udledes af en ratio af LAI-værdier, der beregnes ud fra transmittans forskellige procedurer for homogene og ikke-homogene baldakiner i henhold til lang46, antager vi, at dette sammenklumpning index beskriver temmelig baldakin homogenitet. Ud over den ACF beregning, nye diffuser caps, der muliggør en mere omfattende anvendelse af LAI-2200 PCA med hensyn til vejrforhold, en brugermenu i stedet for FCT-koder, og muligheden for at tage mange flere målinger pr fil session er blandt de vigtigste teknologiske opgraderinger i forhold til den tidligere LAI-2000 PCA34,47. Målinger og efterfølgende interne software beregninger er baseret på fire antagelser: (1) lysblokerende plante elementer, herunder blade, grene og stilke, fordeles tilfældigt i baldakinen, (2) løv er en optisk sort krop, der absorberer alle de lys det modtager, (3) alle plante elementer er den samme projektion til den horisontale jordoverfladen som en simpel geometrisk konvekse form, (4) plante elementer er små sammenlignet med det område, der dækkes af hver ring11.

Protocol

1. LAI anslået ved hjælp af kuld fælder Først udføre en feltundersøgelse, undersøge stedet betingelser og struktur af de undersøgte stande (dvs. hældning og udstilling af hældningen, skoven eller vegetation type, skov eller vegetation tæthed, homogenitet af baldakinen lukning, kronen størrelse og krone basens højde). Vælg en passende strøelse fælde type for positionering under baldakinen ved at vælge maskestørrelse af nettet baseret på størrelsen af assimilation apparater …

Representative Results

Gennemsnitlige LAI værdier på standen niveau af alle studerede stande i 2013 vækstsæson er præsenteret i figur 8. På alle parceller undtagen A blev de højeste værdier målt med kuld fælder, der fungerer som referenceniveau. I modsætning hertil blev den højeste gennemsnitlige LAI-værdi anslået gennem nåle teknikken på plot A. Alle forskelle mellem LAI-værdier anslået ved brug af kuld fælder og en plante baldakin analysator var ikke signifikante (p > 0,05; <strong class="xfig…

Discussion

Kuld fælder betragtes som en af de mest nøjagtige metoder til at udføre Lai estimering8, men de er mere arbejdskraftintensive og tidskrævende end de indirekte metoder35,64 som blev indarbejdet i denne protokol. Inden for hele LAI-estimerings proceduren ved hjælp af kuld fælder er en præcis vurdering af SLA det mest kritiske punkt10 , fordi SLA kan variere med plantearter65, dato og år…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Vi står i gæld til redaktionen af Journal of Skovforskning for at tilskynde og bemyndige os til at bruge de repræsentative resultater i denne protokol fra artiklen offentliggjort der. Vi takker også to anonyme anmeldere for deres værdifulde kommentarer, som har forbedret manuskriptet væsentligt. Forskningen blev finansieret af Den Tjekkiske Republiks landbrugsministerium, institutionel støtte MZE-RO0118 og det nationale agentur for landbrugsforskning (projekt nr. 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