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

Leaf Area Index Estimation mit drei unterschiedlichen Methoden in reinen Laubständen

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

Eine genaue Schätzung des Blattflächenindex (LAI) ist entscheidend für viele Modelle von Material- und Energieflüssen innerhalb von Pflanzenökosystemen und zwischen einem Ökosystem und der atmosphärischen Grenzschicht. Daher waren drei Methoden (Wurffallen, Nadeltechnik und PCA) zur präzisen LAI-Messung im vorgestellten Protokoll enthalten.

Abstract

Genaue Schätzungen des Blattflächenindexes (LAI), definiert als die Hälfte der gesamten Blattfläche pro Einheit horizontaler Bodenfläche, sind entscheidend für die Beschreibung der Vegetationsstruktur in den Bereichen Ökologie, Forstwirtschaft und Landwirtschaft. Daher wurden Verfahren von drei kommerziell eingesetzten Methoden (Wurffallen, Nadeltechnik und Pflanzendachanalysator) zur Durchführung der LAI-Schätzung Schritt für Schritt vorgestellt. Spezifische methodische Ansätze wurden verglichen und ihre aktuellen Vorteile, Kontroversen, Herausforderungen und Zukunftsperspektiven wurden in diesem Protokoll diskutiert. Wurffallen gelten in der Regel als Referenzwert. Sowohl die Nadeltechnik als auch der Pflanzenkronenanalysator (z.B. LAI-2000) unterschätzen häufig LAI-Werte im Vergleich zur Referenz. Die Nadeltechnik ist einfach in Laubständern zu verwenden, wo sich der Wurf jedes Jahr vollständig zersetzt (z.B. Eichen- und Buchenständer). Eine Kalibrierung auf Deriszfallen oder direkten zerstörerischen Methoden ist jedoch erforderlich. Der Pflanzenkronenanalysator ist ein häufig verwendetes Gerät zur Durchführung von LAI-Schätzungen in Ökologie, Forstwirtschaft und Landwirtschaft, unterliegt aber potenziellen Fehlern aufgrund von Laubklumpen und dem Beitrag von Holzelementen im Sichtfeld (FOV) des Sensors. Die Beseitigung dieser potenziellen Fehlerquellen wurde diskutiert. Der Pflanzenkronenanalysator ist ein sehr geeignetes Gerät zur Durchführung von LAI-Schätzungen auf hoher räumlicher Ebene, zur Beobachtung einer saisonalen LAI-Dynamik und zur Langzeitüberwachung von LAI.

Introduction

LAI, definiert als die Hälfte der gesamten Blattoberfläche pro Einheit der horizontalen Bodenfläche1, ist eine Schlüsselvariable, die in vielen biogeophysikalischen und chemischen Austauschmodellen verwendet wird, die sich auf Kohlenstoff- und Wasserflüsse konzentrieren2,3, 4. LAI ist direkt proportional zur aktiven Oberfläche von Blättern, wo es die Primärproduktion (Photosynthese), Transpiration, Energieaustausch und andere physiologische Eigenschaften im Zusammenhang mit einer Reihe von Ökosystemprozessen in Pflanzen antreibt Gemeinden5.

Zahlreiche Ansätze und Instrumente für die Durchführung von LAI-Schätzungen wurden entwickelt, und sie sind derzeit auf dem Markt6,7,8,9. Bodenbasierte Methoden zur Durchführung der LAI-Schätzung können in zwei Hauptkategorien eingeteilt werden: (i) direkt und (ii) indirekte Methoden10,11,12. Die erste Gruppe umfasst Methoden zur direkten Messung der Blattfläche, während die indirekten Methoden LAI aus Messungen leichter messbarer Parameter unter Verwendung der Strahlungstransfertheorie (in Bezug auf Zeit, Arbeitsintensität und Technologie) ableiten13 ,14.

Dieses Protokoll behandelt den praktischen Einsatz von Wurffallen und die Nadeltechnik als zerstörungsfreie halbdirekte Methoden10; und der optische Geräte-Pflanzenbaumanalysator als indirektes Verfahren6,7 zur Durchführung der LAI-Schätzung für eine ausgewählte Probe aus gemäßigten Laubwaldbeständen in Mitteleuropa (siehe seine strukturellen und dendrometrischen Anhang A und Anhang B).

In Laubwäldern und Kulturpflanzen ist es möglich, eine zerstörungsfreie halbdirekte LAI-Schätzung mit Wurffallen11 durchzuführen, die unter der Vordachschicht15verteilt sind. Wurffallen liefern präzise LAI-Werte für Laubarten, bei denen LAI in der Vegetationsperiode ein Plateau erreicht. Bei Arten, die während der Vegetationsperiode Blätter ersetzen können, wie z. B. Pappel, überschätzt die Methode LAI11. Diese Methode geht davon aus, dass der Inhalt der Fallen die durchschnittliche Menge der Blätter darstellt, die während einer Blattfallperiode im Stand16fallen, insbesondere in den Herbstmonaten. Fallen sind geöffnete Boxen oder Netze (Abbildung1) mit einer vorgegebenen ausreichenden Größe (mindestens 0,18 m2 , vorzugsweise jedoch über 0,25 m2)10,17, Seitenscheiben, die verhindern, dass der Wind Blätter in/aus die Fallen, und mit einem perforierten Boden Vermeidung Zersetzung der Blätter; die sich unterhalb der Vordachschicht des untersuchten Standes befinden, jedoch über der Bodenfläche11. Die Verteilung der Fallen kann entweder zufällig18 oder systematisch in den Transekts19 oder einem regulären Abstandsraster20sein. Die Anzahl und Verteilung der Fallen ist ein entscheidender methodischer Schritt für die Durchführung einer genauen LAI-Schätzung, die die einzigartige Standstruktur, räumliche Homogenität, erwartete Windgeschwindigkeit und -richtung widerspiegelt, insbesondere bei spärlichen Ständern (oder Gassen und Obstgärten) und die Arbeitskapazität für die Auswertung von Daten. Die Genauigkeit der LAI-Schätzung steigt mit dersteigenden Häufigkeit von Fallen innerhalb der untersuchten Stands 11,21 (siehe Abbildung 2).

Die empfohlene Häufigkeit der Entnahme von Proben des Wurffalls aus jeder Falle beträgt mindestens monatlich10 und sogar zweimal pro Woche in Zeiten starken Sturzes, die mit starken Regenfällen zusammenfallen können. Es ist notwendig, die Zersetzung des Einstreuses in den Fallen und das Auslaugen von Nährstoffen aus dem Material während Regenepisoden im Falle von chemischen Analysen zu verhindern. Nach dem Sammeln von Blättern in einem Feld wird eine gemischte Unterprobe zur Schätzung der spezifischen Blattfläche (SLA, cm2 g-1)22verwendet, definiert als die frisch projizierte Blattfläche bis zu ihrem Trockenmassengewichtsverhältnis. Der Rest des gesammelten Einstreus wird auf ein konstantes Gewicht getrocknet und zur Berechnung der Trockenmasse des Wurfes als g cm-2 im Labor verwendet. Die Blatttrockenmasse an jedem Sammeldatum wird in den Blattbereich umgewandelt, indem die gesammelte Biomasse mit SLA oder Blatttrockenmasse pro Fläche (LMA, g cm-2) als umgekehrter Parameter zu SLA23,24multipliziert wird. Eine neue projizierte Fläche bestimmter Blätter kann mit einem planimetrischen Ansatz bestimmt werden. Die planimetrische Methode basiert auf der Abhängigkeit zwischen dem Bereich eines bestimmten Blattes und dem Bereich, der vom Blatt in der horizontalen Fläche bedeckt wird. Das Blatt wird horizontal am Scanbildschirm befestigt, und sein Durchschnitt wird mit einem Blattflächenmesser gemessen. Dann wird seine Fläche berechnet. Viele Blattflächenzähler, die auf unterschiedlichen Messprinzipien basieren, sind auf dem Markt erhältlich. Dazu gehören beispielsweise das TRAGBARE Blattflächenmessgerät LI-3000C, das die orthogonale Projektionsmethode verwendet, und das LI-3100C Area Meter, das den Blattdurchschnitt mit einer fluoreszierenden Lichtquelle und einer halbgeführten Scankamera misst. Das nächste Gerät, der tragbare Laserblatt-Flächenmesser CI-202, kodiert eine Blattlänge mit einem Codeleser. Neben ihnen werden die TRAGBAREn Blattflächenmessgeräte AM350 und BSLM101 häufig auch für die genaue Blattflächenschätzung verwendet.

Darüber hinaus existieren Blattflächenzähler, die auf Systemen basieren, die Videos analysieren. Diese Blattflächenzähler bestehen aus einer Videokamera, einem Digitalisierungsrahmen, einem Bildschirm und einem PC, einschließlich geeigneter Software für die Datenanalyse wie WD3 WinDIAS Leaf Image Analysis System11. Derzeit können herkömmliche Scanner, die an einen PC angeschlossen sind, für eine Schätzung der Blattfläche verwendet werden. Danach wird die Blattfläche als Einvielfaches der Anzahl der schwarzen Pixel berechnet und ihre Größe hängt von der gewählten Auflösung ab (Punkte pro Zoll – dpi), oder die Blattfläche wird durch eine bestimmte Software gemessen, z. B. WinFOLIA. Schließlich wird die gesamte Trockenmasse der in einer bekannten Bodenoberfläche gesammelten Blätter durch Multiplikation mit SLA und einem Schrumpfkoeffizienten25, der die Veränderungen im Bereich der frischen und getrockneten Blätter widerspiegelt, in das LAI umgewandelt. Die Schrumpfung hängt von der Baumart, dem Wassergehalt und der Blattweichheit ab. Die Schrumpfung der Blätter in Länge und Breite (was die projizierte Fläche beeinflussen) ist in der Regel bis zu 10%26, zum Beispiel, es reicht von 2,6 bis 6,8% für Eiche27. Die Sortierung von Blättern nach Arten zum Wiegen und Zur Ermittlung des spezifischen Blattflächenverhältnisses ist notwendig, um den Beitrag jeder Art zum gesamten LAI28zu bestimmen.

LAI-Bestimmung durch die Nadeltechnik ist eine kostengünstige Methode, die aus der Schrägpunkt-Quadrat-Methode29,30,31,32abgeleitet ist. Bei Laubständen ist es eine Alternative zur Lai-Schätzung ohne Verwendung von Fallen10, die auf der Annahme beruhen, dass die Gesamtzahl der Blattbestände und ihre Fläche in einem Baum dem entsprechen, was nach einem vollständigen Blattfall auf der Bodenoberfläche gesammelt wird20 . Eine dünne scharfe Nadel wird senkrecht in den auf dem Boden liegenden Wurf unmittelbar nach dem Blattfall10durchbohrt. Nach dem vollständigen Blattfall werden die Blätter vom Boden auf eine Nadel einer vertikalen Sonde gesammelt, sind mit der Kontaktnummer verwandt und entsprechen dem tatsächlichen LAI-Wert. Eine intensive Probenahme (100-300 Probenahmepunkte pro untersuchter Stand pro Feldsonde) durch die Nadeltechnik isterforderlich, um eine mittlere Kontaktnummer zu quantifizieren und den LAI-Wert korrekt ableiten 10,20,33.

dasAnlagendachanalysator(z. B. LAI-2000 oder LAI-2200 PCA) ist ein häufig verwendetes tragbares Instrument zur Durchführung einer indirekten LAI-Schätzung durch Messung der Lichtdurchlässigkeit im gesamten Vordach7innerhalb des gefilterten blauen Teils des Lichtspektrums (320-490 nm)34,35um den Beitrag des Lichts zu minimieren, das durch die Blätter gegangen ist, durch das Vordach gestreut wurde und durch das Laub geht7,34. Im blauen Teil des Lichtspektrums wird der maximale Kontrast zwischen Blatt und Himmel erreicht, und das Laub erscheint schwarz gegen den Himmel34. Daher basiert es auf der Analyse der Vordach-Lückenfraktion7. Das Instrument wurde häufig für ökophysiologische Studien in Pflanzengemeinschaften wie36Grasland37, Nadelstände8, und Laubstände38. Der Pflanzenkronenanalysator verwendet einen optischen Sensor von Fisheye mit einem FOV von 148°35ein halbkugelförmiges Bild des Vordachs auf Siliziumdetektoren zu projizieren, um sie in fünf konzentrische Ringe zu ordnen39mit zentralen Zenitwinkeln von 7°, 23°, 38°, 53° und 68°9,40,41. Fünf Ansichtskappen (d. h.,270°, 180°, 90°, 45° und 10°) kann verwendet werden, um die Azimutansicht des optischen Sensors einzuschränken27um eine Beschattung durch Hindernisse in einem offenen Bereich (für den oben referenzierten Messwert) oder den Bediener im FOV des Sensors während der LAI-Schätzung zu vermeiden, kann der FOV-Sensor auf einen offenen Bereich für über-Bald-Messungen eingestellt werden. Messungen mit dem Pflanzenkronenanalysator werden oberhalb (oder in einem ausreichend ausgedehnten offenen Bereich) und unterhalb des untersuchten Vordachs durchgeführt.7. Die gleichen Ansichtsobergrenzen müssen sowohl für die Ober- als auch für die Unterwerte verwendet werden, um Verzerrungen bei der Schätzung der Lückenfraktionsfraktion zu vermeiden.34. Der LAI-2000 PCA erzeugt einen effektiven Blattflächenindex (LAIe), wie er von Chen et al. eingeführt wurde.42, oder besser gesagt, ein effektiver Pflanzenflächenindex (PAIe) als holzige Elemente sind im Sensor-Lesewert enthalten. Bei Laubständern mit flachen Blättern ist die LAIe die gleiche wie die Hemi-Oberfläche LAI. Bei immergrünen Waldbeständen ist die LAIe notwendig, um den Klumpeneffekt auf Der Triebebene zu korrigieren (SPAR, STAR)43, der Verklumpungsindex bei Skalen, die größer als der TriebE)44und den Beitrag von holzigen Elementen, einschließlich Stielen und Zweigen (d. h.,Holz-zu-Gesamt-Flächenverhältnis),45die zu einer systematischen UNTERschätzung der LAI20. Der Verklumpungsindex auf einer höheren räumlichen Skala als der Trieb oder das Blatt könnte als scheinbarer Klumpenindex (ACF) quantifiziert werden, der mit dem Pflanzenkronenanalysator geschätzt werden kann, wenn restriktivere Ansichtskappen verwendet werden.27. Wie diese Autoren erklären, wird dieser ACF aus einem Verhältnis von LAI-Werten abgeleitet, das aus der Übertragung durch verschiedene Verfahren für homogene und nicht homogene Vordächer nach Lang berechnet wird.46, gehen wir davon aus, dass dieser Klumpenindex eher die Homogenität der Baumkronen beschreibt. Neben der ACF-Berechnung gehören neue Diffusorkappen, die eine umfangreichere Anwendung von LAI-2200 PCA in Bezug auf die Wetterbedingungen ermöglichen, ein Benutzermenü anstelle von Fct-Codes und die Möglichkeit, viele weitere Messungen pro Dateisitzung durchzuführen, zu den wichtigsten technologische Upgrades im Vergleich zum ehemaligen LAI-2000 PCA34,47. Messungen und nachfolgende interne Softwareberechnungen basieren auf vier Annahmen: (1) Lichtblockierende Pflanzenelemente wie Blätter, Zweige und Stiele sind zufällig im Vordach verteilt, (2) Laub ist ein optisch schwarzer Körper, der alle Licht, das es empfängt, (3) alle Pflanzenelemente sind die gleiche Projektion auf die horizontale Bodenfläche wie eine einfache geometrische konvexe Form, (4) Pflanzenelemente sind klein im Vergleich zu der Fläche, die von jedem Ring abgedeckt wird11.

Protocol

1. LAI geschätzt mit Wurffallen Führen Sie zunächst eine Felduntersuchung durch, bei der die Standortbedingungen und die Struktur der untersuchten Bestände (d. h. Neigung und Exposition des Hanges, Wald- oder Vegetationstyps, Wald- oder Vegetationsdichte, Homogenität des Baumkronenverschlusses, der Krone, Größe und die Kronenbasishöhe). Wählen Sie einen geeigneten Wurffalle-Typ für die Positionierung unter dem Vordach, indem Sie die Maschenöffnung des Netzes basierend auf der Grö?…

Representative Results

Die durchschnittlichen LAI-Werte auf Standebene aller untersuchten Stände in der Vegetationsperiode 2013 sind in Abbildung 8dargestellt. Auf allen Parzellen außer A wurden die höchsten Werte durch Wurffallen gemessen, die als Referenzwert dienen. Im Gegensatz dazu wurde der höchste mittlere LAI-Wert durch die Nadeltechnik auf Plot A geschätzt. Alle Unterschiede zwischen den mit Wurffallen und einem Pflanzenkronenanalysator geschätzten LAI-Werten waren nicht signifikant (p > 0,05; <stro…

Discussion

Wurffallen gelten als eine der genauesten Methoden zur Ausführung der LAI-Schätzung8, aber sie sind arbeitsintensiver und zeitaufwändiger als die indirekten Methoden35,64, die in dieses Protokoll aufgenommen wurden. Innerhalb des gesamten LAI-Schätzverfahrens mit Wurffallen ist eine genaue Schätzung der SLA der kritischste Punkt10, da die SLA je nach Pflanzenart65,Datum und Jahr, Dauer d…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Wir sind der Redaktion des Journal of Forestry Research dankbar, dass sie uns ermutigt und ermächtigt hat, die repräsentativen Ergebnisse dieses Protokolls aus dem dort veröffentlichten Artikel zu verwenden. Wir danken auch zwei anonymen Rezensenten für ihre wertvollen Kommentare, die das Manuskript wesentlich verbessert haben. Die Forschung wurde vom Landwirtschaftsministerium der Tschechischen Republik, der institutionellen Unterstützung MZE-RO0118 und der Nationalen Agentur für Agrarforschung (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

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