Summary

Estimación del índice de área hoja utilizando tres métodos distintos en soportes caducifolios puros

Published: August 29, 2019
doi:

Summary

Una estimación precisa del índice de área de hoja (LAI) es crucial para muchos modelos de flujos de material y energía dentro de los ecosistemas de la planta y entre un ecosistema y la capa límite atmosférica. Por lo tanto, tres métodos (trampas de basura, técnica de aguja y PCA) para tomar mediciones precisas de LAI estaban en el protocolo presentado.

Abstract

Las estimaciones precisas del índice de área de hoja (LAI), definidas como la mitad de la superficie total de la hoja por unidad de superficie del suelo horizontal, son cruciales para describir la estructura vegetal en los campos de la ecología, la silvicultura y la agricultura. Por lo tanto, los procedimientos de tres métodos utilizados comercialmente (trampas de basura, técnica de aguja y un analizador de dosel de planta) para realizar la estimación de LAI se presentaron paso a paso. Se compararon enfoques metodológicos específicos y en este protocolo se discutieron sus ventajas actuales, controversias, desafíos y perspectivas futuras. Las trampas de basura generalmente se consideran como el nivel de referencia. Tanto la técnica de la aguja como el analizador de dosel de la planta (por ejemplo, LAI-2000) suelen subestimar con frecuencia los valores laAI en comparación con la referencia. La técnica de la aguja es fácil de usar en soportes caducifolios donde la camada se descompone por completo cada año (por ejemplo, soportes de roble y haya). Sin embargo, es necesaria una calibración basada en trampas de basura o métodos destructivos directos. El analizador de dosel de la planta es un dispositivo comúnmente utilizado para realizar la estimación de LAI en ecología, silvicultura y agricultura, pero está sujeto a un posible error debido a la acumulación de follaje y la contribución de elementos leñosos en el campo de visión (FOV) del sensor. Se discutió la eliminación de estas posibles fuentes de error. El analizador de dosel de la planta es un dispositivo muy adecuado para realizar estimaciones de LAI a un alto nivel espacial, observando una dinámica laI estacional y para el monitoreo a largo plazo de LAI.

Introduction

LAI, definida como la mitad de la superficie total de la hoja por unidad de superficie terrestre horizontal1, es una variable clave utilizada en muchos modelos de intercambio biogeofísico y químico centrados en los flujos de carbono y agua2,3, 4. LAI es directamente proporcional a la superficie activa de las hojas donde impulsa la producción primaria (fotosíntesis), transpiración, intercambio de energía y otros atributos fisiológicos relacionados con una serie de procesos ecosistémicos en plantas comunidades5.

Se han desarrollado numerosos enfoques e instrumentos para realizar la estimación de LAI, y actualmente están disponibles en el mercado6,7,8,9. Los métodos basados en tierra para realizar la estimación de LAI se pueden agrupar en dos categorías principales: i) métodos directos y ii) indirectos10,11,12. El primer grupo incluye métodos que miden el área de la hoja directamente, mientras que los métodos indirectos deducen LAI a partir de mediciones de parámetros más fácilmente medibles, utilizando la teoría de la transferencia radiativa (en términos de tiempo, intensidad de mano de obra y tecnología)13 ,14.

Este protocolo se ocupa del uso práctico de las trampas de basura y la técnica de la aguja, como métodos semidirectos no destructivos10; y el analizador de dosel dela planta de dispositivos ópticos como método indirecto 6,7 para realizar la estimación de LAI en una muestra elegida de los establos forestales caducifolios templados en Europa Central (ver sus características estructurales y dendrométricas en Apéndice A y Apéndice B).

En los bosques y cultivos caducifolios, es posible realizar estimaciones de LAI semidirectas no destructivas utilizando trampas de basura11 distribuidas por debajo de la capa de dosel15. Las trampas de basura proporcionan valores de LAI precisos para especies caducifolios en las que LAI alcanza una meseta dentro de la temporada de crecimiento. Sin embargo, para las especies que pueden reemplazar las hojas durante la temporada de crecimiento, como el álamo, el método sobreestima LAI11. Este método supone que el contenido de las trampas representa la cantidad media de hojas que caen durante un período de caída de hojas en el stand16,especialmente durante los meses de otoño. Las trampas son cajas o redes abiertas (Figura1) con un tamaño suficiente predeterminado (mínimo 0,18 m2, pero preferiblemente más de 0,25 m2)10,17, lados laterales que impiden que el viento sople hojas dentro /fuera de las trampas, y con un fondo perforado evitando la descomposición de las hojas; que se encuentran debajo de la capa de dosel del soporte estudiado, sin embargo, por encima de la superficie del suelo11. La distribución de las trampas puede ser aleatoria18 o sistemática en transectos19 o una rejilla de espaciado regular20. El número y la distribución de las trampas son un paso metodológico crucial para realizar una estimación precisa de LAI que refleje la estructura única del stand, la homogeneidad espacial, la velocidad y dirección esperadas del viento, especialmente en el caso de soportes dispersos (o callejones y huertos), y la capacidad de trabajo para evaluar los datos. La precisión de la estimación de LAI aumenta conla creciente frecuencia de trampas dentro de los puntos estudiados 11,21 (ver Figura 2).

La frecuencia recomendada de recolección de muestras de la caída de la basura de cada trampa es de al menos10 mensuales e incluso dos veces por semana en períodos de fuertes caídas, que pueden coincidir con fuertes lluvias. Es necesario evitar la descomposición de la camada en las trampas y la lixiviación de nutrientes del material durante los episodios de lluvia en el caso de análisis químico. Después de recoger las hojas en un campo, se utiliza una submuestra mixta para estimar el área específica de la hoja (SLA, cm2 g-1)22, definida como el área fresca proyectada de las hojas a su relación de peso de masa seca. El resto de la basura recogida se seca a un peso constante y se utiliza para calcular la masa seca de la camada como g cm-2 en el laboratorio. La masa seca de hoja en cada fecha de recolección se convierte en la zona de la hoja multiplicando la biomasa recogida por SLA o masa seca de hoja por área (LMA, g cm-2) como parámetro inverso a SLA23,24. Un área proyectada fresca de hojas particulares se puede determinar utilizando un enfoque planimétrico. El método planimétrico se basa en la dependencia entre el área de una hoja específica y el área cubierta por la hoja en la superficie horizontal. La hoja se fija horizontalmente a la pantalla de escaneo, y su promedio se mide usando un medidor de área de hoja. A continuación, se calcula su área. Muchos medidores de área de hoja basados en diferentes principios de medición están disponibles en el mercado. Algunos de ellos incluyen, por ejemplo, el medidor de área de hoja portátil LI-3000C, que utiliza el método de proyección ortogonal, y el medidor de área LI-3100C, que mide el promedio de la hoja utilizando una fuente de luz fluorescente y una cámara de escaneo semi-conducida. El siguiente dispositivo, el medidor de área de hoja láser portátil CI-202, codifica una longitud de hoja utilizando un lector de código. Además de ellos, los medidores de área de hoja portátiles AM350 y BSLM101 también se utilizan comúnmente para realizar una estimación precisa del área de hoja.

Además, existen medidores de área de hoja basados en sistemas que analizan el vídeo. Estos medidores de área de hoja consisten en una cámara de vídeo, un marco de digitalización, una pantalla y un PC, incluido el software adecuado para realizar el análisis de datos como WD3 WinDIAS Leaf Image Analysis System11. Actualmente, los escáneres convencionales conectados a un PC se pueden utilizar para un área de hoja de estimación. Después, el área de la hoja se calcula como un múltiplo del número de píxeles negros y su tamaño depende de la resolución seleccionada (puntos por pulgada – ppp), o el área de la hoja se mide a través de software específico, por ejemplo, WinFOLIA. Finalmente, la masa seca total de hojas recogidas dentro de una superficie del suelo conocida se convierte en la LAI multiplicando por SLA y un coeficiente de contracción25 que refleja los cambios en el área de las hojas frescas y secas. La contracción depende de las especies de árboles, el contenido de agua y la suavidad de las hojas. La contracción de las hojas en longitud y anchura (lo que afecta a la zona proyectada) suele ser de hasta 10%26,por ejemplo, oscila entre 2,6 y 6,8% para el roble27. La clasificación de las hojas por especie para el pesaje y el establecimiento de la relación específica de la superficie de la hoja es necesaria para determinar la contribución de cada especie al TOTAL DE LAI28.

La determinación de LAI mediante la técnica de la aguja es un método económico derivado del método de cuadrador de punto inclinado29,30,31,32. En los soportes caducifolios, es una alternativa para realizar la estimación de LAI sin utilizar trampas10 basadas en la suposición de que el número total de hojas y su área en un árbol son iguales a lo que se recoge en la superficie del suelo después de una hoja completa-otoño20 . Una aguja delgada y afilada se perfora verticalmente en la camada que se encuentra en el suelo inmediatamente después de la caída de la hoja10. Después de la caída completa de la hoja, las hojas se recogen del suelo en una aguja de una sonda vertical, están relacionadas con el número de contacto e iguales al valor LAI real. Se requiere un muestreo intensivo (100-300 puntos de muestreo por soporte estudiado por sonda de campo) por la técnica de la aguja para cuantificar un número de contacto medio y derivar el valor LAI correctamente10,20,33.

elanalizador de dosel de la planta(por ejemplo, LAI-2000 o LAI-2200 PCA) es un instrumento portátil de uso común para realizar una estimación de LAI indirecta al tomar una medición de la transmisión de luz en todo el dosel7dentro de la porción azul filtrada del espectro de luz (320-490 nm)34,35para minimizar la contribución de la luz que ha pasado a través de las hojas, fue esparcida por el dosel y está pasando a través del follaje7,34. En la parte azul del espectro de luz, se logra el contraste máximo entre la hoja y el cielo, y el follaje aparece negro contra el cielo34. Por lo tanto, se basa en el análisis de la fracción de brecha de dosel7. El instrumento ha sido ampliamente utilizado para realizar estudios ecofisiológicos en comunidades vegetales como36Pastizales37, los soportes de las coníferas8, y soportes caducifolios38. El analizador de dosel de la planta utiliza un sensor óptico ojo de pez con un FOV de 148o35para proyectar una imagen hemisférica del dosel en los detectores de silicio para organizarlos en cinco anillos concéntricos39con ángulos cenites centrales de 7o, 23o, 38o, 53o y 68o9,40,41. Cinco tapas de vista (es decir,,Se pueden utilizar 270o, 180o, 90o, 45o y 10o) para restringir la vista de acimut del sensor óptico27para evitar el sombreado por obstáculos en un área abierta (para la lectura mencionada anteriormente) o el operador en el FOV del sensor durante la estimación de LAI puede ajustar el sensor FOV a un área abierta para lecturas por encima del dosel. Las mediciones que utilizan el analizador de dosel de la planta se toman por encima (o en un área abierta suficientemente extendida) y por debajo del dosel estudiado7. Las mismas tapas de vista deben utilizarse tanto para las lecturas superiores como para debajo de ellas para evitar sesgos de estimación de la fracción de brecha34. El LAI-2000 PCA produce un índice de área hoja eficaz (LAIe) introducido por Chen et al.42, o más bien un índice de área de planta eficaz (PAIe) como elementos leñosos se incluyen en el valor de lectura del sensor. En soportes caducifolios con hojas planas, el LAIe es el mismo que el LAI de superficie hemi. En el caso de las gradas forestales perennes, la LAIe es necesaria para corregir el efecto de aglomeración a nivel de brote (SPAR, STAR)43, el índice de aglutinación a escalas más grandes que el brote (a)E)44, y la contribución de los elementos leñosos, incluidos los tallos y las ramas (es decir,,relación de área leñosa a total),45que causan una subestimación sistemática de LAI20. El índice de aglutinación en una escala espacial más alta que el brote u hoja podría cuantificarse como un índice de agrupación aparente (ACF), que se puede estimar utilizando el analizador de dosel de la planta cuando se utilizan tapas de vista más restrictivas27. Como estos autores afirman que este ACF se deduce de una relación de valores LAI calculados a partir de la transmisión por diferentes procedimientos para las marquesinas homogéneas y no homogéneas según Lang46, suponemos que este índice de aglomerado describe una homogeneidad más bien del dosel. Además del cálculo ACF, las nuevas tapas difusoras que permiten una aplicación más extensa de LAI-2200 PCA con respecto a las condiciones climáticas, un menú de usuario en lugar de códigos Fct, y la posibilidad de tomar muchas más medidas por sesión de archivo se encuentran entre los principales actualizaciones tecnológicas en comparación con el antiguo LAI-2000 PCA34,47. Las mediciones y los cálculos de software internos subsiguientes se basan en cuatro suposiciones: (1) los elementos de la planta de bloqueo de luz, incluidas las hojas, las ramas y los tallos, se distribuyen aleatoriamente en el dosel, (2) el follaje es un cuerpo ópticamente negro que absorbe todo el cuerpo ópticamente negro que absorbe todo el luz que recibe, (3) todos los elementos de la planta son la misma proyección a la superficie horizontal del suelo que una forma geométrica convexa simple, (4) los elementos de la planta son pequeños en comparación con el área cubierta por cada anillo11.

Protocol

1. LAI estimado utilizando trampas de basura En primer lugar, realizar un estudio de campo, investigando las condiciones del sitio y la estructura de los stands estudiados (es decir, inclinación y exposición de la pendiente, tipo de bosque o vegetación, densidad de bosque o vegetación, homogeneidad del cierre del dosel, la corona tamaño, y la altura de la base de la corona). Seleccione un tipo de trampa de basura adecuado para el posicionamiento debajo del dosel eligiendo el tamaño de m…

Representative Results

Los valores medios de LAI a nivel de stand de todos los stands estudiados en la temporada de crecimiento 2013 se presentan en la Figura8. En todas las parcelas excepto A, los valores más altos se midieron mediante trampas de basura, que sirven como nivel de referencia. Por el contrario, el valor medio más alto de LAI se estimó a través de la técnica de la aguja en la parcela A. Todas las diferencias entre los valores de LAI estimados utilizando trampas de basura y un analizador de dosel…

Discussion

Las trampas de basura se consideran como uno delos métodos más precisos para realizar la estimación de LAI 8, pero requieren más mano de obra y consumen mucho tiempo que los métodos indirectos35,64 que se incorporaron a este protocolo. Dentro de todo el procedimiento de estimación de LAI utilizando trampas de basura, una estimación precisa del SLA es el punto más crítico10 porque el SLA puede variar con las…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Estamos en deuda con el consejo editorial de la Revista de Investigación Forestal por animarnos y autorizarnos a utilizar los resultados representativos de este protocolo del artículo publicado allí. También agradecemos amablemente a dos revisores anónimos por sus valiosos comentarios, que han mejorado sustancialmente el manuscrito. La investigación fue financiada por el Ministerio de Agricultura de la República Checa, el apoyo institucional MZE-RO0118 y la Agencia Nacional de Investigación Agrícola (Proyecto 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/

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).

Play Video

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).

View Video