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

Saf Yaprak Döken Standlarda Üç Farklı Yöntem Kullanılarak Yaprak Alan İndeksi Tahmini

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

Yaprak alan indeksi (LAI) doğru bir tahmin bitki ekosistemleri içinde malzeme ve enerji akıları birçok model için ve bir ekosistem ve atmosferik sınır tabakası arasında çok önemlidir. Bu nedenle, sunulan protokolde hassas LAI ölçümleri almak için üç yöntem (çöp tuzakları, iğne tekniği ve PCA) yer aldı.

Abstract

Yatay zemin yüzey alanının birim başına toplam yaprak yüzey alanının yarısı olarak tanımlanan yaprak alanı indeksi (LAI) doğru tahminleri, ekoloji, ormancılık ve tarım alanlarındaki bitki örtüsü yapısını tanımlamak için çok önemlidir. Bu nedenle, LAI tahmini gerçekleştirmek için ticari olarak kullanılan üç yöntemin (çöp tuzakları, iğne tekniği ve bitki kanopisi analizörü) prosedürleri adım adım sunulmuştur. Bu protokolde belirli metodolojik yaklaşımlar karşılaştırıldı ve bunların mevcut avantajları, tartışmaları, zorlukları ve gelecekteki perspektifleri tartışıldı. Çöp tuzakları genellikle referans seviyesi olarak kabul edilir. Hem iğne tekniği hem de bitki kanopisi analizörü (örneğin, LAI-2000) referansla karşılaştırıldığında LAI değerlerini sık sık hafife almaktadır. İğne tekniği, çöpün her yıl tamamen çürüyüğü yaprak döken standlarda (örn. meşe ve kayın standları) kullanımı kolaydır. Ancak, çöp tuzakları veya doğrudan yıkıcı yöntemlere dayalı kalibrasyon gereklidir. Bitki kanopisi analizörü ekoloji, ormancılık ve tarımla ilgili LAI tahmini yapmak için yaygın olarak kullanılan bir cihazdır, ancak yeşillik kümelenme ve sensör görüş alanında odunsu elemanların katkısı nedeniyle potansiyel hataya tabidir . Bu olası hata kaynaklarının ortadan kaldırılması tartışıldı. Bitki kanopisi analizörü, yüksek mekansal düzeyde LAI tahminleri gerçekleştirmek için çok uygun bir cihazdır, mevsimsel LAI dinamik gözlemleyerek, ve LAI uzun vadeli izleme için.

Introduction

LAI, yatay zemin yüzey alanı1birim başına toplam yaprak yüzey alanının yarısı olarak tanımlanan, karbon ve su akıları 2 odaklı birçok biyo-jeofizik ve kimyasal değişim modellerinde kullanılan önemli bir değişkendir2,3, 4. LAI, birincil üretim (fotosentez), transpirasyon, enerji değişimi ve bitkideki bir dizi ekosistem süreciyle bağlantılı diğer fizyolojik özellikleri yönlendirdiği yaprakların aktif yüzeyi ile doğru orantılıdır. topluluklar5.

LAI tahmini gerçekleştirmek için çok sayıda yaklaşım ve araçlar geliştirilmiştir, ve şu anda piyasada mevcuttur6,7,8,9. LAI tahmini gerçekleştirmek için zemin tabanlı yöntemler iki ana kategoriye gruplandırılabilir: (i) doğrudan ve (ii) dolaylı yöntemler10,11,12. İlk grup yaprak alanını doğrudan ölçen yöntemler içerirken, dolaylı yöntemler LAI’yi daha kolay ölçülebilir parametrelerin ölçümlerinden çıkararak, radyatif transfer teorisini (zaman, emek yoğunluğu ve teknoloji açısından) kullanarak13 ,14.

Bu protokol, çöp kapanlarının pratik kullanımı ve iğne tekniği ile ilgilidir,tahribatsız yarı-direkt yöntemler 10; ve optik cihaz bitki kanopi analizörü dolaylı bir yöntem olarak6,7 Orta Avrupa’da ılıman yaprak döken orman standları seçilen bir örnek ÜZERINDE LAI tahmini gerçekleştirmek için (bkz. Ek A ve Ek B).

Yaprak döken ormanlar ve bitkileri, bu çöp tuzakları11 gölgelik tabakası15altında dağıtılan kullanarak tahribatsız yarı doğrudan LAI tahmini gerçekleştirmek mümkündür. Çöp tuzakları, LAI’nin büyüme mevsiminde bir platoya ulaştığı yaprak döken türler için kesin LAI değerleri sağlar. Ancak, kavak gibi büyüyen sezon boyunca yaprakları değiştirebilirsiniz türler için, yöntem LAI11overestimates . Bu yöntem, tuzakların içeriğinin, özellikle sonbahar aylarında,16. Tuzaklar önceden belirlenmiş yeterli büyüklükte (en az 0,18 m2) ama tercihen 0,25 m2)10,17, yanal kenarlar rüzgarın yaprakları niçine/dışına üflemesini engelleyen kutular veya ağlar açılır (Şekil 1) tuzaklar ve yaprakların ayrışmasını önleyen delikli bir alt ile; incelenen standın gölgelik tabakasının altında bulunan, ancak, zemin yüzeyinin üzerinde11. Tuzakların dağılımı ya rastgele18 veya transects19 veya düzenli bir boşluk ızgara20sistematik olabilir. Tuzakların sayısı ve dağılımı, özellikle seyrek standlar (veya ara sokaklar ve) durumunda, benzersiz stand yapısını, mekansal homojenliği, beklenen rüzgar hızını ve yönünü yansıtan doğru bir LAI tahmini gerçekleştirmek için çok önemli bir metodolojik adımdır. meyve bahçeleri) ve verilerin değerlendirilmesi için çalışma kapasitesi. LaI tahmininin hassasiyeti, incelenen 11,21 standlarında tuzakların artan sıklığı ile artar (Bkz. Şekil 2).

Her bir tuzaktan gelen çöp düşme örnekleri toplama önerilen sıklığı en az aylık10 ve hatta ağır yağış ile çakışabilir ağır sonbahar dönemlerinde haftada iki kez. Bu tuzaklar ve kimyasal analiz durumunda yağmur atakları sırasında malzemeden besin yıkama çöp ayrışma önlemek için gereklidir. Bir tarlada yaprak lar toplandıktan sonra, yaprakların kuru kütle ağırlık oranına göre taze öngörülen alanı olarak tanımlanan belirli yaprak alanını (SLA, cm2 g-1)22)tahmin etmek için karışık bir alt numune kullanılır. Toplanan çöpgeri kalanı sabit bir ağırlıkta kurutulur ve laboratuvarda g cm-2 olarak çöp kuru kütlesi hesaplamak için kullanılır. Her toplama tarihinde yaprak kuru kütlesi SLA veya yaprak kuru kütle sla (LMA, g cm-2) sla23ters parametre olarak toplanan biyokütle çarpılarak yaprak alanına dönüştürülür ,24. Belirli yaprakların yeni bir öngörülen alanı planimetrik bir yaklaşım kullanılarak belirlenebilir. Planimetrik yöntem, belirli bir yaprağın alanı ile yatay yüzeydeki yaprağın kapsadığı alan arasındaki bağımlılık temel alınarak belirlenir. Yaprak yatay tarama ekranına sabitlenir ve ortalama bir yaprak alan ölçer kullanılarak ölçülür. Daha sonra, alanı hesaplanır. Farklı ölçüm prensiplerine göre birçok yaprak alan metre piyasada mevcuttur. Bunlardan bazıları, örneğin, li-3000C Taşınabilir Yaprak Alan Ölçer, ortogonal projeksiyon yöntemi ni kullanır, ve LI-3100C Alan Ölçer, bir floresan ışık kaynağı ve yarı-yapılan tarama kamera kullanarak yaprak ortalama ölçer. Sonraki cihaz, CI-202 taşınabilir lazer yaprak alan ölçer, kod okuyucu kullanarak bir yaprak uzunluğu kodları. Bunların yanı sıra, AM350 ve BSLM101 Taşınabilir Yaprak Alan Ölçerler de yaygın olarak doğru yaprak alanı tahmini gerçekleştirmek için kullanılır.

Ayrıca, video analiz sistemleri dayalı yaprak alan metre var. Bu yaprak alan metre bir video kamera oluşur, bir dijitalleştirme çerçevesi, bir ekran, ve pc, WD3 WinDIASYaprak Görüntü Analiz Sistemi 11 gibi veri analizi yapmak için uygun yazılım da dahil olmak üzere. Şu anda, bir bilgisayara bağlı geleneksel tarayıcılar tahmin edilen bir yaprak alanı için kullanılabilir. Daha sonra, yaprak alanı siyah piksel sayısının bir katı olarak hesaplanır ve boyutu seçilen çözünürlüğe (inç başına noktalar – dpi) bağlıdır veya yaprak alanı belirli bir yazılım aracılığıyla ölçülür, örneğin, WinFOLIA. Son olarak, bilinen bir zemin yüzey alanı içinde toplanan yaprakların toplam kuru kütlesi SLA ile çarpılarak LAI dönüştürülür ve taze ve kurutulmuş yaprakların alanında değişiklikleri yansıtan bir büzülme katsayısı25. Büzülme ağaç türlerine, su içeriğine ve yaprak yumuşaklığına bağlıdır. Uzunluk ve genişlik (ne öngörülen alanı etkiler) yaprakların büzülme genellikle kadar% 1026, örneğin, meşe27için 2,6 ila 6,8% arasında değişmektedir. Yapraklarıtmak ve belirli yaprak alanı oranını belirlemek için türlere göre sıralamak, hertürün toplam LAI 28’e katkısını belirlemek için gereklidir.

İğne tekniği ile LAI tayini eğimli nokta quadrat yöntemi29,30,31,32türetilen ucuz bir yöntemdir. Yaprak döken standlarda, toplam yaprak sayısı nın ve bir ağaçtaki alanlarının tam bir yaprak düşmesinden sonra toprak yüzeyinde toplananlara eşit olduğu varsayımına dayanarak10 numaralı tuzakları kullanmadan LAI tahmini yapmak için bir alternatiftir20 . İnce keskin bir iğne, yaprak düşmesinden hemen sonra yerde yatan çöpün içine dikey olarak delinmiş10. Tam yaprak düşmesinden sonra, yapraklar yerden dikey bir sondanın iğnesi üzerine toplanır, temas numarasıile ilişkilidir ve gerçek LAI değerine eşittir. İğne tekniği ile yoğun bir örnekleme (alan sondası başına çalışılan stand başına 100-300 örnekleme noktası) ortalama bir temas numarasını ölçmek ve LAI değerini doğru bir şekilde elde etmek için gereklidir10,20,33.

Bu,bitki gölgelik analizörü(örneğin, LAI-2000 veya LAI-2200 PCA) kanopi boyunca ışık iletimi bir ölçüm alarak dolaylı BIR LAI tahmini gerçekleştirmek için yaygın olarak kullanılan taşınabilir bir araçtır7ışık spektrumunun filtrelenmiş mavi kısmı içinde (320-490 nm)34,35yaprakların içinden geçen ışığın katkısını en aza indirmek için, gölgelik tarafından dağınık ve yaprakları geçiyor7,34. Işık spektrumunun mavi kısmında, yaprak ve gökyüzü arasındaki maksimum kontrast elde edilir ve yeşillik gökyüzüne karşı siyah görünür34. Bu nedenle, gölgelik boşluğu fraksiyonu analizidayanmaktadır7. Cihaz yaygın bitkileri gibi bitki topluluklarında eko-fizyolojik çalışmalar yapmak için kullanılmıştır36, otlaklar37, iğne yapraklı standlar8, ve yaprak döken standları38. Bitki kanopisi analizörü 148 ° fov ile bir balıkgözü optik sensör kullanır35beş eşmerkezli halkalar halinde düzenlemek için silikon dedektörleri üzerine gölgelik bir hemisperik görüntü yansıtmak için397°, 23°, 38°, 53°, ve 68° merkezi zenit açıları ile9,40,41. Beş görünüm kapağı (örn.,270°, 180°, 90°, 45°, ve 10°) optik sensörün azimut görünümünü kısıtlamak için kullanılabilir27açık bir alanda engeller (yukarıda başvurulan okuma için) veya LAI tahmini sırasında sensörün FOV operatör gölgelik okumalar için açık bir alana FOV sensörü ayarlayabilirsiniz gölgeleme engelleri tarafından gölgeleme önlemek için. Bitki kanopisi analizörü kullanılarak yapılan ölçümler, incelenen gölgelik lerin üzerinde (veya yeterince uzatılmış bir açık alanda) ve7. Boşluk kesir tahmini önyargılarını önlemek için hem yukarıda hem de altındaki okumalar için aynı görünüm kapakları kullanılmalıdır34. LAI-2000 PCA chen ve ark tarafından tanıtılan etkili bir yaprak alan indeksi (LAIe) üretir.42, daha doğrusu etkili bir bitki alanı indeksi (PAIe) odunsu elemanları olarak sensör okuma değeri dahildir. Düz yaprakları ile yaprak döken standları, LAIe hemi yüzeyLI LAI aynıdır. Dökmeyen orman standları durumunda, LAIe çekim düzeyinde (SPAR, STAR) kümeleme etkisi için düzeltmek için gereklidir43, çekimden daha büyük ölçeklerde kümeleme indeksi (ΩE)44, ve sapları ve dalları (yani dahil odunsu elemanların katkısı,odunsu-toplam alan oranı),45sistematik bir LAI küçümseme neden20. Sürgün veya yapraktan daha yüksek bir mekansal ölçekte kümelenme indeksi, daha kısıtlayıcı görüş kapakları kullanıldığında bitki gölgelik analizörü kullanılarak tahmin edilebilen belirgin bir kümelenme indeksi (ACF) olarak ölçülebilir.27. Bu yazarların belirttiği gibi, bu ACF, Lang’e göre homojen ve homojen olmayan kanopiler için farklı prosedürlerle ile iletintilan hesaplanan LAI değerlerinin bir oranından çıkarılır.46, Bu kümelenme indeksi oldukça gölgelik homojenliği açıklar varsayılacağız. ACF hesaplamasının yanı sıra, hava koşulları açısından LAI-2200 PCA’nın daha kapsamlı bir şekilde uygulanmasını sağlayan yeni difüzör kapakları, Fct kodları yerine bir kullanıcı menüsü ve dosya oturumu başına çok daha fazla ölçüm alma imkanı ana eski LAI-2000 PCA ile karşılaştırıldığında teknolojik yükseltmeleri34,47. Ölçümler ve sonraki dahili yazılım hesaplamaları dört varsayıma dayanmaktadır: (1) yapraklar, dallar ve saplar da dahil olmak üzere ışık engelleme tesisi elemanları, kanopide rastgele dağıtılır, (2) yapraklar tüm emici optik siyah bir cisimdir aldığı ışık, (3) tüm bitki elemanları basit bir geometrik dışbüvek şekli olarak yatay zemin yüzeyine aynı projeksiyon, (4) bitki elemanları her halka tarafından kapsanan alana göre küçük11.

Protocol

1. LAI çöp tuzakları kullanılarak tahmin İlk olarak, incelenen standların (yani, eğimin eğimi ve sergilenmesi, orman veya bitki örtüsü nün, orman veya bitki örtüsünün yoğunluğunun, gölgeliğin kapatılmasının homojenliği, taç boyutu ve taç taban yüksekliği). İncelenen standların asimilasyon aparatının boyutuna göre ağın örgü boyutunu seçerek gölgeliğin altına konumlandırma için uygun bir çöp kapanı tipi seçin (örn. mesh boyutu yakalanan a…

Representative Results

2013 büyüme sezonunda çalışılan tüm standların stand seviyesindeki ortalama LAI değerleri Şekil8’de sunulmuştur. A hariç tüm arazilerde, en yüksek değerler referans seviyesi olarak hizmet veren çöp tuzakları ile ölçüldü. Aksine, en yüksek ortalama LAI değeri arsa A üzerinde iğne tekniği ile tahmin edilebilmektedir. Çöp kapanları kullanılarak tahmin edilen LAI değerleri ile bitki gölgelik analizörü arasındaki tüm farklar anlamlı değildi (p > 0.05; <stron…

Discussion

Çöp tuzakları LAI tahmini gerçekleştirmek için en doğru yöntemlerden biri olarak kabul edilir8, ama daha fazla emek yoğun ve zaman alıcı dolaylı yöntemlerdaha35,64 hangi bu protokole dahil edildi. Çöp tuzakları kullanarak tüm LAI tahmin prosedürü içinde, SLA kesin bir tahmin en kritik noktası10 çünkü SLA bitki türleri65,tarih ve yıl, tuzaklar, hava6…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Orman Araştırmaları Dergisi’nin yayın kuruluna, bu protokoldeki temsili sonuçları burada yayınlanan makaleden yararlanmayetkisi vermek ve teşvik etmek için borçluyuz. Ayrıca, el yazması önemli ölçüde geliştirdik onların değerli yorum için iki anonim yorumcular teşekkür ederiz. Araştırma, Çek Cumhuriyeti Tarım Bakanlığı, kurumsal destek MZE-RO0118 ve Ulusal Tarımsal Araştırma Ajansı (Proje No) tarafından finanse edilmiştir. 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