Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Environment

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

doi: 10.3791/59757 Published: August 29, 2019

Summary

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

Abstract

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

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

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

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

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

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

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

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

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

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

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

1. LAI uppskattas med hjälp av skräp fällor

  1. Först utföra en fältundersökning, undersöka platsen förhållanden och struktur de studerade står (dvs lutning och utläggning av lutning, skog eller vegetation typ, skog eller vegetation densitet, homogenitet av kapell stängning, kronan storlek och Kron basens höjd).
  2. Välj en lämplig kull fälla typ för positionering underträd kronorna genom att välja maskstorlek på nätet baserat på storleken på assimilering apparater av de studerade står (dvs., maskstorlek måste vara mindre än storleken på den fångade assimilering och fördela fällorna inom de studerade läktarna och därefter märka dem.
    1. Typiskt, använda ett antal fällor som sträcker sig från 15 till 25 per undersökt monter25,48 med ett erövrare område från 0,18 m2 upp till 0,5 m2 eller mer, särskilt för trädslag med stora blad som poppel10 ,17,48.
    2. Placera fällorna med jämna mellanrum i det studerade stativet inom en eller två inbördes vinkelräta transekter eller ett vanligt rutnät (figur 2). Den korrekta urvals utformningen, förfarandet och analysen av kullen-fall beskrivs också av Ukonmaanaho et al.17 eller Fleck et al.21.
      1. Bestäm avståndet mellan fällorna på krona storlekar, kapell stängning och stativ konsistens.
      2. Öka antalet skräp fällor både med stigande Stand Area och stå heterogenitet i textur.

Figure 2
Figur 1: olika typer av skräp fällor konstruktion och deras placering i stativet.
Från vänster: Woody, plast, plastlådor, och metall konstruktion. Vänligen klicka här för att se en större version av denna siffra.

  1. Installera fällor i början av växtsäsongen (strax efter bladet spolning eftersom ett löv-fall kan inträffa på grund av antingen skada av insekter eller extremt torra väderhändelser under sommarperioden).
    1. Fast fixera varje fällor ovanför markytan och understativ taket så att det inte finns några förändringar i fångstområdet. Behåll var och en av fällorna i horisontellt läge och stabilt normaliserat infångningssområde. Exempel på olika typer av fällor presenteras i figur 1 eller till exempel i Ukonmaanaho et al.17.

Figure 1
Figur 2: den regelbundna schematiska mönster av skräp fälla fördelning i skogen står med distinkt homogenitet.
Homogeniteten minskar från vänster. Vänligen klicka här för att se en större version av denna siffra.

  1. Placera fällorna ovanför markytan (minst 0,1 m) för att luft ska kunna blåsa under den samlande delen av fällorna. Vanligtvis är höjden på fällorna 1 m över markytan25,38,49.
  2. Välj tidssteget för strö samling med avseende på den typiska väder förlopp i den studerade platsen och kull-fall intensitet. Standardtiden steg sträcker sig från 1 till 4 veckor (en kortare tid steg bör användas under regnigt väder att undfly kull nedbrytning och under intensiva löv faller).
    1. Under var och en av mätningarna, kontrollera styrkan i fällan ramar, kompakthet av näten eller lådor, och utjämning av hela fällan (dvs, den horisontella positionen av fällan).
  3. Placera det insamlade skräpet från var och en av fällorna i tidigare märkta papperspåsar.
    1. Transportera alla prover, helst i Kylboxar, eller vid behov tillfälligt lagrade vid 4 ° c, men inte frysta17 på grund av skador på blad vävnaden.
  4. Efter transport av proverna till labbet, separera assimilations apparat från andra strö komponenter (grenar, frön, bark, blommor, enligt trädslag om det behövs).
  5. Omedelbart efter sortering, analysera en del av en blandad (sammanblandat) prov av varje kull fälla för att utföra SLA uppskattning (dvs förhållandet mellan det projicerade området av bladen och dess torrvikt).
    1. Med tanke på att olika trädslag och även typer av lövverk (soligt och skuggat) med skillnader i egenskaper förekommer inom kronan vertikal profil, grundligt blanda provet från varje fälla innan du väljer blad för att utföra SLA (LMA) uppskattning11 . Eftersom det finns en skillnad mellan färskt och torrt löv projicerade området på grund av krympning, uppskatta en krympning korrigeringskoefficient från delprovet av färska (gröna) blad26.
      1. Samla löv proportionellt (på samma sätt som i det blandade delprovet från fällan) från alla trädslag som finns i montern.
    2. Separera delprovet med minst 100-200 blad från alla använda fällor21,27 för att utföra SLA-uppskattning.
      1. Placera bladen i en platt, raka sätt antingen på Scan Board eller Leaf Area meter, och det är nödvändigt att undfly överlappande bladen där.
      2. Eftersom den torkade strö bladen kan vika eller krypa, blöt dem i varmt vatten (60-70 ° c) för en kort tid17,21. Detta har visat sig platta bladen tillräckligt för att ta mätningar, men särskilt efter en lång tid av blötläggning, de gå ner i vikt.
      3. Om skanner-eller löv områdes mätaren inte aktiverar den övre belysningen (för att undvika reflektans och skuggning), Använd en lämplig fördelning av bladen antingen på en skanner tavla eller på en bandtransportör (dvs. bladen placeras vinkelrätt mot genomlysnings strålkastaren) så att skuggor bildas inte under skanning strålkastare rörelse eftersom det är svårt att ta bort skuggorna under efterföljande databehandling.
      4. Om en skanner som är ansluten till en dator används, Använd en upplösning av de svartvita bilderna på 200 dpi på ett minimum baserat på tillräcklig noggrannhet i området.
        1. För att undvika reflektans, som är synlig som ljus pixlar i bladen, när en vanlig skanner används, justera skannings ljusstyrkan för att nå en lämplig tröskel (figur 3). Programvara (t. ex . winfolia) beräknar sedan löv området genom att räkna de mörka pixlarna i skanningen och omvandlar dem med hjälp av den kända dpi-upplösningen.
    3. Torka Detta delprov som utsetts för SLA uppskattning för 48 timmar vid 80 eller 105 ° c för att uppnå en konstant vikt. Använd en ventilerad ugn med en termostat för att homogenisera och bibehålla den inre temperaturen (t.ex. INCUMAX CV150).
      Obs: vatteninnehållet i bladen förblir som fast vatten i celler när ugnstorkning sker vid lägre temperaturer. Vid torkning vid 105 ° c finns inget vatten kvar i växt provet17.
    4. Väga torr massan av detta delprov med hjälp av laboratorie skalor med en hög grad av noggrannhet på 1 g vid ett minimum.
      1. Kontrollera utjämning av Lab skalor och undvika yttre effekter (t. ex., blåser av stark vind i labbet under vägning).
    5. Beräkna SLA-värdet som det färska projicerade området med löv i delprovet som är angivet för SLA-uppskattning dividerat med dess torrvikt.

Figure 3
Bild 3: genomsökning av ett löv prov med ett exempel på en korrekt kvalitets skanning (på vänster sida) och en felaktig skanning (höger sida)
När ljusstyrkan ska justeras för att eliminera reflektans synlig som vita pixlar inuti blad kropparna och/eller där ytsmuts (a) och eventuell kant effekt (b) bör raderas innan du gör en analys av området.

  1. Ugnen-torka resten av provet (dvs. insamlade blad ) för varje fälla för 48 timmar vid samma temperatur som användes för SLA uppskattning,dvs vid 80 eller 105 ° c för att nå en konstant vikt.
  2. Multiplicera torrvikt av resten av provet för varje enskild skräp fälla med rätt SLA-värde för att nå den totala projicerade löv området per fälla.
  3. Upprepa steg från 1,5 till 1,9 för var och en av de studerade läktarna och varje kull insamlingsdatum.
  4. Beräkna LAI som förhållandet mellan den kumulativa totala löv området uppskattas med hjälp av skräp fällor och fånga område av kullen fällor.

2. nål teknik för att ta LAI mätningar

  1. Inledningsvis utföra en fältundersökning, undersöka platsen förhållanden och strukturen av de studerade står (dvs. lutning och utläggning av lutning, skog eller vegetation typ, skog eller vegetation densitet, homogenitet av trädkronorna stängning, Kronans storlek och Kron basens höjd).
  2. Omedelbart efter en fullständig löv-fall, förbereda all nödvändig utrustning, inklusive en tillräckligt lång skarp metallisk nål med så liten diameter som möjligt (maximally 2,0 mm i diameter).
  3. Välj ett lämpligt antal slumpmässigt fördelade provtagningspunkter (minst 100)10,20,38 baserat på trädkronorna strukturen i varje studerade monter.
    Anmärkning: i allmänhet, desto mer provtagningspunkter, desto högre noggrannhet i LAI uppskattning i den studerade monter (antalet provtagningspunkter bör öka i förhållande till storleken på den undersökta tomten och strukturen i trädkronorna).
  4. Med hjälp av metallisk nål, punktera bladen på en mer eller mindre liknande vinkel genom lagret av nyfallna löv som ligger på marken ytan vid varje sonderade provtagningspunkter.
    1. Använd någon vinkel av stab eftersom dessa fallna löv har inga relationer till sin tidigare position inom trädkronorna.
  5. Kontrollera att endast nyfallna löv finns på nålen. När det gäller förekomst av delvis nedbrutet blad från föregående år, ta bort dem från nålen.
  6. Räkna antalet blad genomborrade av nålen med varje knivhugg vid varje provtagningspunkt.
  7. Upprepa steg från 2,4 till 2,6 för alla sonderade provtagningspunkter.
  8. Räkna summan av alla blad genomborrade av nålen i hela stativet (dvs., för minst 100 provtagningspunkter).
  9. Dividera denna summa med antalet hugger (d.v.s. räkna det aritmetiska medelvärdet). Den resulterade aritmetiska genomsnittet är lika med den faktiska LAI värde på stand-nivå. Anmärkning: det genomsnittliga antalet alla färska blad som samlats på nålen motsvarar den sanna LAI värdet av den undersökta Forest Stand.

3. Plant Canopy Analyzer optisk enhet för att utföra LAI uppskattning

  1. I början, utföra en fältundersökning, inklusive undersöka platsen förhållanden och strukturen av de studerade står (dvs lutning och utläggning av lutning, skog eller vegetation typ, skog eller vegetation densitet, homogenitet av Canopy stängning, kronan storlek, och kronan bas höjden).
  2. Hitta en lämplig öppen yta (clearing) med identiska himmel villkor som ovan observerade tomten, som ligger ett maximum avstånd av 1 km bort21, vilket krävs för ovan-Canopy sensoravläsningar.
    1. Som anläggningen Canopy Analyzer gör det möjligt för användaren att använda en annan FOV i både Azimut (genom begränsning Visa Caps) samt Zenith (genom programvara bearbetning av ring maskering) riktningar, tillämpa samma lock (och dess orientering) för både ovan-och under-Canopy Avläsningar.
    2. Härleda storleken på den öppna ytan och utnyttjandet av lämplig vy Cap från omfattningen av FOV. Den kända FOV av sensorn från vertikal i Zenit orientering och uppskattningen av höjden av de närmaste hindren (träd, terräng, byggnader) ger den lämpligaste lösningen, där den tillräckliga storleken på den öppna ytan kan beräknas enligt ekvation 1:
      Y = H ∙ TG ∙ α (1),
      Där Y är det erforderliga avståndet från närmaste barriär, H: höjden på hindret. α betecknar FOV i en riktning från vertikal (figur 4). Istället för det öppna området, ett torn högre än den monter som utreds stativ kan användas för att ta ovan-Canopy avläsningar21.
      1. Ta lutningen och heterogenitet av terrängen i beaktande vid beräkningen av storleken på den öppna ytan.

Figure 4
Figur 4: en schematisk skildring av sensorns FOV (en gråzon).
α är sensorns FOV; H betecknar höjden på det närmaste hindret. Y: det horisontella avståndet mellan operatören och hindret63.

  1. Baserat på de strukturella parametrarna i stativet (baldakin homogenitet), fastställa ett lämpligt provtagningspunkt nummer, placeringen av lika avlägsna provtagningspunkter som ligger i antingen transect, eller ett rutnät för att ta under-Canopy avläsningar i den studerade monter9.
    1. Härleda lämpligt avstånd från variationen av under-Canopy avläsningar i fältet.
      1. Sakta flytta med sensorn underträd kronorna i transekt och titta på variationen av de mest övre ring avläsningar. En liten variation som avbryts av högre värden är ett vanligt resultat. Hälften av avståndet mellan dessa toppvärden i variation bör anses lämpligt.
    2. Om en observation av säsongens Lai Dynamic utförs, Använd permanent fixering av transekter eller provtagningspunkter inom det studerade stativet (t.ex. genom trä pinnar eller geologiska metall pinnar).
      Anm.: antalet och avståndet mellan transekterna beror på monterens särskilda kapell struktur (figur 5).
    3. I homogena bestånd sträcker sig ett tillräckligt antal transekter från 1 till 3. När det gäller hög heterogenitet, tillämpa ett regelbundet rutnät av provtagningspunkter. Välj orientering av transekter när det gäller lutning och fördelning av träden i stativet, särskilt i händelse av radavstånd. Avståndet mellan de olika provtagningspunkterna bestäms med hänsyn till montern heterogenitet, kronans storlek, kron basens höjd och sensorns FOV (figur 6). I homogena montrar varierar antalet provtagningspunkter vanligen mellan 5 och 36 46,50. Särskilda provtagnings modeller beskrivs också av Baret et al.51; Majasalmi et al.52; Woodgate et al.50; Fleck et al.21; Calders et al.53.
      1. Med en sluttande terräng orienterar du sensorvyn längs nivåkurvor.

Figure 5
Figur 5: layouter av mätningar i rena lövfällande stativ.
A),B) layouter för optimal placering av särskilda transekter i en ren plantagen som upprättats genom planteringar (dvs. rektangulärt avstånd). Cutformningen av den optimala placeringen av särskilda transekter i en ren plantagen som upprättats genom linje plantering vid trekantigt avstånd. D) utformningen av den optimala placeringen av särskilda transekter i en ren plantagen som upprättats genom planterings plantering med två distinkt olika delar. E) utformningen av den optimala placeringen av särskilda transekter i ett stativ med fyra tydligt avgränsade delar av stativet. Futformningen av den optimala placeringen av särskilda transekter i en ren plantagen som upprättats genom planteringar med två olika delar. G) utformningen av den optimala placeringen av särskilda transekter i en ren plantagen som upprättats genom planteringar med tre markant distinkta delar som representerar 50%, 25% och 25% av hela området i montern. H) layouten för placering av transekter i bestånd som fastställts genom naturlig förnyelse, där cirka 12 mätpunkter per transekt är tillräckliga ur noggrannhets synpunkt. Grå transekter kan alternativt utelämnas från mätningen.

Figure 6
Figur 6: en schematisk skildring av ett avstånds val mellan mätpunkter inom transekter med avseende på FOV, stand Density, och höjden av kronan basen.
a: lämpligt avstånd avstånd när det gäller den schematiskt visade sensorn höjd och bild, och krona bashöjd, c: olämpligt avstånd avstånd som vissa kapell delar (d-i vitt) är inte synlig av sensorn. Således bör avståndet korrigeras (med b,dvs a = c-b), c *: också korrigeras, lämpligt avstånd avstånd på grund av den korrigerade förstorade sensorn vyvinkel (fin streckad linje).

  1. Även om vissa möjligheter och korrigeringar av Lai uppskattning under soliga förhållanden presenteras47,54, genomföra alla mätningar under en diffus ljus himmel (standard mulet) och vindstilla villkor55, 56 (se figur 7). Trots det faktum att anläggningen Canopy Analyzer möjliggör korrigering av ljusspridning för mätningar under soliga förhållanden21, sensorns producent rekommenderar att använda den under standard mulet villkor34.
    1. Använd växten Canopy Analyzer ur direkt solljus, som solbelysta lövverk kan visas som ljusa pixlar på bilden och felaktigt klassificera som himlen (den Penumbra effekt). Helst, ta måtten under helt mulet förhållanden (med enhetliga molntäcke), när diffust ljus är jämnt utspridda över himlen.
    2. Reflektans är också uppenbarligen högre under solljus jämfört med diffusa himmel förhållanden. Som ett alternativ, ta mätningar före soluppgången eller efter solnedgången, när solen är gömd under horisonten, och vegetationen är inte bakgrundsbelyst av solen (Tänk på att under dessa tider på dagen, ljus miljön förändras snabbt). Tänk dock också på att på grund av sensorns känslighet bör Läs värden vara högre än ca. 3 i ett öppet område.
    3. Undvik regn eftersom regndroppar på sensorn påverkar precisionen av mätningar. En våt kapell reflekterar mer ljus, vilket kan leda till LAI underskattning.
    4. Förhindra kraftig vind eftersom rörliga växtdelar kan påverka under-Canopy avläsningar, och därmed de kan orsaka felaktiga resultat.
    5. Undvik Dimmiga förhållanden i trädkronorna samt.

Figure 7
Figur 7: optimala väderförhållanden för att utföra Lai uppskattning med hjälp av en anläggning Canopy Analyzer. Vänligen klicka här för att se en större version av denna siffra.

  1. Om en observation av en säsongsbunden kurs i LAI inte behövs, ta alla mätningar från juni till mitten av september eftersom LAI av de flesta trädslag når sitt maximala värde och förblir (utom under torra somrar). Därför är denna period den mest lämpade för att göra en Lai jämförelse under växtsäsongen38,57,58,59.
    Anmärkning: denna period bör vara kortare eller ändras under torka förhållanden på blad falla eller senescence.
  2. Uppskatta Woody Area index (WAI, figur 10) under löv-off perioden (dvs, både innan knopp bryta i början av våren och efter fullständig löv-fall i slutet av hösten).
    Anmärkning: med tanke på att växten Canopy Analyzer har endast ett synligt band (320-490 nm)34,35 och kan inte skilja löv och vedartade komponenter, de resultat som erhålls under en odlingssäsong representerar ett växtområde index (Pai) som är summan av den LAI och WAI (PAI = LAI + WAI)60. Subtrahera därför medelvärdet av både Wai-mätningar som tagits i en löv avstängningsperiod från var och en av de Pai-mätningar som uppskattats under löv perioden för att erhålla korrekta Lai-värden (Lai = Pai – WAI)20,38.
    1. Utför ovanstående Canopy avläsningar som den första mätningen av varje Stand transekt eller rutnät i ett tillräckligt öppet område (se steg 3,2).
      Obs: det är möjligt att ta dual-mode mätningar eftersom LAI-2000 PCA (eller dess förbättrade versioner LAI-2200 PCA och LAI-2200C) möjliggöra göra samtidiga uppskattningar med två sensorer tillsammans (dvs, en för nedan-och en för ovan-avläsningar). I detta fall ska sensorerna kalibreras enligt bruksanvisningen (LI-COR 2011). Kortfattat, det rekommenderas att användaren ansluter båda sensorerna till en styrenhet för att förena avläsningar och tid, Placera sensorn för ovan-Canopy avläsningar på toppen av ett stativ i ett öppet område, utjämning det, och med samma begränsning Visa locket. Sensorns visningsorientering bör vara densamma i den Azimut riktning som användes för att ta under-Canopy avläsningar.
    2. Utför de nedan-Canopy avläsningar i rumslig mätning design beskrivs i detalj i 3,3. Sensorn är vanligtvis hålls från 0,5 till 2,0 m över marken21,38,dvs ovan understory vegetation, underträd kronorna och med den synliga sensorn bubbla-nivå.
      1. En Bubbelnivå är en komponent i sensorn. Använd begränsnings vyns CAPS om sensorn hålls under 2,0 m för att utesluta operatören från FOV. Använd samma vylock för både under-och över-avläsningar.
      2. Använd ett minsta avstånd mellan sensorn och den närmaste delen av anläggningens ovan jord delar (stjälkar, grenar) på minst fyra gånger komponentens diameter eller bredd.
    3. Beräkna WAI värden från fält uppmätta rådata med hjälp av LAI-2200 File Viewer (FV2200) freeware, som finns på https://www.licor.com/env/products/leaf_area/LAI-2200C/software.html.
      1. Begränsa sensorns FOV i Zenith riktning till de övre tre ringarna (dvs., 0-43 °) för att utesluta en kant effekt och stora gap storlekar20,61,62.
      2. Bearbeta data med hjälp av standardalgoritmer för LAI-2000 PCA, och ställa in parametrar för att göra utvärderingar med FV2200 enligt användarmanualen34.
    4. Bestäm årligt WAI-värde som det aritmetiska medelvärdet av båda mätningarna som utfördes före växt säsongens början (dvs. innan knoppen bröt) och efter avslutad bladfall (figur 10).
  3. Uppskatta PAI med samma metod som användes för att göra WAI-uppskattningen (från steg 3.6.1-3.6.3.)
  4. Beräkna det faktiska Lai-värdet på stand-nivå som skillnaden mellan medelvärdet av Pai-och Wai-värdena (Lai = Pai – WAI)20,38.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Genomsnittliga LAI värden på stand nivå av alla studerade står i 2013 växtsäsongen presenteras i figur 8. På alla tomter utom A mättes de högsta värdena med skräp fällor, som fungerar som referensnivå. I motsats, den högsta genomsnittliga LAI värde uppskattades genom nål teknik på Plot A. Alla skillnader mellan LAI värden uppskattas med hjälp av kull fällor och en anläggning Canopy Analyzer var inte betydande (p > 0,05; Figur 8, vänster). På tomter B, C och D, nål teknik underskattade betydligt den LAI erhållits från kullen fällor. Omvänt, på Plot A, denna teknik överskattade LAI mätt med hjälp av kull fällor, dock inte en betydande nivå (p = 0,01; Bild 8, mitten). Signifikanta skillnader mellan LAI värden uppskattas av växten Canopy Analyzer och nål tekniken hittades i alla fall (figur 8, höger).

Figure 8
Figur 8: en jämförelse av de statistiskt signifikanta skillnaderna mellan genomsnittliga LAI värden uppskattas med hjälp av skräp fällor, nål teknik, och LAI-2000 PCA närmar sig.
A-C: Europeiska Beech Plots, D: Sycamore Maple Plot, p < 0,05 (*), p < 0,001 (* *), p ˃ 0,05 (NS). Morrhår visar standardavvikelser. Denna siffra har modifierats med tillåtelse38. Vänligen klicka här för att se en större version av denna siffra.

Avvikelser från under-eller överskattning av den LAI som erhålls genom anläggningens baldakinanalysator och nåltekniken, båda jämfört med de LAI-värden som erhålls från de kull fällor som bedöms som referensnivå visas i figur 9. Under uppskattningar av LAI-värden som mäts med hjälp av strö fällor och plantbaldakin analysatorn på tomter A, B, C och D var 15,3%, 11,0%, 18,9%, och 5,8%, respektive. Den genomsnittliga deformationen av LAI värden på Beech tomter och alla undersökta tomter tillsammans var 15,1% och 12,7%, respektive. På tomter B, C och D, den nål teknik underskattat LAI erhållits från kullen fällor med 41,0%, 38,0%, och 40,0%, respektive. I motsats, på Plot A, en överskattning av 13,0% hittades mellan LAI värden som erhålls genom nål teknik och kull fällor. Den genomsnittliga deformationer av LAI värden på bok och alla studerade tomter oavsett trädslag sammansättning var 39,7% och 26,5%, respektive.

Figure 9
Figur 9: genomsnittlig avböjning av LAI-värden beräknade med hjälp av nålteknik och en LAI-2000 PCA från LAI värden som erhållits från skräp fällor som betraktas som referens.
A-C: Europeiska Beech Plots, D: Sycamore Maple Plot, alla-genomsnittlig avvikelse av alla tomter oavsett trädslag. Morrhår visar standardavvikelser. Denna siffra har modifierats med tillåtelse38. Vänligen klicka här för att se en större version av denna siffra.

Efter den kompletta Leaf-fall och innan knoppen paus (dvsi april ), Wai kan lätt mätas med hjälp av en växt Canopy Analyzer. Genomsnittliga säsongs värden för WAI för tomter A, B, C och D nådde 1,33, 0,26, 0,99 respektive 0,38 (figur 10). Den mest snabba LAI utveckling noterades under perioden från bud Break inträffar i april till början av maj (del 1, figur 10). Från maj till slutet av juni (del 2, figur 10), fortsättning av den snabba Lai utveckling av bladen observerades; men med mindre intensitet jämfört med del 1. Från andra halvan av juni till slutet av juli sjönk LAI-värdet med 0,46 på Plot B. Plot A valdes medvetet för mer detaljerad LAI övervakning där säsongsbetonade LAI mätningar togs med kortare tidsintervall. Därför var stagnation av LAI mer uppenbar under sommarmånaderna på denna tomt (del 3, figur 10). I alla studerade skogsbestånd, löv började falla i slutet av september, illustreras av minskningen i LAI kurvan (del 4, figur 10).

Figure 10
Figur 10: säsongens LAI Dynamics under 2013 växtsäsongen.
LAI: Leaf Area index, WAI: Woody område index, A-C: Europeiska Beech Plots, D: Maple Plot, DOY: dag på året. Tomma diamanter betyda genomsnittlig säsongsbunden WAI subtrameras från PAI för att få rätt LAI (LAI = PAI-WAI). Period 3 verkar vara den lämpligaste fasen för att jämföra LAI av lövfällande bestånd under hela växtsäsongen. Den morrhår Visa standardavvikelser Lai uppskattning, och grå området betecknar konfidensintervallet för den genomsnittliga Lai kurvan. Denna siffra har modifierats med tillåtelse38. Vänligen klicka här för att se en större version av denna siffra.

Tomt A B C D
Geografiska koordinater 49 ° 26 ' 29.946 "N 49 ° 19 ' 27,6 "N 49 ° 19 ' 32,6 "N 49 ° 19 ' 20,7 "N
16 ° 42 ' 06.237 "E 16 ° 43 ' 4,3 "E 16 ° 43 ' 54.8 "E 16 ° 43 ' 48,2 "E
Höjd 600 m a. s. l. 450 m a. s. l. 460 m a. s. l.
Berggrunden Syra Granodiorit Granodiorit
Jord klassificering (jordart) Modal oligotrofiska Cambisol Modal mesotrofisk Cambisol
Genomsnittlig årlig nederbörd (mm) 592 596
Genomsnittlig årlig temperatur (° c) 7,0 7,0
Lutning orientering Nw W N Nw
Lutning lutning (%) 10 15 20 10
Skogs typ Abieto-Fagetum oligo-mesotrophicum; Näringsämne medium FIR-Beech Fagetum kalcarium; Kalksten bok Fagetum mesotrophicum; Näringsrik bok Fagetum illimerosum mesotrophicum; Loamy Beech

Bilaga A: studie områdenas egenskaper. A – C: europeisk bok, D: Sycamore lönn. Skogs typens klassificering baseras på ekologiska faktorer (dvs. jord och klimat) och deras förhållande till skogsbestånd. Var och en av tomterna hade en yta på 400 m2 (20 x 20 m). Den här tabellen har ändrats med behörigheten38.

Tomt A B C D
Ålder av stativ år 46 19 77 13
Stå täthet (träd ha-1) 2300 2700 900 5800
Höjd m 18,3 ± 4,6 6,0 ± 1,3 22,6 ± 11,3 5,6 ± 0,8
DBH cm 13,4 ± 5,7 7,0 ± 1,3 24,1 ± 4,1 3,9 ± 1,6
BA1, 3 (m2 ha-1) 38,8 ± 0,01 10,4 ± 0,01 40,9 ± 0,10 6,9 ± 0,01
Trädslag representation (%) EB (100) EB (100) EB (100) SM (100)

Bilaga B: strukturella egenskaper (genomsnittligt ± SD) för de undersökta stativen. A – C: Europeiska Beech Plots, D: Sycamore Maple Plot, DBH: diameter på brösthöjd, BA1,3: basal area på brösthöjd i slutet av 2013 växtsäsongen, EB: European BEECH, SM: Sycamore lönn. Den här tabellen har ändrats med behörigheten38.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Kull fällor anses vara en av de mest exakta metoderna för att utföra Lai uppskattning8, men de är mer arbetsintensiva och tidskrävande än de indirekta metoderna35,64 som införlivades i detta protokoll. Inom hela LAI uppskattning förfarande med hjälp av skräp fällor, en exakt uppskattning av SLA är den mest kritiska punkten10 eftersom SLA kan variera med växtarter65, datum och år, tid i fällor, väder66, och plats fertilitet67. Även om skräp fällor vanligtvis betraktas som referensnivå, och ett kalibreringsverktyg för indirekta metoder38,49, en möjlig avvikelse av Lai uppskattning med hjälp av skräp fällor kan inträffa på grund av vindflöde, antalet och fördelning av fällor i montern oavsett kapell locket och stativ struktur, storleken på stativet,68,69 eller det kan också orsakas av en deformation av kullen fällan från dess nivå, horisontellt läge. Vidare, Lai värden som erhållits genom skräp fällor kan också påverkas av väder och klimat70, särskilt genom nedbrytning av kullen-fall10,11 eller vissnar löv i fällor, som kan framkallas av svår torka under sommarmånaderna. Därför bör en korrigeringskoefficient för krympning tillämpas i detta fall25,26,27. Det tillräckliga antalet kull fällor för att utföra en uppskattning av Lai varierade mellan 15 och 25 25,48, men den högre totala fånga område av fällor per undersökt monter, desto mer exakt Lai uppskattning. Kull fällor gör det inte möjligt för användare att uppskatta löv fördelning inom den vertikala profilen av kronor11, eller för att bestämma en korrekt Lai värde vid ett enda ögonblick i tiden under växtsäsongen60, men i Leaf-fall perioden, är det användbart vid uppskattning av dynamiken i Lai och för att göra en Inter-årlig jämförelse av dess dynamik48,71. Även om en exakt LAI uppskattning av skräp fällor är relaterad till den fullständiga årliga Leaf-fall16, denna strategi har också redanframgångsrikt tillämpats i blandade vintergröna-lövskogar72.

Nålen tekniken är enkel att använda och gäller endast för lövfällande skog står och lämpar sig särskilt för skogsbestånd av stora blad arter som ek (Quercus SP.) eller Beech (Fagus SP.) släkte. Det är lättast att använda på platser där kullen helt sönderdelas varje år10. Om en tunn och skarp nål används, ger denna metod exakta LAI uppskattningar. De viktigaste fördelarna med nålen tekniken är dess enkla användning, inte behöver en löv område meter eller balans, och det är mycket mindre tidskrävande än att använda klassiska kull fällor20. Dessutom är det attraktivt för tillämpning, eftersom antagandet av slumpmässig löv distribution inte är nödvändigt och på grund av dess icke-förstörande karaktär11. Men LAI mätningar baserade på denna metod underskatta systematiskt LAI värden som erhållits från kull fällor (med 6-37%),20 som också stöds av Černý et al.38. Den underskattning av LAI (figur 8, figur 9) kan främst orsakas av antingen diametern på den använda nålen, eller en mikro-lättnad av marken ytan under den studerade trädkronorna där bladen kan blåsas av vinden antingen i en terräng depression eller ut från små knölar av ytan, eller en kombination av båda nämnda faktorer. Förutom dessa brister, är nålmetoden komplicerat att använda i en lövträd Barr träds arter som lärk SP. på grund av storleken och formen på dess assimilations apparat.

Anläggningen Canopy Analyzer är en av de indirekta optiska oförstörande metoder. Den största fördelen med dess lätt fält ansökan för LAI uppskattning består i möjligheten att ta upprepade mätningar, vilket gör det möjligt att utvärdera LAI säsongs kurs under hela växtsäsongen,11 och det möjliggör en storskalig implementering och långsiktig övervakning av LAI28. Den LAI-2000 PCA kräver relativt specifika väderförhållanden för att utföra en exakt LAI uppskattning (steg 3,4). Denna potentiella nackdelen elimineras markant av de förbättrade versionerna, LAI-2200 PCA och LAI-2200C, som är mer robust med avseende på den synoptiska situationen när man gör en LAI uppskattning41 på grund av dess bättre förmåga att utföra ljusspridning omvandling47. Trots detta, LAI uppskattning med hjälp av dessa sensorer rekommenderas antingen under standard mulet förhållanden34 eller soliga förhållanden där en stabil ljus himmel med solen högt över horisonten21. Denna metod kräver mätning endast 1252 upp till 25 provtagningspunkter21 per stativ för att nå den erforderliga noggrannhetsnivån. Emellertid, optisk gap fraktions-baserade mätningar är inte lämpliga för stativ med en hög löv område eftersom dessa indirekta LAI uppskattningar är mättade på LAI värden runt 614. För att utföra en exakt LAI uppskattning, en annan potentiell svaghet i LAI-2x00 PCA tillvägagångssätt är kravet på en ovan-Canopy referens läsning6. Dock kan denna nackdel elimineras genom möjligheten att ta samtidiga och automatiserade mätningar i Dual-läge när två sensorer styrs av en enhet av LAI-2000 PCA73 eller dess förbättrade efterträdare lai-2200 PCA och Lai-2200c34 ,41.

Användningen av växten Canopy Analyzer för att uppskatta WAI i bladlösa perioder och dess subtraktion från optisk PAI (dvs. effektiv växtområde index) i lummiga perioden verkar vara praktiska72. Denna instrumentens potential begränsas däremot av dess allmänna tendens att underskatta Lai i diskontinuerliga och heterogena skärmtak15,20,43,49,74 som främst tillskrivs bidraget av vedartade material och klumpar effekter inom trädkronorna10,72. Tvärtom, överskattning av LAI kan observeras i bestånd som består av arter (t. ex., poppel) som kan ersätta sina blad under växtsäsongen11. Deblonde et al.75 kvantifierat vedartade materialet genom direkta destruktiva metoder som är mycket tidskrävande och arbetsintensiva. Det är också möjligt att uppskatta vedartade bidrag med hjälp av indirekta mätningar skilja det inom det nära infraröda bandet76, eller genom markbunden laserskanning antingen med hjälp av en laserscanner77 eller punktmoln av Lidar78 . Lai underskattning sågs särskilt inom dessa skärmtak med en icke-slumpmässig fördelning (t. ex., Evergreen Forest) där anläggningen Canopy Analyzer underskattar Lai värden med cirka 35-40% på grund av lövverk klumpar på shoot Level39 , 79. som en av de möjliga metoderna för att utföra en korrekt Lai uppskattning, Chen et al.8 och leblanc et al.80 rekommenderar att kombinera en anläggning Canopy Analyzer och spårning strålning och arkitektur av skärmtak (TRAC), som kvantifierar klumpar effekt och Woody komponenter. Det är dock för närvarande också möjligt att korrigera klumpar antingen av finita längd medelvärdes metoden81 eller gap-size fördelningsmetod82 eller en kombination av gap-storlek fördelning och finita längd medelvärdes metoder83 eller Path längd fördelningsmetod84 som anges av Yan et al.35 i sin recension studie. Även om betydande framsteg har gjorts i utvecklingen av LAI beräkningar med hjälp av indirekta optiska metoder, vissa utmaningar kvarstår, särskilt med uppskattning av blad vinkel fördelning där tillämpningen av aktiv laserskanning teknik är en av de metoder som kan upptäcka det, men dess tredimensionell information har ännu inte fullt utforskas och genomförs35.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna har inget att avslöja. De representativa resultaten användes från artikeln Černý J, Haninec P, Pokorný R (2018) blad areal index uppskattas av direkta, semi-direkta och indirekta metoder i Europeiska Beech och Sycamore lönn står. Föra journal över av skog forskning. DOI: 10.1007/s11676-018-0809-0 (online-version) baserat på den typ tillstånd av Journal of Forestry Research redaktionsråd.

Acknowledgments

Vi står i tacksamt till redaktionsrådet för Journal of Forestry Research för att uppmuntra och bemyndiera oss att använda representativa resultat i detta protokoll från den artikel som publicerades där. Vi tackar också två anonyma granskare för deras värdefulla kommentarer, som avsevärt har förbättrat manuskriptet. Forskningen finansierades av ministeriet för jordbruk i Tjeckien, institutionellt stöd MZE-RO0118 och den nationella byrån för jordbruksforskning (Project No. QK1810126).

Materials

Name Company Catalog Number Comments
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. Thünen Institute for Forest Ecosystems. Eberswalde, Germany. (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. Thünen Institute of Forest Ecosystems. Eberswalde, Germany. (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, Ü 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. University of Antwerp. Antwerp. (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. LI-CORM. Lincoln, Nebraska, USA. (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. Proceedings of the Geospatial Science Research Symposium GSR2, December, Melbourne, Australia, (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. L.V. Print, Uherské Hradišt? (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, Ü, 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. LI-COR. Lincoln, Nebraska, USA. (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. Natural Resources Canada. (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).
Blad areal index uppskattning med hjälp av tre distinkta metoder i rena lövfällande bestånd
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).More

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).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter