Waiting
Login processing...

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

Environment

Leaf Area Index Estimation mit drei unterschiedlichen Methoden in reinen Laubständen

doi: 10.3791/59757 Published: August 29, 2019

Summary

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

Abstract

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

Introduction

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

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

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

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

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

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

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

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

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

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 geschätzt mit Wurffallen

  1. Führen Sie zunächst eine Felduntersuchung durch, bei der die Standortbedingungen und die Struktur der untersuchten Bestände (d. h. Neigung und Exposition des Hanges, Wald- oder Vegetationstyps, Wald- oder Vegetationsdichte, Homogenität des Baumkronenverschlusses, der Krone, Größe und die Kronenbasishöhe).
  2. Wählen Sie einen geeigneten Wurffalle-Typ für die Positionierung unter dem Vordach, indem Sie die Maschenöffnung des Netzes basierend auf der Größe des Assimilationsgeräts der untersuchten Steinen wählen(d. h. die Maschenöffnung muss kleiner sein als die Größe der erfassten Assimilation Gerät), dann nummerieren und verteilen Sie die Fallen innerhalb der untersuchten Stände, und anschließend kennzeichnen.
    1. Verwenden Sie in der Regel eine Anzahl von Fallen im Bereich von 15 bis 25 pro untersuchten Stand25,48 mit einer Erfassungsfläche von 0,18 m2 bis 0,5 m2 oder mehr, insbesondere für Baumarten mit großen Blättern wie Pappel10 ,17,48.
    2. Platzieren Sie die Fallen in regelmäßigen Abständen im untersuchten Stand innerhalb von ein oder zwei einander senkrechten Transekte oder einem regulären Raster (Abbildung 2). Die richtige Probenahme, das Verfahren und die Analyse des Wurffalls werden auch von Ukonmaanaho et al.17 oder Fleck et al.21beschrieben.
      1. Bestimmen Sie den Abstand zwischen den Fallen auf Kronengrößen, Baldachinverschluss und Standtextur.
      2. Erhöhen Sie die Anzahl der Wurffallen sowohl mit steigender Standfläche als auch mit der Heterogenität der Textur.

Figure 2
Abbildung 1: Verschiedene Arten von Wurffallen - Konstruktion und ihre Lage innerhalb des Standes.
Von links: Holz-, Kunststoff-, Plastikboxen und Metallkonstruktionen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

  1. Installieren Sie die Fallen zu Beginn der Vegetationsperiode (bald nach der Blattspülung, da ein Blattsturz aufgrund von Insektenschäden oder extrem trockenen Wetterereignissen im Sommer auftreten kann).
    1. Fixieren Sie jede der Fallen über der Bodenoberfläche und unter dem Standdach fest, so dass sich der Erfassungsbereich nicht ändert. Bewahren Sie jede der Traps in einer horizontalen Position und einem stabilen normalisierten Erfassungsbereich auf. Beispiele für verschiedene Arten von Fallen sind in Abbildung 1 oder z.B. in Ukonmaanaho et al.17dargestellt.

Figure 1
Abbildung 2: Das regelmäßige schematische Muster der Streufalleverteilung im Wald steht mit deutlicher Homogenität.
Die Homogenität nimmt von links ab. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

  1. Platzieren Sie die Fallen über der Bodenoberfläche (mindestens 0,1 m), damit Luft unter dem Sammelteil der Fallen wehen kann. Üblicherweise liegt die Höhe der Fallen 1 m über der Bodenoberfläche25,38,49.
  2. Wählen Sie den Zeitschritt für die Müllabfuhr in Bezug auf den typischen Wetterverlauf in der untersuchten Stelle und die Wurffallintensität. Der Standardzeitschritt reicht von 1 bis 4 Wochen (ein kürzerer Zeitschritt sollte bei Regenwetter verwendet werden, um die Zersetzung von Abfällen und bei intensiven Blattstürzen zu vermeiden).
    1. Überprüfen Sie bei jeder Messung die Festigkeit der Fallrahmen, die Kompaktheit der Netze oder Boxen und die Nivellieren der gesamten Falle (d. h. die horizontale Position der Falle).
  3. Legen Sie den gesammelten Abfall aus jeder der Fallen in zuvor beschriftete Papiertüten.
    1. Transportieren Sie alle Proben vorzugsweise in Kühlboxen oder bei Bedarf vorübergehend bei 4 °C gelagert, aber nicht gefroren17 aufgrund von Schäden an den Blattgeweben.
  4. Nach dem Transport der Proben ins Labor, trennen Sie die Assimilationsvorrichtung von den anderen Wurfkomponenten (Zweige, Samen, Rinde, Blumen; je nach Baumart, falls erforderlich).
  5. Analysieren Sie unmittelbar nach der Sortierung einen Teil einer gemischten (vermischten) Probe jeder Wurffalle für die Durchführung der SLA-Schätzung(d. h. das Verhältnis zwischen der projizierten Laubfläche und ihrem trockenen Massengewicht).
    1. Da verschiedene Baumarten und sogar Laubarten (sonnig und schattiert) mit unterschiedlichen Eigenschaften innerhalb des vertikalen Kronenprofils auftreten, mischen Sie die Probe aus jeder Falle gründlich, bevor Sie Blätter für die Ausführung der SLA (LMA)-Schätzung auswählen11 . Da es einen Unterschied zwischen frischer und trockener Blatt projizierte Fläche aufgrund von Schrumpfung gibt, schätzen Sie einen Schrumpfkorrekturkoeffizienten aus der Unterstichprobe von frischen (grünen) Blättern26.
      1. Sammeln Sie Blätter proportional (ähnlich wie in der gemischten Unterstichprobe aus der Falle) von allen Baumarten, die sich auf dem Stand befinden.
    2. Trennen Sie die Unterstichprobe, die mindestens 100-200 Blätter von allen verwendeten Fallen21,27 für die Durchführung der SLA-Schätzung zählt.
      1. Legen Sie die Blätter flach, gerade entweder auf das Scanbrett oder den Blattflächenzähler, und es ist notwendig, überlappende Blätter dort zu vermeiden.
      2. Da die getrockneten Wurfblätter falten oder locken können, tränken Sie sie in heißem Wasser (60-70 °C) für kurze Zeit17,21. Dies wurde gefunden, um Blätter ausreichend für Messungen zu glätten, aber vor allem nach einer langen Zeit des Einweichens, verlieren sie Gewicht.
      3. Wenn der Scanner oder Blattbereichsmesser keine obere Beleuchtung (zur Vermeidung von Reflexion und Schattenung) ermöglicht, verwenden Sie eine geeignete Verteilung der Blätter entweder auf einer Scanplatine oder einem Blattbereichsmeterförderer (d. h. Blätter werden senkrecht zum Scanscheinwerfer platziert), Schatten bilden sich während der Scan-Scheinwerferbewegung nicht, da es schwierig ist, die Schatten bei der nachfolgenden Datenverarbeitung zu entfernen.
      4. Wenn ein Scanner verwendet wird, der an einen PC angeschlossen ist, verwenden Sie eine Auflösung der Schwarzweißbilder von 200 dpi bei einem Minimum, basierend auf einer ausreichenden Genauigkeit des Bereichs.
        1. Um eine Reflexion zu vermeiden, die als Lichtpixel innerhalb der Blätter sichtbar ist, passen Sie bei Verwendung eines normalen Scanners die Scanhelligkeit an, um einen entsprechenden Schwellenwert zu erreichen (Abbildung 3). Software (z.B. WinFOLIA) schätzt dann die Blattfläche, indem sie die dunklen Pixel im Scan zählt und konvertiert sie mit der bekannten dpi-Auflösung.
    3. Trocknen Sie diese Teilprobe, die für die SLA-Schätzung bestimmt ist, 48 Stunden bei 80 oder 105 °C, um ein konstantes Gewicht zu erreichen. Verwenden Sie einen belüfteten Ofen mit einem Thermostat, um die Innentemperatur zu homogenisieren und zu halten (z. B. IncuMax CV150).
      HINWEIS: Der Wassergehalt in Blättern bleibt als festes Wasser in Zellen, wenn die Ofentrocknung bei niedrigeren Temperaturen erfolgt. Beim Trocknen bei 105 °C bleibt kein Wasser in der Pflanzenprobe17.
    4. Wiegen Sie die Trockenmasse dieser Unterprobe mit Laborwaagen mit einer hohen Genauigkeit von mindestens 1 g.
      1. Überprüfen Sie die Nivellieren der Laborwaagen und vermeiden Sie externe Effekte (z. B. das Blasen von starkem Wind im Labor während des Wiegens).
    5. Berechnen Sie den SLA-Wert als die frische projizierte Laubfläche der für die SLA-Schätzung bezeichneten Unterstichprobe dividiert durch ihr Trockenmassengewicht.

Figure 3
Abbildung 3: Scan einer Blattprobe mit einem Beispiel für einen korrekten Qualitätsscan (auf der linken Seite) und einen falschen Scan (rechts)
wenn die Helligkeit angepasst werden sollte, um die Reflexion zu beseitigen, die als weiße Pixel innerhalb der Blattkörper sichtbar ist, und/oder wo Oberflächenschmutz (a) und ein beliebiger Kanteneffekt (b) gelöscht werden sollten, bevor eine Flächenanalyse durchgeführt wird.

  1. Den Rest der Probe(d. h. gesammelte Blätter) für jede Falle 48 Stunden lang bei derselben Temperatur, die für die SLA-Schätzung verwendet wurde,d. h. bei 80 oder 105 °C, um ein konstantes Gewicht zu erreichen, wird ofenttrocken.
  2. Multiplizieren Sie das Trockenmassengewicht der restlichen Probe für jede einzelne Wurffalle mit dem richtigen SLA-Wert, um die gesamte projizierte Blattfläche pro Falle zu erreichen.
  3. Wiederholen Sie die Schritte von 1,5 bis 1,9 für jeden der untersuchten Stände und jedes Wurfsammeldatum.
  4. Berechnen Sie das LAI als Verhältnis der kumulierten Gesamtblattfläche, die anhand von Wurffallen geschätzt wird, und der Erfassungsfläche der Wurffallen.

2. Nadeltechnik zur Aufnahme von LAI-Messungen

  1. Führen Sie zunächst eine Felduntersuchung durch, untersuchen Sie die Standortbedingungen und die Struktur der untersuchten Bestände (d. h. Neigung und Exposition des Hanges, Wald- oder Vegetationstyps, Wald- oder Vegetationsdichte, Homogenität des Baumkronenverschlusses, Kronengröße und die Kronengrundhöhe).
  2. Unmittelbar nach einem kompletten Blattfall alle notwendigen Geräte einschließlich einer ausreichend langen scharfen Metallnadel mit möglichst kleinem Durchmesser (maximal 2,0 mm Durchmesser) vorbereiten.
  3. Wählen Sie eine geeignete Anzahl von zufällig verteilten Probenahmepunkten (mindestens 100)10,20,38 basierend auf der Vordachstruktur jedes untersuchten Standes aus.
    ANMERKUNG: Im Allgemeinen gilt: Je mehr Probenahmepunkte, desto höher ist die Genauigkeit der LAI-Schätzung im untersuchten Stand (die Anzahl der Probenahmestellen sollte im Verhältnis zur Größe des untersuchten Diagramms und der Struktur des Vordachs zunehmen).
  4. Mit der metallischen Nadel punktieren Sie die Blätter in einem mehr oder weniger ähnlichen Winkel durch die Schicht frisch hergefallener Blätter, die an jedem der sonnten Probenahmestellen auf der Bodenoberfläche liegen.
    1. Verwenden Sie einen beliebigen Stichwinkel, da diese gefallenen Blätter keine Beziehungen zu ihrer vorherigen Position innerhalb des Vordachs haben.
  5. Stellen Sie sicher, dass nur frisch gefallene Blätter auf der Nadel vorhanden sind. Im Falle des Vorhandenseins von teilweise zersetzten Blättern aus dem Vorjahr, entfernen Sie sie von der Nadel.
  6. Zählen Sie die Anzahl der Blätter, die von der Nadel mit jedem Stich an jedem Probenahmepunkt durchbohrt werden.
  7. Wiederholen Sie die Schritte von 2.4 bis 2.6 für alle untersuchten Probenahmepunkte.
  8. Zählen Sie die Summe aller Blätter, die von der Nadel innerhalb des gesamten Standes durchbohrt werden (d. h. für mindestens 100 Probenahmestellen).
  9. Teilen Sie diese Summe durch die Anzahl der Stiche (d. h. das arithmetische Mittel zählend). Der resultierende arithmetische Mittelwert entspricht dem tatsächlichen LAI-Wert auf Standebene. Hinweis: Die durchschnittliche Anzahl aller auf der Nadel gesammelten frischen Blätter entspricht dem tatsächlichen LAI-Wert des untersuchten Waldstandes.

3. Plant Canopy Analyzer optisches Gerät für die Durchführung LAI-Schätzung

  1. Führen Sie zu Beginn eine Felduntersuchung durch, einschließlich der Untersuchung der Standortbedingungen und der Struktur der untersuchten Bestände (d. h. Neigung und Exposition des Hang-, Wald- oder Vegetationstyps, Wald- oder Vegetationsdichte, Homogenität der Verschluss, die Kronengröße und die Kronengrundhöhe).
  2. Finden Sie eine geeignete offene Fläche (Clearing) mit identischen Himmelsbedingungen wie über dem beobachteten Grundstück, befindet sich eine maximale Entfernung von 1 kmentfernt 21, die für über-Baldachin Sensor-Messungen erforderlich ist.
    1. Da der Pflanzendachanalysator es dem Anwender ermöglicht, einen anderen FOV sowohl in Azimut (durch Einschränkungssichtkappen) als auch in Zenit (durch Softwareverarbeitung durch Ringmaskierung) zu verwenden, wenden Sie die gleiche Kappe (und ihre Ausrichtung) sowohl für ober- als auch für unter Lesungen.
    2. Leiten Sie die Größe der offenen Fläche und die Nutzung der entsprechenden Ansichtskappe aus dem Bereich des FOV ab. Der bekannte FOV des Sensors aus der Vertikalen in der Zenitausrichtung und die Abschätzung der Höhe der nächsten Hindernisse (Bäume, Gelände, Gebäude) bieten die am besten geeignete Lösung, bei der die ausreichende Größe der offenen Fläche nach Gleichung 1:
      Y = H-tg-1,
      Wobei Y der erforderliche Abstand von der nächsten Barriere ist; H bezeichnet die Höhe des Hindernisses; • bezeichnet den FOV in vertikaler Richtung (Abbildung 4). Anstelle der offenen Fläche kann ein Turm, der höher ist als der untersuchte Standstand, für die Aufnahme von Überdachungen verwendet werden21.
      1. Berücksichtigen Sie bei der Berechnung der Größe der offenen Fläche die Steigung und Heterogenität des Geländes.

Figure 4
Abbildung 4: Eine schematische Darstellung des FOV des Sensors (Graubereich).
• ist der FOV des Sensors; H bezeichnet die Höhe des nächsten Hindernisses; Y bezeichnet den horizontalen Abstand zwischen dem Bediener und dem Hindernis63.

  1. Bestimmen Sie anhand der strukturellen Parameter des Standfußes (Dachhomogenität) eine geeignete Stichprobenpunktnummer, die Lage der äquidistanten Probenahmestellen, die sich entweder im Transect befinden, oder ein Raster zur Aufnahme von Unterdachmessungen im untersuchten Stand9.
    1. Daraus leiten Sie den angemessenen Abstand von der Variabilität der Unterdachwerte im Feld ab.
      1. Bewegen Sie sich langsam mit dem Sensor unter dem Vordach im Transect und beobachten Sie die Variabilität der oberen Ringwerte. Leichte Variabilität, unterbrochen durch höhere Werte, ist ein häufiges Ergebnis. Die Hälfte des Abstands zwischen diesen Spitzenwerten in der Variabilität sollte als angemessen angesehen werden.
    2. Wenn eine Beobachtung der saisonalen LAI-Dynamik durchgeführt wird, verwenden Sie die permanente Fixierung von Transekte oder Probenahmestellen innerhalb des untersuchten Standes (z. B. durch Holzpfähle oder geologische Metallstäbe).
      ANMERKUNG: Anzahl und Abstand der Transekte hängen von der jeweiligen Vordachstruktur des Ständers ab (Abbildung 5).
    3. In homogenen Ständern reicht eine ausreichende Anzahl von Transekten von 1 bis 3. Wenden Sie bei hoher Heterogenität ein regelmäßiges Raster von Probenahmestellen an. Wählen Sie die Ausrichtung der Transekte in Bezug auf Neigung und Verteilung der Bäume im Stand, insbesondere im Falle von Reihenabständen. Der Abstand zwischen bestimmten Probenahmestellen wird hinsichtlich der Heterogenität des Standfußes, der Kronengrößen, der Kronengrundhöhe und des FOV des Sensors (Abbildung 6) bestimmt. In homogenen Beständen liegt die Anzahl der Probenahmestellen in der Regel zwischen 5 und 36 46,50. Besondere Probenahmeausführungen werden auch von Baret et al.51beschrieben; Majasalmi et al.52; Woodgate et al.50; Fleck et al.21; Calders et al.53.
      1. Mit einem geneigten Gelände richten Sie die Sensoransicht entlang ebenen Kurven aus.

Figure 5
Abbildung 5: Layouts von Messungen in reinen Laubständern.
(A), (B) Layouts der optimalen Platzierung bestimmter Transekte in einer reinen Plantage, die durch Linienbepflanzung (d. h. rechteckiger Abstand) festgelegt wurde. (C) Das Layout der optimalen Platzierung bestimmter Transekte in einer reinen Plantage, die durch Linienbepflanzung im Dreiecksabstand festgelegt wurde. (D) Die Anordnung der optimalen Platzierung bestimmter Transekte in einer reinen Plantage, die durch Linienbepflanzung mit zwei deutlich unterschiedlichen Teilen errichtet wurde. (E) Das Layout der optimalen Platzierung bestimmter Transekte in einem Standfuß mit vier deutlich unterschiedlichen Teilen des Standfußes. (F) Die Anordnung der optimalen Platzierung bestimmter Transekte in einer reinen Plantage, die durch Linienbepflanzung mit zwei verschiedenen Teilen errichtet wurde. (G) Die Anordnung der optimalen Platzierung bestimmter Transekte in einer reinen Plantage, die durch Linienbepflanzung mit drei deutlich unterschiedlichen Teilen festgelegt wurde, die 50 %, 25 % und 25 % der gesamten Fläche des Standfußes ausmachen. (H) Das Layout der Platzierung von Transekte in Ständern, die durch natürliche Regeneration festgelegt wurden, wo etwa 12 Messpunkte pro Transsekt aus Genauigkeitssicht ausreichen. Grautransekte könnten alternativ bei der Messung weggelassen werden.

Figure 6
Abbildung 6: Schematische Darstellung einer Abstandsauswahl zwischen Messpunkten innerhalb von Transekten in Bezug auf FOV, Standdichte und Höhe der Kronenbasis.
a: geeigneter Abstand bei der schematisch angezeigten Sensorhöhe und -ansicht und Kronengrundhöhe, c: ungeeigneter Abstandsabstand, da einige Vordachteile (d – in weiß) vom Sensor nicht sichtbar sind. Daher sollte der Abstand korrigiert werden (durch b, d.h. , a = c – b), c*: ebenfalls korrigiert, geeigneter Abstandsabstand durch den korrigierten vergrößerten Sensorsichtwinkel (fein gestrichelte Linie).

  1. Obwohl einige Möglichkeiten und Korrekturen der LAI-Schätzung unter sonnigen Bedingungen dargestellt werden47,54, führen Sie alle Messungen unter einem diffusen Licht Himmel (Standard bedeckt) und windlosen Bedingungen55, 56 (siehe Abbildung 7). Trotz der Tatsache, dass der Pflanzendachanalysator die Korrektur der Lichtstreuung für Messungen bei sonnigen Bedingungenermöglicht 21, empfiehlt der Hersteller des Sensors, ihn unter Standard-Wolkenbedingungen zu verwenden34.
    1. Verwenden Sie den Pflanzenkronenanalysator aus direkter Sonneneinstrahlung, da sonnenbeschienenes Laub als helle Pixel auf dem Bild erscheinen und fälschlicherweise als Himmel klassifizieren kann (der Penumbra-Effekt). Im Idealfall nehmen Sie die Messungen unter vollständig bedeckten Bedingungen (mit gleichmäßiger Wolkendecke) vor, wenn diffuses Licht gleichmäßig über den Himmel gestreut wird.
    2. Auch bei Sonnenlicht ist die Reflexion deutlich höher als bei diffusen Himmelsbedingungen. Alternativ können Sie Messungen vor Sonnenaufgang oder nach Sonnenuntergang durchführen, wenn die Sonne unter dem Horizont verborgen ist und die Vegetation nicht von der Sonne hinterleuchtet wird (beachten Sie, dass sich die Lichtumgebung in diesen Zeiten des Tages schnell ändert). Beachten Sie jedoch auch, dass aufgrund der Empfindlichkeit des Sensors die Lesewerte in einem offenen Bereich höher als ca. 3 sein sollten.
    3. Vermeiden Sie Regen, da Regentropfen auf dem Sensor die Genauigkeit der Messungen beeinflussen. Ein nasses Vordach reflektiert mehr Licht, was zu LAI-Unterschätzung führen kann.
    4. Verhindern Sie starken Wind, da bewegliche Anlagenelemente die Messwerte unter dem Vordach beeinflussen und somit zu falschen Ergebnissen führen können.
    5. Vermeiden Sie auch nebelförmige Bedingungen innerhalb des Vordachs.

Figure 7
Abbildung 7: Optimale Wetterbedingungen für die Durchführung der LAI-Schätzung mit einem Pflanzenkronenanalysator. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

  1. Wenn keine Beobachtung eines saisonalen Verlaufs des LAI erforderlich ist, nehmen Sie alle Messungen von Juni bis Mitte September, da das LAI der meisten Baumarten seinen maximalen Wert erreicht und bleibt (außer in trockenen Sommern). Daher eignet sich dieser Zeitraum am besten für einen LAI-Vergleich während der Vegetationsperiode38,57,58,59.
    HINWEIS: Dieser Zeitraum sollte kürzer sein oder unter Dürrebedingungen bei Blattschlag oder Seneszenz geändert werden.
  2. Schätzen Sie den Holzflächenindex (WAI, Abbildung 10) während der Blattabsendezeit (d. h. sowohl vor dem Knospenbruch im Frühjahr als auch nach vollständigem Blattfall im Spätherbst).
    ANMERKUNG: Da der Pflanzenkronenanalysator nur ein sichtbares Band (320-490 nm)34,35 hat und Blatt- und Holzbestandteile nicht unterscheiden kann, stellen die während einer Vegetationsperiode erzielten Ergebnisse einen Pflanzenflächenindex (PAI) dar, der die Summe der LAI und WAI (PAI = LAI + WAI)60. Subtrahieren Sie daher den Mittelwert beider WAI-Messungen, die in einer Blattabsendezeit durchgeführt wurden, von jeder der PAI-Messungen, die im Blatt-auf-Zeitraum geschätzt wurden, um korrekte LAI-Werte zu erhalten (LAI = PAI – WAI)20,38.
    1. Führen Sie die obigen Vordächer als erste Messung jedes Standtranssekts oder Gitters in einer ausreichenden offenen Fläche durch (siehe Schritt 3.2).
      HINWEIS: Es ist möglich, Dual-Mode-Messungen durchzuführen, da der LAI-2000 PCA (oder seine verbesserten Versionen LAI-2200 PCA und LAI-2200C) die gleichzeitige Schätzung mit zwei Sensoren zusammen ermöglichen(d. h. einer für unter- und einer für über-Lesungen). In diesem Fall sollten die Sensoren gemäß der Bedienungsanleitung (LI-COR 2011) kalibriert werden. Kurz gesagt, es wird empfohlen, dass der Benutzer beide Sensoren an ein Steuergerät anschließt, um Messwerte und Zeit zu vereinheitlichen, den Sensor für über baldige Messwerte an der Oberseite eines Stativs in einem offenen Bereich zu platzieren, es zu nivellieren und die gleiche Einschränkungsansichtskappe zu verwenden. Die Sensoransichtsausrichtung sollte in Azimutrichtung gleich sein wie bei der Aufnahme von Unterdachmessungen.
    2. Führen Sie die unter dem Vordach liegenden Messwerte im räumlichen Messentwurf, der in 3.3 ausführlich beschrieben wird, durch. Der Sensor wird in der Regel von 0,5 bis 2,0 m über dem Bodengehalten 21,38, d.h. über unter der Unterschicht Vegetation, unter dem Vordach und mit dem sichtbaren Sensor Blasenhöhe.
      1. Ein Blasenpegel ist bestandteil des Sensors. Verwenden Sie die Begrenzungsansichtskappen, wenn der Sensor unter 2,0 m gehalten wird, um den Bediener vom FOV auszuschließen. Verwenden Sie die identische Ansichtskappe für unter- und über-Messwerte.
      2. Verwenden Sie einen Mindestabstand zwischen dem Sensor und dem nächstgelegenen Element der oberirdischen Teile der Anlage (Stämme, Zweige) von mindestens dem Vierfachen des Durchmessers oder der Breite des Bauteils.
    3. Berechnen Sie die WAI-Werte aus feldgemessenen Rohdaten mit der LAI-2200 File Viewer (FV2200) Freeware, die unter https://www.licor.com/env/products/leaf_area/LAI-2200C/software.html verfügbar ist.
      1. Beschränken Sie den FOV des Sensors in Zenitrichtung auf die oberen drei Ringe (d.h. 0-43°), um einen Kanteneffekt und große Spaltgrößen20,61,62auszuschließen.
      2. Verarbeiten Sie die Daten mit den Standardalgorithmen für LAI-2000 PCA, und legen Sie Parameter für Auswertungen mit FV2200 gemäß der Bedienungsanleitung34fest.
    4. Bestimmen Sie den jährlichen WAI-Wert als arithmetisches Mittel beider Messungen, die vor Beginn der Vegetationsperiode (d. h. vor dem Knospenbruch) und nach vollständigem Blattfall durchgeführt wurden (Abbildung10).
  3. Schätzen Sie PAI nach dem gleichen Verfahren wie bei der Erstellung der WAI-Schätzung (von Schritt 3.6.1-3.6.3.)
  4. Berechnen Sie den tatsächlichen LAI-Wert auf Standebene als Differenz zwischen den mittleren PAI- und WAI-Werten (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

Die durchschnittlichen LAI-Werte auf Standebene aller untersuchten Stände in der Vegetationsperiode 2013 sind in Abbildung 8dargestellt. Auf allen Parzellen außer A wurden die höchsten Werte durch Wurffallen gemessen, die als Referenzwert dienen. Im Gegensatz dazu wurde der höchste mittlere LAI-Wert durch die Nadeltechnik auf Plot A geschätzt. Alle Unterschiede zwischen den mit Wurffallen und einem Pflanzenkronenanalysator geschätzten LAI-Werten waren nicht signifikant (p > 0,05; Abbildung 8, links). Auf den Parzellen B, C und D unterschätzte die Nadeltechnik die lai aus den Wurffallen deutlich. Umgekehrt überschätzte diese Technik auf Handlung A das mit den Wurffallen gemessene LAI jedoch auf keinem signifikanten Niveau (p = 0,01; Abbildung 8, Mitte). In allen Fällen wurden signifikante Unterschiede zwischen den vom Pflanzenkronenanalysator und der Nadeltechnik geschätzten LAI-Werten festgestellt (Abbildung8, rechts).

Figure 8
Abbildung 8: Ein Vergleich der statistisch signifikanten Unterschiede zwischen den durchschnittlichen LAI-Werten, die anhand von Wurffallen, der Nadeltechnik und den LAI-2000-PCA-Ansätzen geschätzt werden.
A-C: Europäische Buchengrundstücke, D: sycamore Ahorngrundstück, p < 0,05 (*), p < 0,001 (**), p0 0,05 (ns). Die Schnurrhaare zeigen Standardabweichungen. Diese Zahl wurde mit der Berechtigung38geändert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abweichungen der Unter- oder Überschätzung des LAI, die durch den Pflanzenkronenanalysator und die Nadeltechnik erzielt wurden, beide im Vergleich zu den LAI-Werten, die aus den Wurffallen gewonnen wurden, die als Referenzwert gelten, sind in Abbildung 9dargestellt. Die Unterschätzungen der lai-Werte, die mit Wurffallen und dem Pflanzenkronenanalysator auf den Parzellen A, B, C und D gemessen wurden, betrugen 15,3 %, 11,0 %, 18,9 % bzw. 5,8 %. Die mittlere Umlenkung der LAI-Werte auf Buchenflächen und allen untersuchten Parzellen zusammen betrug 15,1 % bzw. 12,7 %. Auf den Parzellen B, C und D wurde die Nadeltechnik von LAI um 41,0 %, 38,0 % bzw. 40,0 % unterschätzt. Im Gegensatz dazu wurde auf Handlung A eine Überschätzung von 13,0 % zwischen den durch die Nadeltechnik ermittelten LAI-Werten und den Wurffallen festgestellt. Die mittleren Umlenkungen der LAI-Werte auf Buchen und alle untersuchten Parzellen unabhängig von der Zusammensetzung der Baumarten betrugen 39,7 % bzw. 26,5 %.

Figure 9
Abbildung 9: Mittlere Durchbiegung der LAI-Werte, die mit Hilfe der Nadeltechnik geschätzt werden, und eines LAI-2000-PCA aus LAI-Werten, die aus Wurffallen gewonnen wurden, die als Referenz gelten.
A-C: Europäische Buchenflächen, D: sycamore Ahorngrundstück, ALL – durchschnittliche Abweichung aller Parzellen unabhängig von Baumarten. Die Schnurrhaare zeigen Standardabweichungen. Diese Zahl wurde mit der Berechtigung38geändert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Nach dem kompletten Blattfall und vor dem Knospenbruch (d.h. im April) kann der WAI mit einem Pflanzenkronenanalysator leicht gemessen werden. Die durchschnittlichen saisonalen Werte der WAI für die Parzellen A, B, C und D erreichten 1,33, 0,26, 0,99 bzw. 0,38 (Abbildung 10). Die schnellste Entwicklung der LAI wurde während des Zeitraums von der Knospenpause im April bis Anfang Mai festgestellt (Teil 1, Abbildung 10). Von Mai bis Ende Juni (Teil 2, Abbildung 10) wurde die Fortsetzung der schnellen LAI-Entwicklung der Blätter beobachtet; jedoch mit weniger Intensität im Vergleich zu Teil 1. Von der zweiten Junihälfte bis Ende Juli sank der LAI-Wert auf Dem plot B um 0,46. Plot A wurde bewusst für eine detailliertere LAI-Überwachung ausgewählt, bei der saisonale LAI-Messungen in kürzeren Zeitabständen durchgeführt wurden. Daher war die Stagnation der LAI in den Sommermonaten auf diesem Grundstück deutlicher (Teil 3, Abbildung 10). In allen untersuchten Waldbeständen begannen die Blätter Ende September zu fallen, was durch den Rückgang der LAI-Kurve veranschaulicht wurde (Teil 4, Abbildung 10).

Figure 10
Abbildung 10: Saisonale LAI-Dynamik während der Vegetationsperiode 2013.
LAI: Blattflächenindex, WAI: Holzflächenindex, A-C: Europäische Buchenflächen, D: Ahorngrundstück, DOY: Tag des Jahres. Leere Diamanten bedeuten durchschnittliche saisonale WAI subtrahiert von der PAI, um die richtige LAI zu erhalten (LAI = PAI - WAI). Periode 3 scheint die am besten geeignete Phase zu sein, um die LAI von Laubständen während der gesamten Vegetationsperiode zu vergleichen. Die Schnurrhaare zeigen Standardabweichungen der LAI-Schätzung an, und die Grauzone bedeutet das Konfidenzintervall der mittleren LAI-Kurve. Diese Zahl wurde mit der Berechtigung38geändert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

komplott pro B c D
Geographische Koordinaten 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
höhe 600 m a. s. l. 450 m a. s. l. 460 m a. s. l.
Grundgestein Säuregranodiorit Granodiorit
Bodenklassifizierung (Bodentyp) Modales oligotropes Cambisol Modal mesotropisches Cambisol
Mittlere jährliche Niederschlagsmenge (mm) 592 596
Mittlere Jahrestemperatur (°C) 7.0 7.0
Neigungsausrichtung Nw W N Nw
Neigungsneigung (%) 10 15 20 10
Waldtyp Abieto-Fagetum oligo-mesotrophicum; Nährstoff Medium Tannenbuche Fagetum calcarium; Kalkbuche Fagetum mesotrophicum; Nährstoffreiche Buche Fagetum illimerosum mesotrophicum; Loamy Buche

Anhang A: Merkmale der Studienpläne. A-C: Europäische Buche, D: sycamore Ahorn. Die Klassifizierung der Waldart basiert auf ökologischen Faktoren (d.h. Boden und Klima) und deren Beziehungen zu Waldbeständen. Jedes der Grundstücke hatte eine Fläche von 400 m2 (20 x 20 m). Diese Tabelle wurde mit der Berechtigung38geändert.

komplott pro B c D
Alter des Standes (Jahre) 46 19 77 13
Standdichte (Bäume ha-1) 2300 2700 900 5800
Höhe m) 18,3 x 4,6 6,0 x 1,3 22,6 x 11,3 5,6 x 0,8
DBH (cm) 13,4 x 5,7 7,0 x 1,3 24,1 x 4,1 3,9 x 1,6
BA1,3 (m2 ha-1) 38,8 x 0,01 10,4 x 0,01 40,9 x 0,10 6,9 x 0,01
Darstellung von Baumarten (%) EB (100) EB (100) EB (100) SM (100)

Anhang B: Strukturelle Merkmale (Durchschnitt SD) der untersuchten Statzüge. A-C: Europäische Buchengrundstücke, D: sycamore Maple Plot, DBH: Durchmesser auf der Brusthöhe, BA1.3: Basalfläche auf der Brusthöhe am Ende der Vegetationsperiode 2013, EB: Europäische Buche, SM: sycamore Ahorn. Diese Tabelle wurde mit der Berechtigung38geändert.

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

Wurffallen gelten als eine der genauesten Methoden zur Ausführung der LAI-Schätzung8, aber sie sind arbeitsintensiver und zeitaufwändiger als die indirekten Methoden35,64, die in dieses Protokoll aufgenommen wurden. Innerhalb des gesamten LAI-Schätzverfahrens mit Wurffallen ist eine genaue Schätzung der SLA der kritischste Punkt10, da die SLA je nach Pflanzenart65,Datum und Jahr, Dauer der Fallzeit, Wetter66und Standort variieren kann. Fruchtbarkeit67. Obwohl Wurffallen in der Regel als Referenzwert und als Kalibrierwerkzeug für indirekte Methoden38,49betrachtet werden, kann eine mögliche Diskrepanz der LAI-Schätzung mit Wurffallen aufgrund des Windstroms, der Anzahl und Verteilung der Fallen innerhalb des Standfußes unabhängig von Vordachabdeckung und Standstruktur, die Größe der Standfläche,68,69 oder es kann auch durch eine Ablenkung der Wurffalle von seiner Ebene, horizontale Position verursacht werden. Darüber hinaus können LAI-Werte, die durch Wurffallen erhalten werden, auch durch Wetter und Klima70beeinflusst werden, insbesondere durch Zersetzung des Wurfabfalls10,11 oder das Verweichen von Blättern in Fallen, die durch schwere Trockenheit in den Sommermonaten. Daher sollte in diesem Fall ein Schrumpfkorrekturkoeffizient angewendet werden25,26,27. Die ausreichende Anzahl von Wurffallen für die Durchführung einer Schätzung von LAI reichte zwischen 15 und 25 25,48, jedoch, die höhere Gesamterfassungsfläche der Fallen pro untersuchten Stand, die genauere LAI-Schätzung. Wurffallen ermöglichen es dem Benutzer nicht, die Blattverteilung innerhalb des vertikalen Profils der Kronen11zu schätzen oder einen genauen LAI-Wert zu einem einzigen Zeitpunkt während der Vegetationsperiode60zu bestimmen, aber in der Blattfallperiode ist es nützlich, bei der Schätzung der Dynamik von LAI und für einen jährlichen Vergleich seiner Dynamik48,71. Obwohl eine genaue LAI-Schätzung durch Wurffallen mit dem kompletten jährlichen Blattfall16zusammenhängt, wurde dieser Ansatz auch in gemischten immergrünen Laubwäldern bereits erfolgreich angewandt72.

Die Nadeltechnik ist mühelos zu verwenden und nur für Laubwaldbestände anwendbar und eignet sich besonders für Waldbestände von großblättrigen Arten wie Eiche(Quercus sp.) oder Buche(Fagus sp.) Gattung. Es ist am einfachsten auf Standorten zu verwenden, wo der Wurf vollständig zersetzt sich jedes Jahr10. Wenn eine dünne und scharfe Nadel verwendet wird, liefert diese Methode präzise LAI-Schätzungen. Die Hauptvorteile der Nadeltechnik sind ihre einfache Verwendung, keine Blattfläche Meter oder Balance, und es ist viel weniger zeitaufwändig als mit klassischen Wurffallen20. Darüber hinaus ist sie für die Anwendung attraktiv, da die Annahme einer zufälligen Blattverteilung nicht erforderlich ist und aufgrund ihres zerstörungsfreien Charakters11. Nichtsdestotrotz unterschätzen LAI-Messungen auf der Grundlage dieser Methode systematisch DIE LAI-Werte aus Wurffallen (um 6-37%),20, die auch von der U-Zeit unterstützt werden.38. Die Unterschätzung von LAI (Abbildung 8, Abbildung 9) kann hauptsächlich durch den Durchmesser der verwendeten Nadel oder durch ein Mikrorelief der Bodenoberfläche unter dem untersuchten Baldachin verursacht werden, wo Blätter durch Wind entweder in eine Geländesdepression oder aus von winzigen Beulen der Oberfläche oder einer Kombination beider erwähnter Faktoren. Neben diesen Unzulänglichkeiten ist die Nadelmethode aufgrund der Größe und Form ihres Assimilationsapparates bei Laub-Nadelbaumarten wie Lärchensp. kompliziert.

Der Pflanzenkronenanalysator ist eine der indirekten optischen zerstörungsfreien Methoden. Der Hauptvorteil der einfachen Feldanwendung für die LAI-Schätzung besteht in der Möglichkeit, wiederholte Messungen durchzuführen, was es ermöglicht, den LAI-Saisonkurs während der gesamten Vegetationsperiode zu bewerten,11 und ermöglicht einen großflächigen Umsetzung und langfristige Überwachung des LAI28. Das LAI-2000 PCA erfordert relativ spezifische Wetterbedingungen für eine präzise LAI-Schätzung (Schritt 3.4). Dieser potenzielle Nachteil wird durch die verbesserten Versionen LAI-2200 PCA und LAI-2200C deutlich beseitigt, die in Bezug auf die synoptische Situation robuster sind, wenn sie eine LAI-Schätzung41 aufgrund ihrer besseren Fähigkeit zur Lichtstreuung durchführen. Konvertierung47. Trotz dieser Tatsache wird lai Schätzung mit diesen Sensoren entweder unter Standard-Bedeckten Bedingungen34 oder sonnigen Bedingungen empfohlen, wo ein stabiler heller Himmel mit der Sonne hoch über dem Horizont21. Bei dieser Methode müssen nur 1252 bis 25 Probenahmepunkte21 pro Stat gemessen werden, um die erforderliche Genauigkeit zu erreichen. Optische Lückenfraktionsbasierte Messungen eignen sich jedoch nicht für Stände mit hoher Blattfläche, da diese indirekten LAI-Schätzungen bei LAI-Werten um 614gesättigt sind. Für die Durchführung einer präzisen LAI-Schätzung ist eine weitere potenzielle Schwäche des LAI-2x00 PCA-Ansatzes die Anforderung an eine über dem Vordächer n.A. führende Referenz wert6. Dieser Nachteil kann jedoch durch die Möglichkeit der gleichzeitigen und automatisierten Messungen im Dual-Modus beseitigt werden, wenn zwei Sensoren von einer Einheit des LAI-2000 PCA73 oder seinen verbesserten Nachfolgern LAI-2200 PCA und LAI-2200C 34 gesteuert werden. 41.

Der Einsatz des Pflanzenkronenanalysators zur Schätzung des WAI in blattlosen Perioden und seiner Subtraktion von optischem PAI (d.h. effektivem Pflanzenflächenindex) in der Blattperiode scheint praktisch zu sein72. Im Gegensatz dazu wird das Potential dieses Instruments durch seine allgemeine Tendenz zur Unterschätzung von LAI in diskontinuierlichen und heterogenen Vordächern15,20,43,49,74 eingeschränkt. die hauptsächlich auf den Beitrag von holzigen Materialien und Klumpeneffekte innerhalb des Baldachins10,72zugeschrieben wird. Im Gegenteil, eine Überschätzung des LAI kann in Beständen beobachtet werden, die aus Arten (z.B. Pappel) bestehen, die ihre Blätter während der Vegetationsperiode11ersetzen können. Deblonde et al.75 quantifizierten das holzige Material mit direkten destruktiven Methoden, die sehr zeitaufwändig und arbeitsintensiv sind. Es ist auch möglich, den holzigen Beitrag mit Hilfe der indirekten Messung zu schätzen, die ihn innerhalb des Nahinfrarotbandes76unterscheidet, oder durch terrestrisches Laserscannen entweder mit einem Laserscanner77 oder Punktwolken von LIDAR78 . Lai-Unterschätzung wurde insbesondere in jenen Vordächern mit einer nicht zufälligen Verteilung (z. B. immergrüner Wald) beobachtet, wo der Pflanzenkronenanalysator die LAI-Werte um etwa 35-40% unterschätzt, da das Laub auf der Triebstufe39 verklumpt. , 79. Als eine der möglichen Methoden zur Durchführung einer genauen LAI-Schätzung empfehlen Chen et al.8 und Leblanc et al.80 die Kombination eines Pflanzenkronenanalysators und der Tracing-Strahlung und -Architektur von Vordächern (TRAC), die quantifiziert den Klumpeneffekt und die holzigen Komponenten. Derzeit ist es jedoch auch möglich, das Verklumpen entweder durch die Finite-Längen-Mittelungsmethode81 oder die Lückengrößenverteilungsmethode82 oder eine Kombination aus der Spaltgrößenverteilung und den Finite-Längen-Mittelungsmethoden 83 zu korrigieren. oder Pfadlängenverteilungsmethode84, wie yan et al.35 in ihrer Review-Studie angegeben. Obwohl bei der Entwicklung von LAI-Berechnungen mit indirekten optischen Methoden erhebliche Fortschritte erzielt wurden, bleiben einige Herausforderungen bestehen, insbesondere bei der Schätzung der Blattwinkelverteilung, bei der die Anwendung des aktiven Laserscannens Technologie ist eine der Methoden, die sie erkennen können, aber ihre dreidimensionalen Informationen wurden noch nicht vollständig erforscht und implementiert35.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren haben nichts zu verraten. Die repräsentativen Ergebnisse wurden aus dem Artikel "J", Haninec P, Pokorna R (2018) Leaf Area Index verwendet, der durch direkte, halbdirekte und indirekte Methoden in europäischen Buchen- und Sycamore-Ahornbeständen geschätzt wird. Journal of Forest Research. doi: 10.1007/s11676-018-0809-0 (Online-Version) basierend auf der freundlichen Genehmigung der Redaktion des Journal of Forestry Research.

Acknowledgments

Wir sind der Redaktion des Journal of Forestry Research dankbar, dass sie uns ermutigt und ermächtigt hat, die repräsentativen Ergebnisse dieses Protokolls aus dem dort veröffentlichten Artikel zu verwenden. Wir danken auch zwei anonymen Rezensenten für ihre wertvollen Kommentare, die das Manuskript wesentlich verbessert haben. Die Forschung wurde vom Landwirtschaftsministerium der Tschechischen Republik, der institutionellen Unterstützung MZE-RO0118 und der Nationalen Agentur für Agrarforschung (Projekt Nr. QK1810126).

Materials

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).
Leaf Area Index Estimation mit drei unterschiedlichen Methoden in reinen Laubständen
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