Waiting
Login processing...

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

Environment

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

Published: August 29, 2019 doi: 10.3791/59757
Automatic Translation
1, 2, 2,3, 1
1Forestry and Game Management Research Institute, Research Station at Opočno, 2Department of Silviculture, Mendel University in Brno, 3Department of Forest Botany, Dendrology and Geobiocenology, Mendel University in Brno

Summary

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

Abstract

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

Introduction

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

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

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

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

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

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

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

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

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. LAI çöp tuzakları kullanılarak tahmin

  1. İlk olarak, incelenen standların (yani, eğimin eğimi ve sergilenmesi, orman veya bitki örtüsü nün, orman veya bitki örtüsünün yoğunluğunun, gölgeliğin kapatılmasının homojenliği, taç boyutu ve taç taban yüksekliği).
  2. İncelenen standların asimilasyon aparatının boyutuna göre ağın örgü boyutunu seçerek gölgeliğin altına konumlandırma için uygun bir çöp kapanı tipi seçin (örn. mesh boyutu yakalanan asimilasyonun boyutundan daha küçük olmalıdır aparat), daha sonra numara ve çalışılan standları içinde tuzakları dağıtmak ve daha sonra onları etiketleyin.
    1. Tipik olarak, özellikle kavak 10 gibi büyük yaprakları olan ağaç türleri için 0,18 m2 ila 0,5 m 2 veya daha fazla arasında değişen bir yakalama alanı ile araştırılmış stand25,48 başına 15 ila25 arasında değişen tuzaklar bir dizi kullanın ,17,48.
    2. Tuzakları, çalışılan stand boyunca düzenli aralıklara yerleştirin bir veya iki karşılıklı dikey transects veya düzenli bir ızgara içinde (Şekil2). Uygun örnekleme tasarımı, prosedürü ve çöp-fall analizi de Ukonmaanaho ve ark.17 veya Fleck ve ark.21tarafından açıklanmıştır.
      1. Taç boyutları, gölgelik kapatma ve stand dokusu üzerindeki tuzaklar arasındaki mesafeyi belirleyin.
      2. Hem yükselen stand alanı ile çöp tuzaklarının sayısını artırmak hem de dokuda heterojenlik standı.

Figure 2
Şekil 1: Farklı tipte çöp tuzakları' yapımı ve stand içindeki konumları.
Soldan: odunsu, plastik, plastik kutular ve metal konstrüksiyon. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

  1. Büyüme mevsiminin başında tuzakları kurutun (yaprak kızarması kısa bir süre sonra, çünkü yaz döneminde böceklerin zarar görmesi veya aşırı kuru hava olayları nedeniyle yaprak dökümü oluşabilir).
    1. Yakalama alanında herhangi bir değişiklik olmaması için, yer yüzeyinin üzerindeki ve stand gölgeliklerinin altındaki tuzakların her birini sıkıca sabitleyin. Tuzakların her birini yatay bir konumda ve kararlı normalleştirilmiş yakalama alanında koruyun. Farklı türde tuzakörnekleri Şekil 1'de veya örneğin Ukonmaanaho ve ark.17'desunulmuştur.

Figure 1
Şekil 2: Ormandaki çöp kapanı dağılımının düzenli şematik deseni farklı homojenlikte dir.
Homojenlik soldan azalır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

  1. Tuzakların toplama kısmının altına havanın esmesini sağlamak için tuzakları zemin yüzeyinin üzerine (en az 0,1 m) yerleştirin. Genellikle, tuzakların yüksekliği zemin yüzeyinden 1 m25,38,49.
  2. İncelenen sitede hava ve çöp düşme yoğunluğu tipik ders ile ilgili çöp toplama için zaman adımı seçin. Standart zaman adımı 1 ila 4 hafta arasında değişmektedir (yağmurlu havalarda çöp ayrıştırmalarından kaçınmak ve yoğun yaprak düşmeleri sırasında daha kısa bir zaman adımı kullanılmalıdır).
    1. Ölçümlerin her biri sırasında, tuzak çerçevelerinin gücünü, ağların veya kutuların kompaktlığını ve tüm tuzağın tesviyesini (yani, tuzağın yatay konumunu) kontrol edin.
  3. Tuzakların her birinden toplanan çöpleri önceden etiketlenmiş kağıt torbalara yerleştirin.
    1. Tüm numuneleri tercihen serin kutularda veya gerekirse geçici olarak 4 °C'de saklayın, ancak yaprak dokularına verilen zarar nedeniyle 17'de dondurulmayın.
  4. Örnekleri laboratuvara taşıdıktan sonra asimilasyon cihazını diğer çöp bileşenlerinden (dallar, tohumlar, kabuklar, çiçekler; gerekirse ağaç türlerine göre) ayırın.
  5. Sıralamadan hemen sonra, SLA tahmini (yani, yaprakların öngörülen alanı ile kuru kütle ağırlığı arasındaki oran) gerçekleştirmek için her çöp tuzağının karışık (iç içe geçmiş) örneğinin bir kısmını analiz edin.
    1. Farklı ağaç türleri ve özellikleri farklılıkları ile yeşillik bile türleri (güneşli ve gölgeli) taç dikey profil içinde meydana göz önüne alındığında, iyice SLA (LMA) tahmini11 gerçekleştirmek için yaprakları seçmeden önce her tuzak örnek karıştırın . Büzülme nedeniyle taze ve kuru yaprak öngörülen alan arasında bir fark olduğu için, taze (yeşil) yaprakların alt örneğinden bir büzülme düzeltme katsayısı tahmin26.
      1. Standda bulunan tüm ağaç türlerinden orantılı olarak (benzer şekilde tuzaktaki karışık alt örnekte olduğu gibi) yaprakları toplayın.
    2. SLA tahmini gerçekleştirmek için kullanılan tüm tuzaklar21,27 en az 100-200 yaprakları sayma alt örnek ayırın.
      1. Ya tbma veya yaprak alan metre üzerine düz, düz bir şekilde yaprakları yerleştirin ve orada yaprakları örtüşen kaçınmak için gereklidir.
      2. Kurutulmuş çöp yaprakları katlanabilir veya kıvrılabilir gibi, sıcak suda (60-70° C) kısa bir süre için 17,21onları ıslatın . Bu ölçümler almak için yeterince yaprakları düzleştirmek için bulunmuştur, ama özellikle ıslatma uzun bir süre sonra, onlar kilo.
      3. Tarayıcı veya yaprak alan ölçer üst aydınlatmayı etkinleştirmiyorsa (yansıtma yı ve gölgelemesini önlemek için), bir tarayın veya yaprak alanı ölçer konveyöründe (yani yapraklar tazyik farına dik olarak yerleştirilir) uygun bir yaprak dağılımını kullanın, böylece sonraki veri işleme sırasında gölgeleri kaldırmak zor olduğundan gölgeler tcan far hareketi sırasında oluşmaz.
      4. Bilgisayara bağlı bir tarayıcı kullanılıyorsa, alanın yeterli hassasiyetine bağlı olarak en az 200 dpi'lik siyah beyaz resimlerin çözünürlüğünü kullanın.
        1. Yaprakların içinde ışık pikseli olarak görünen yansımayı önlemek için, sıradan bir tarayıcı kullanıldığında, uygun bir eşiğe ulaşmak için tarayın parlaklığını ayarlayın (Şekil3). Yazılım (örneğin, WinFOLIA) daha sonra taraya koyu pikselleri sayarak yaprak alanını tahmin eder ve bilinen dpi çözünürlüğünü kullanarak bunları dönüştürür.
    3. Sabit bir ağırlığa ulaşmak için SLA tahmini için belirlenen bu alt numuneyi 80 veya 105 °C'de 48 saat kurulayın. İç sıcaklığı homojenize etmek ve korumak için termostatlı havalandırmalı fırın kullanın (örn. IncuMax CV150).
      NOT: Daha düşük sıcaklıklarda fırında kurutma meydana geldiğinde yapraklarda su içeriği hücrelerde sabit su olarak kalır. 105 °C'de kururken bitki numunesinde su kalmaz17.
    4. En az 1 g doğruluk derecesi ile laboratuvar ölçekleri kullanarak bu alt numunenin kuru kütlesitartın.
      1. Laboratuvar terazisinin tesviyesini kontrol edin ve dış etkilerden kaçının (örn. tartım sırasında laboratuvarda güçlü rüzgarın esmesi).
    5. SLA tahmini için belirlenen alt numunenin yapraklarının taze öngörülen alanı olarak SLA değerini kuru kütle ağırlığına bölünür şekilde hesaplayın.

Figure 3
Şekil 3: Bir yaprak örneğinin doğru kalitede bir örnekle (sol tarafta) ve yanlış bir tarak (sağ tarafta) tarayıp
parlaklık, yaprak gövdelerinin içindeki beyaz pikseller olarak görülebilen yansımayı ortadan kaldırmakiçin ayarlandığında ve/veya yüzey kirinin (a) ve herhangi bir kenar efektinin (b) alan analizini yapmadan önce silinmesi gerekir.

  1. SLA tahmini için kullanılan aynı sıcaklıkta, yani 80 veya 105 °C'de sabit bir ağırlığa ulaşmak için her bir tuzak için numunenin geri kalanını (yanitoplanan yaprakları) fırınlayın-kurutun.
  2. Her bir çöp tuzağı için numunenin geri kalanının kuru kütle ağırlığını, tuzak başına öngörülen toplam yaprak alanına ulaşmak için doğru SLA değeriile çarpın.
  3. Çalışılan standların her biri ve her çöp toplama tarihi için 1,5'ten 1,9'a kadar olan adımları tekrarlayın.
  4. ÇÖP tuzakları ve çöp tuzakları yakalama alanı kullanılarak tahmin kümülatif toplam yaprak alanı oranı olarak LAI hesaplayın.

2. LAI ölçümleri almak için iğne tekniği

  1. Başlangıçta, bir saha araştırması yapmak, saha koşullarını ve incelenen standların yapısını araştırmak (yani, eğimin eğimi ve sergilenmesi, orman veya bitki örtüsü tipi, orman veya bitki örtüsü yoğunluğu, gölgeliğin homojenliği, taç boyutu ve taç taban yüksekliği).
  2. Tam bir yaprak düşüşünden hemen sonra, mümkün olduğunca küçük bir çapa sahip yeterince uzun keskin metalik iğne (maksimum 2,0 mm çapında) dahil olmak üzere gerekli tüm ekipmanları hazırlayın.
  3. İncelenen her standın gölgelik yapısına göre uygun sayıda rasgele dağıtılmış örnekleme noktası (en az 100)10,20,38'i seçin.
    NOT: Genel olarak, daha fazla örnekleme noktaları, incelenen stand (örnekleme noktalarının sayısı araştırılmış arsa büyüklüğü ve gölgelik yapısı ile ilgili olarak artmalıdır) LAI tahmini doğruluğu daha yüksektir.
  4. Metalik iğneyi kullanarak, yaprakları, incelenmiş örnekleme noktalarının her birinde zemin yüzeyinde yatan taze düşmüş yaprakların tabakası aracılığıyla az ya da çok benzer bir açıyla delin.
    1. Bu düşmüş yaprakları gölgelik içinde önceki konumu ile hiçbir ilişkisi olduğundan bıçak herhangi bir açı kullanın.
  5. İğnede sadece yeni düşmüş yaprakların olduğundan emin olun. Bir önceki yıla ait kısmen çürümüş yaprakların varlığı durumunda, bunları iğneden çıkarın.
  6. Her örnekleme noktasında her bıçak ile iğne tarafından delinmiş yaprakların sayısını sayın.
  7. Tüm incelenmiş örnekleme noktaları için 2,4'ten 2,6'ya kadar olan adımları tekrarlayın.
  8. İğne tarafından tüm stand içinde delinmiş tüm yaprakların toplamını (yani en az 100 örnekleme noktasıiçin) sayın.
  9. Bu toplamı bıçak sayısına (yani aritmetik ortalamayısayma) bölün. Elde edilen aritmetik ortalama, stand düzeyindeki gerçek LAI değerine eşittir. Not: İğnede toplanan tüm taze yaprakların ortalama sayısı, incelenen orman standının gerçek LAI değerine karşılık gelir.

3. LAI tahmini gerçekleştirmek için bitki kanopisi analizörü optik cihaz

  1. Başlangıçta, saha koşullarını ve çalışılan standların yapısını (yani, eğimin, orman veya bitki örtüsünün, orman veya bitki örtüsünün, orman veya bitki örtüsünün, homojenliğin, eğimin ve sergilenmenin) araştırılmasını da içeren bir saha araştırması yapın. gölgelik kapatma, taç boyutu ve taç taban yüksekliği).
  2. Gözlenen arsa üzerinde aynı gökyüzü koşulları ile uygun bir açık alan (takas) bulun, 1 km uzaklıkta bulunan21maksimum mesafe , hangi gölgelik üstü sensör okumaları için gereklidir.
    1. Bitki gölgelik analizörü, kullanıcının hem azimut (kısıtlama görünümü kapakları ile) hem de zenith (halka maskeleme yoluyla yazılım işleme yoluyla) yönlerinde farklı bir FOV kullanmasına olanak sağladığından, hem üstte hem de gölgelik altında aynı kapağı (ve yönünü) uygulayın Okuma.
    2. Açık alanın boyutunu ve uygun görüş kapağının Kullanımını FOV kapsamından türetin. Zenith oryantasyonda dikey sensör bilinen FOV ve en yakın engellerin yüksekliği tahmin (ağaçlar, arazi, binalar) açık alanın yeterli boyutu göre hesaplanabilir en uygun çözüm sağlar denklem 1:
      Y = Hαtα α (1),
      Y'nin en yakın bariyere olan mesafenin bulunduğu yerde; H, engelin yüksekliği anlamına gelir; α FOV'u dikeyden bir yönde gösterir (Şekil 4). Açık alan yerine, incelenen standdan daha yüksek bir kule, gölgelik üstüokumaları 21 almak için kullanılabilir.
      1. Açık alanın boyutunu hesaplarken arazinin eğimini ve heterojenliğini göz önünde bulundurun.

Figure 4
Şekil 4: Sensörün FOV (gri alan) şematik bir tasviri.
α sensörün FOV's; H, en yakın engelin yüksekliğini gösterir; Y, işleç ile engel arasındaki yatay mesafe63anlamına gelir.

  1. Standın yapısal parametrelerine (gölgelik homojenliği) bağlı olarak, uygun bir örnekleme noktası numarası, transekt içinde yer alan eşit uzaklıklı örnekleme noktalarınınyerini veya incelenen stand 9'da gölgelik altı okumaları almak için bir ızgara belirleyin.
    1. Alandaki gölgelik altı okumalarının değişkenliğinden uygun mesafeyi çıkarınız.
      1. Yavaşça transect içinde gölgelik altında sensör ile hareket ve en üst halka okumaları değişkenliğini izleyin. Daha yüksek değerler tarafından kesilen hafif değişkenlik yaygın bir sonuçtur. Değişkenlikte bu tepe değerleri arasındaki mesafenin yarısı uygun kabul edilmelidir.
    2. Mevsimsel LAI dinamiğinin bir gözlemi yapılıyorsa, incelenen stand içinde (örn. ahşap kazıklar veya jeolojik metal çubuklar) transects veya örnekleme noktalarının kalıcı fiksasyonu kullanın.
      NOT: Transektlerin sayısı ve aralıkları standın belirli gölgelik yapısına bağlıdır (Şekil 5).
    3. Homojen standlarda yeterli sayıda transekt1 ile 3 arasında değişir. Yüksek heterojenlik durumunda, örnekleme noktaları düzenli bir ızgara uygulayın. Özellikle sıra aralığı durumunda, standdaki ağaçların eğimi ve dağılımı ile ilgili olarak transects yönünü seçin. Belirli örnekleme noktaları arasındaki aralıklar standın heterojenliği, taç boyutları, taç taban yüksekliği ve sensörün FOV'u ile ilgili olarak belirlenir (Şekil6). Homojen standlarda örnekleme noktası sayısı genellikle 5 ile 36 46,50arasında değişmektedir. Özel örnekleme tasarımları da Baret ve ark.51tarafından açıklanmıştır; Majasalmi ve ark.52; Woodgate ve ark.50; Fleck ve ark.21; Calders ve ark.53.
      1. Eğimli bir arazi ile sensör görünümünü seviye eğrileri boyunca yönlendirin.

Figure 5
Şekil 5: Saf yaprak döken standlarda ölçümlerin düzenleri.
(A), (B) Belirli transectlerin çizgi dikimi (yanidikdörtgen aralık) tarafından kurulan saf bir plantasyona en uygun şekilde yerleştirilmesinin düzenleri. (C) Üçgen aralıklarda hat dikimi ile kurulan saf bir plantasyona belirli transektlerin en uygun şekilde yerleştirilmesinin düzeni. (D) Belirli transects'in iki farklı parçadan oluşan hat dikimi ile kurulan saf bir plantasyona en uygun şekilde yerleştirilmesinin düzeni. (E) Standın belirgin dört ayrı parçasıolan bir standa belirli transektlerin en uygun şekilde yerleştirilmesinin düzeni. (F) İki farklı parçaile hat dikimi ile kurulan saf bir plantasyona belirli transektlerin en uygun şekilde yerleştirilmesinin düzeni. (G) Standın tüm alanının %50, %25 ve %25'ini temsil eden üç belirgin farklı parçaya sahip, çizgi dikimile kurulan saf bir plantasyona belirli transektlerin en uygun şekilde yerleştirilmesinin düzeni. (H) Doğal rejenerasyon ile kurulan ve transekt başına yaklaşık 12 ölçüm noktasının doğruluk açısından yeterli olduğu standlara transects yerleştirme düzeni. Gri transects alternatif olarak ölçümden atlanabilir.

Figure 6
Şekil 6: FOV, stand yoğunluğu ve taç tabanının yüksekliği açısından transects içindeki ölçüm noktaları arasında bir boşluk seçimi şematik bir tasviri.
a: şematik olarak görüntülenen sensör yüksekliği ve görünümü ve taç taban yüksekliği durumunda uygun aralık mesafesi, c: bazı gölgelik parçaları (d – beyaz) olarak uygun olmayan boşluk mesafesi sensör tarafından görülemez. Bu nedenle, boşluk düzeltilmelidir (b, yani, a = c – b), c*: ayrıca düzeltilmiş, düzeltilmiş genişlemiş sensör görüş açısı (ince kesik çizgi) nedeniyle uygun boşluk mesafesi.

  1. Güneşli koşullar altında LAI tahmini bazı olasılıklar ve düzeltmeler sunulsa da47,54, yaygın bir ışık gökyüzü altında tüm ölçümleri yapmak (standart bulutlu) ve rüzgarsız koşullar55, 56 (bkz. Şekil7). Bitki kanopisi analizörü güneşli koşullar altında ölçümler için ışık saçılımı düzeltme sağlar olmasına rağmen21, sensör üreticisi standart bulutlu koşullar altında kullanmanızı önerir34.
    1. Güneş ışığı yeşillikleri görüntüde parlak pikseller olarak görünebileceğinden ve gökyüzü (penumbra etkisi) olarak yanlış bir şekilde sınıflandırılabileceğinden, bitki gölgelik analizörünün doğrudan güneş ışığından yararlanın. İdeal olarak, yaygın ışık gökyüzüne eşit olarak dağıldığında, ölçümleri tamamen bulutlu koşullar altında (tek tip bulut örtüsüyle) alın.
    2. Yansıma da açıkça güneş ışığı altında dağınık gökyüzü koşullarına göre daha yüksektir. Alternatif olarak, güneş ufkun altında gizli olduğunda, gün doğumundan önce veya gün batımından sonra ölçümler yapın ve bitki örtüsü güneş tarafından arkadan aydınlatmalı değildir (günün bu saatlerinde ışık ortamının hızla değiştiğini unutmayın). Ancak, sensörün hassasiyeti nedeniyle, okuma değerlerinin açık bir alanda ca. 3'ten daha yüksek olması gerektiğini de unutmayın.
    3. Sensörüzerindeki yağmur damlaları ölçümlerin hassasiyetini etkilediği için yağmurdan kaçının. Islak bir gölgelik daha fazla ışık yansıtır, bu da LAI'nin hafife sayılsa bile.
    4. Hareketli bitki elemanları gölgelik altı okumaları etkileyebilir, çünkü ağır rüzgar önlemek, ve böylece yanlış sonuçlara neden olabilir.
    5. Gölgelik içinde de sisli koşullardan kaçının.

Figure 7
Şekil 7: Bir bitki kanopisi analizörü kullanarak LAI tahmini gerçekleştirmek için en uygun hava koşulları. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

  1. LAI mevsimsel bir ders bir gözlem gerekli değilse, çoğu ağaç türlerinin LAI maksimum değerine ulaşır ve kalır çünkü Haziran ayından Eylül ortasına kadar tüm ölçümleri almak (kuru yazlar hariç). Bu nedenle, bu süre büyüyen sezon38,57,58,59sırasında bir LAI karşılaştırma yapmak için en uygundur.
    NOT: Bu süre yaprak düşmesi veya yılscence kuraklık koşullarında daha kısa veya değiştirilmelidir.
  2. Yaprak-off döneminde odunsu alan indeksi tahmin (WAI, Şekil 10) (yani, tomurcuk erken ilkbaharda kırılma dan önce ve geç sonbaharda tam yaprak-sonbahar sonra).
    NOT: Bitki gölgelik analizörü sadece bir görünür bant (320-490 nm)34,35 ve yaprak ve odunsu bileşenleri ayırt edemez göz önüne alındığında, bir büyüme sezonunda elde edilen sonuçlar bir bitki alanı indeksi temsil (PAI) toplamıdır LAI ve WAI (PAI = LAI + WAI)60. Bu nedenle, doğru LAI değerleri elde etmek için yaprak üzerinde dönemde tahmin PAI ölçümleri her bir yaprak-off döneminde alınan her WAI ölçümleri ortalama değerini çıkarmak (LAI = PAI – WAI)20,38.
    1. Yukarıdaki gölgelik okumalarını, yeterli bir açık alanda her stand transect veya ızgaranın ilk ölçümü olarak gerçekleştirin (bkz. adım 3.2).
      NOT: LaI-2000 PCA (veya geliştirilmiş sürümleri LAI-2200 PCA ve LAI-2200C) birlikte iki sensör (yani, bir aşağıda için- ve yukarıda okumalar için bir eşzamanlı tahminler yapmak etkinleştirmek, çünkü çift modlu ölçümler almak mümkündür). Bu durumda sensörler kullanım kılavuzuna (LI-COR 2011) uygun olarak kalibre edilmelidir. Kısaca, kullanıcının okumaları ve zamanı birleştirmek için her iki sensörü de tek bir kontrol ünitesine bağlaması, açık bir alanda bir tripodun üst kısmındaki gölgelik okumaları için sensörü yerleştirmesi, dengelemesi ve aynı kısıtlama görünümü kapağını kullanması önerilir. Sensör görüş yönü, gölgelik altı okumaları almak için kullanılan azimut yönünde aynı olmalıdır.
    2. 3.3'te ayrıntılı olarak açıklanan mekansal ölçüm tasarımında aşağıdaki gölgelik okumalarını gerçekleştirin. Sensör genellikle yerden 0,5 ila 2,0 m yukarıda tutulur21,38, yani, understory bitki örtüsü yukarıda, gölgelik altında ve görünür sensör kabarcık seviyesi ile.
      1. Kabarcık seviyesi sensörün bir bileşenidir. Sensör 2,0 m'nin altında tutuluyorsa, operatörü FOV'dan çıkarmak için kısıtlama görünümü kapaklarını kullanın. Hem aşağıda hem de yukarıda okumalar için aynı görünüm kapağını kullanın.
      2. Sensör ile tesisin yer üstü parçalarının (gövdeler, dallar) en az dört katı çap veya bileşen genişliği arasındaki minimum mesafeyi kullanın.
    3. https://www.licor.com/env/products/leaf_area/LAI-2200C/software.html'da kullanılabilen LAI-2200 File Viewer (FV2200) freeware'i kullanarak alanölçülen ham verilerden WAI değerlerini hesaplayın.
      1. Bir kenar efekti ve büyük boşluk boyutları20,61,62dışlamak için üst üç halkaları (yani, 0-43 °) için zenith yönde sensör FOV kısıtlamak .
      2. LAI-2000 PCA için standart algoritmaları kullanarak verileri işleyip, fv2200 kullanarak değerlendirme yapmakiçin parametreleri 34 kullanım kılavuzuna göre ayarlayın.
    4. Yıllık WAI değerini, büyüme mevsiminin başlangıcından önce (yani tomurcuk kırılmadanönce) ve tam yaprak dökümünden sonra yapılan her iki ölçümün aritmetik ortalaması olarak belirleyin (Şekil10).
  3. WAI tahmini yapmak için kullanılan aynı yordamı kullanarak TAHMIN PAI (adım 3.6.1-3.6.3.)
  4. Ortalama PAI ve WAI değerleri (LAI = PAI – WAI)20,38arasındaki fark olarak stand düzeyinde gerçek LAI değerini hesaplamak .

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

2013 büyüme sezonunda çalışılan tüm standların stand seviyesindeki ortalama LAI değerleri Şekil8'de sunulmuştur. A hariç tüm arazilerde, en yüksek değerler referans seviyesi olarak hizmet veren çöp tuzakları ile ölçüldü. Aksine, en yüksek ortalama LAI değeri arsa A üzerinde iğne tekniği ile tahmin edilebilmektedir. Çöp kapanları kullanılarak tahmin edilen LAI değerleri ile bitki gölgelik analizörü arasındaki tüm farklar anlamlı değildi (p > 0.05; Şekil 8, sol). B, C ve D arazilerinde iğne tekniği çöp tuzaklarından elde edilen LAI'yi önemli ölçüde hafife almıştır. Tersine, arsa A, bu teknik LAI çöp tuzakları kullanılarak ölçülen, ancak, önemli bir düzeyde (p = 0.01; Şekil 8, orta). Bitki kanopisi analizörü ve iğne tekniği ile tahmin edilen LAI değerleri arasında her durumda anlamlı farklılıklar saptadı (Şekil8, doğru).

Figure 8
Şekil 8: Çöp tuzakları, iğne tekniği ve LAI-2000 PCA yaklaşımları kullanılarak tahmin edilen ortalama LAI değerleri arasındaki istatistiksel olarak anlamlı farklılıkların karşılaştırılması.
A-C: Avrupa kayın arsalar, D: çınar akçaağaç arsa, p < 0.05 (*), p < 0.001 (**), p 0.05 (ns). Bıyıklar standart sapmalar gösteriyor. Bu rakam izin38ile değiştirilmiştir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Bitki kanopisi analizörü ve iğne tekniği ile elde edilen LAI'nin altında veya aşırı tahmininin, referans seviyesi olarak kabul edilen çöp tuzaklarından elde edilen LAI değerleri ile karşılaştırıldığında sapmaları Şekil9'da gösterilmiştir. A, B, C ve D parsellerinde çöp kapanları ve bitki gölgelik analizörü kullanılarak ölçülen LAI değerlerinin küçümsemeleri sırasıyla %15,3, %11,0, %18,9 ve %5,8 idi. LaI değerlerinin kayın parselleri ve tüm araştırılan parseller üzerinde ortalama sapma sırasıyla%15,1 ve %12,7 idi. B, C ve D çizimlerinde iğne tekniği, çöp tuzaklarından elde edilen LAI'yi sırasıyla %41.0, %38.0 ve %40.0 olarak hafife almıştır. Aksine, arsa A üzerinde, iğne tekniği ile elde edilen LAI değerleri ve çöp tuzakları arasında% 13.0 bir overestimation bulundu. LaI değerlerinin kayın üzerindeki ortalama sapmaları ve ağaç türlerinin bileşimine bakılmaksızın incelenen tüm araziler sırasıyla %39,7 ve %26,5 idi.

Figure 9
Şekil 9: İğne tekniği ve referans olarak kabul edilen çöp tuzaklarından elde edilen LAI değerlerinden LAI-2000 PCA kullanılarak tahmin edilen LAI değerlerinin ortalama sapması.
A-C: Avrupa kayın arsalar, D: çınar akçaağaç arsa, TÜM - ne olursa olsun ağaç türlerinin tüm arsaların ortalama sapma. Bıyıklar standart sapmalar gösteriyor. Bu rakam izin38ile değiştirilmiştir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Tam yaprak düşmesinden sonra ve tomurcuk molasından önce (yani, Nisan ayında), WAI kolayca bir bitki gölgelik analizörü kullanılarak ölçülebilir. A, B, C ve D parselleri için WAI'nin ortalama mevsimsel değerleri sırasıyla 1,33, 0,26, 0,99 ve 0,38'e ulaşmıştır (Şekil 10). En hızlı LAI gelişimi Tomurcuk molası Nisan ayında meydana gelen dönemde Mayıs başına kadar (bölüm 1, Şekil 10)kaydedildi. Mayıs ayından Haziran sonuna kadar (bölüm 2, Şekil 10),yaprakların hızlı LAI gelişiminin devamı gözlenmiştir; ancak, bölüm 1 ile karşılaştırıldığında daha az yoğunlukile. Haziran ayının ikinci yarısından Temmuz ayı sonuna kadar, LAI değeri 0,46 tarafından arsa B. Plot A tarafından reddedildi kasıtlı olarak mevsimsel LAI ölçümleri daha kısa zaman aralıklarında alınmıştır daha ayrıntılı LAI izleme için seçildi. Bu nedenle, LAI durgunluk daha bu arsa (bölüm 3, Şekil 10)üzerinde yaz aylarında belirgin oldu. Tüm çalışılan orman standlarında, yapraklar Eylül ayı sonunda düşmeye başladı, LAI eğrisindeki azalma ile gösterilmiştir (bölüm 4, Şekil 10).

Figure 10
Şekil 10: 2013 büyüme sezonunda mevsimsel LAI dinamikleri.
LAI: yaprak alan indeksi, WAI: odunsu alan indeksi, A-C: Avrupa kayın arsalar, D: akçaağaç arsa, DOY: yılın günü. Boş elmas lar, doğru LAI'yi (LAI = PAI - WAI) elde etmek için PAI'den çıkarılan ortalama mevsimsel WAI anlamına gelir. Dönem 3 tüm büyüyen sezon boyunca yaprak döken standların LAI karşılaştırmak için en uygun faz gibi görünüyor. Bıyıklar LAI tahministandart sapmaları görüntüler ve gri alan ortalama LAI eğrisigüven aralığını belirtir. Bu rakam izin38ile değiştirilmiştir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Arsa A B C D
Coğrafi koordinatlar 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
Irtifa 600 m a. s. l. 450 m a. s. l. 460 m a. s. l.
Bedrock Asit granodiorit Granodiorit
Toprak sınıflandırması (toprak tipi) Modal oligotrofik Cambisol Modal mezotrofik Cambisol
Yıllık ortalama yağış (mm) 592 596
Yıllık ortalama sıcaklık (°C) 7.0 7.0
Eğim yönü Nw W N Nw
Eğim eğimi (%) 10 15 20 10
Orman türü Abieto-Fagetum oligo-mezotrofikum; Besin Orta Köknar-Kayın Fagetum calcarium; Kireçtaşı kayın Fagetum mezotrofikum; Besin açısından zengin Kayın Fagetum illimerosum mezotrofikum; Loamy kayın

Ek A: Çalışma parsellerinin özellikleri. A-C: Avrupa kayın, D: çınar akçaağaç. Orman tipi sınıflandırmaekolojik faktörlere (yani toprak ve iklime) ve bunların orman standlarıyla olan ilişkilerine dayanmaktadır. Arazilerin her biri 400 m2 (20 x 20 m) alana sahipti. Bu tablo izin38ile değiştirilmiştir.

Arsa A B C D
Standın yaşı (yıl) 46 19 77 13
Stand yoğunluğu (ağaçlar ha-1) 2300 2700 900 5800
Yükseklik (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
Ağaç türleri gösterimi (%) EB (100) EB (100) EB (100) SM (100)

Ek B: İncelenmiş standların yapısal özellikleri (Ortalama ± SD). A-C: Avrupa kayın arsalar, D: çınar akçaağaç arsa, DBH: meme yüksekliğinde çapı, BA1.3: 2013 büyüme sezonunun sonunda meme yüksekliğinde bazal alan, EB: Avrupa kayın, SM: çınar akçaağaç. Bu tablo izin38ile değiştirilmiştir.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Çöp tuzakları LAI tahmini gerçekleştirmek için en doğru yöntemlerden biri olarak kabul edilir8, ama daha fazla emek yoğun ve zaman alıcı dolaylı yöntemlerdaha35,64 hangi bu protokole dahil edildi. Çöp tuzakları kullanarak tüm LAI tahmin prosedürü içinde, SLA kesin bir tahmin en kritik noktası10 çünkü SLA bitki türleri65,tarih ve yıl, tuzaklar, hava66zaman uzunluğu ile değişebilir ve site doğurganlık67. Çöp tuzakları genellikle referans seviyesi olarak kabul edilir ve dolaylı yöntemler için bir kalibrasyon aracı38,49, çöp tuzakları kullanarak LAI tahmini olası bir tutarsızlık rüzgar akışı nedeniyle oluşabilir, sayı ve gölgelik kapağı ve stand yapısı ne olursa olsun stand içinde tuzakların dağılımı, stand alanının büyüklüğü,68,69 ya da aynı zamanda onun düzeyinden çöp tuzak bir sapma neden olabilir, yatay konumu. Ayrıca, çöp tuzakları tarafından elde edilen LAI değerleri de hava ve iklim70etkilenebilir , özellikle çöp-sonbahar ayrışması 10,11 veya tuzaklarda yaprakların solma, hangi tarafından ortaya çıkarılabilir yaz aylarında şiddetli kuraklık. Bu nedenle, bu durumda bir büzülme düzeltme katsayısı uygulanmalıdır25,26,27. LAI bir tahmin gerçekleştirmek için çöp tuzakları yeterli sayıda arasında değişmektedir 15 ve 25 25,48, ancak, araştırılmış standı başına tuzakların yüksek toplam yakalama alanı, daha kesin LAI tahmini. Çöp tuzakları kullanıcıların kron dikey profili içinde yaprak dağılımı tahmin etmek için izin vermez11, ya da büyüyen sezon60sırasında zaman içinde tek bir anda doğru bir LAI değeri belirlemek için , ancak yaprak-sonbahar döneminde, yararlıdır LAI dinamikleri tahmin ve dinamikleri48,71yıllık karşılaştırma yapmak için . Çöp tuzakları tarafından kesin bir LAI tahmini tam yıllık yaprak-sonbahar16ile ilgili olmasına rağmen, bu yaklaşım zaten başarıyla karışık dökmeyen yaprak döken ormanlarda uygulanmıştır72.

İğne tekniği kullanmak için zahmetsiz ve sadece yaprak döken orman standları için geçerli dir ve meşe gibi büyük yapraklı türlerin orman standları için özellikle uygundur(Quercus sp.) veya kayın(Fagus sp.) cinsi. Bu çöp tamamen her yıl10çürür sitelerde kullanmak en kolay. İnce ve keskin bir iğne kullanılırsa, bu yöntem kesin LAI tahminleri sağlar. İğne tekniğinin başlıca avantajları, bir yaprak alanı metre veya denge gerek yok, basit kullanımı ve klasik çöptuzakları 20 kullanarak çok daha az zaman alıcı olmasıdır. Ayrıca, rastgele yaprak dağılımı varsayımı gerekli değildir ve yıkıcı olmayan karakter11nedeniyle, uygulama için cazip . Bununla birlikte, bu yönteme dayalı LAI ölçümleri sistematik olarak çöp tuzaklarından elde edilen LAI değerlerini hafife almaktadır (%6-37), 20'si černý ve ark.38tarafından da desteklenir. LAI'nin (Şekil8, Şekil9) küçümsenir, esas olarak kullanılan iğnenin çapı ya da yaprakların rüzgarla üflenebileceği incelenmiş gölgeliğin altındaki zemin yüzeyinin mikro-kabartması ya da bir arazi depresyonuna veya dışarıya yüzeyin küçük tümseklerinden veya bahsedilen her iki faktörün bir kombinasyonundan. Bu eksikliklerin yanı sıra, iğne yöntemi asimilasyon cihazının büyüklüğü ve şekli nedeniyle Karaçam sp. gibi yaprak döken bir kozalaklı ağaç türlerinde kullanımı karmaşıktır.

Bitki kanopisi analizörü dolaylı optik tahribatsız yöntemlerden biridir. LAI tahmini için kolay alan uygulamasının en büyük avantajı, tüm büyüme sezonu boyunca LAI mevsimsel kursunun değerlendirilmesini mümkün kılan tekrarlanan ölçümleri alma olanağından oluşur,11 ve büyük ölçekli bir lai28uygulanması ve uzun vadeli izleme . LAI-2000 PCA hassas bir LAI tahmini (adım 3.4) gerçekleştirmek için nispeten özel hava koşulları gerektirir. Bu potansiyel dezavantajı belirgin geliştirilmiş sürümleri tarafından ortadan kaldırılır, LAI-2200 PCA ve LAI-2200C, Hangi bir LAI tahmini yaparken sinoptik durum açısından daha sağlam 41 ışık saçılma gerçekleştirmek için daha iyi yeteneği nedeniyle dönüşüm47. Bu gerçeğe rağmen, BU sensörleri kullanarak LAI tahmini standart bulutlu koşullar altında tavsiye edilir34 veya güneşli koşullar nerede ufuk21üzerinde güneş yüksek bir istikrarlı parlak gökyüzü . Bu yöntem, gerekli doğruluk düzeyine ulaşmak için stand başına 21'e kadar 21 örnekleme noktasının sadece 1252'sini ölçmeyi gerektirir. Ancak, optik boşluk fraksiyonu tabanlı ölçümler yüksek yaprak alanı olan standlar için uygun değildir, çünkü bu dolaylı LAI tahminleri 614civarında LAI değerlerinde doymuş. Kesin bir LAI tahmini gerçekleştirmek için, LAI-2x00 PCA yaklaşımının başka bir potansiyel zayıflık bir yukarıda gölgelik referans okuma için gerekliliktir6. Ancak, iki sensör LAI-2000 PCA73 veya geliştirilmiş halefleri LAI-2200 PCA ve LAI-2200C 34 bir birim tarafından kontrol edildiğinde bu dezavantajı çift modda eşzamanlı ve otomatik leştirilmiş ölçümler alma olasılığı ile ortadan kaldırılabilir ,41.

Yapraksız dönemlerde WAI'yi tahmin etmek için bitki gölgelik analizörü kullanımı ve yapraklı dönemde optik PAI'den (yani etkili bitki alanı indeksi) çekilmesi pratik gibi görünmektedir72. Buna karşılık, bu aletin potansiyeli, kesintili ve heterojen gölgeliklerde LAI'yi küçümsemeye yönelik genel eğilimi ile sınırlıdır15,20,43,49,74 esas olarak gölgelik içinde odunsu malzemelerin katkısı ve kümeleme etkileri atfedilir10,72. Aksine, LAI overestimation türler oluşan standlarda görülebilir (örneğin, kavak) büyüyen sezon sırasında yaprakları değiştirebilirsiniz11. Deblonde ve ark.75 çok zaman alıcı ve emek yoğun doğrudan yıkıcı yöntemlerle odunsu malzeme ölçüldü. Ayrıca, yakın kızılötesi bant76içinde ayırt dolaylı ölçüm kullanarak odunsu katkı tahmin etmek mümkündür , ya da karasal lazer tarama ya bir lazer tarayıcı 77 veya LIDAR nokta bulutlar kullanarak78 . LAI küçümseme özellikle rastgele olmayan bir dağılım (örneğin, dökmeyen orman) bitki kanopisi analizörü yaklaşık 35-40% ateş düzeyinde yaprak kümeleme nedeniyle LAI değerlerini hafife ile bu gölgelikler içinde görüldü39 , 79. Doğru bir LAI tahmini yapmak için olası yöntemlerden biri olarak, Chen ve ark.8 ve Leblanc ve ark.80 bir bitki gölgelik analizörü ve Gölgeliklerin İzleme Radyasyon uğrama ve Mimarisini (TRAC) biraraya getirerek kümeleme etkisini ve odunsu bileşenleri ölçer. Ancak, şu anda sonlu uzunlukta ortalama yöntem81 veya boşluk boyutu dağıtım yöntemi82 veya boşluk boyutu dağılımı ve sonlu uzunlukta ortalama yöntemleri 83 bir arada kümelenme düzeltmek mümkündür veya yol uzunluğu dağıtım yöntemi84 yan ve ark.35 tarafından kendi inceleme çalışmasında belirtildiği gibi. Dolaylı optik yöntemlerkullanılarak LAI hesaplamalarının geliştirilmesinde önemli ilerlemeler kaydedilmiş olsa da, özellikle aktif lazer tarama uygulamasının yapıldığı yaprak açısı dağılımının tahminini içeren bazı zorluklar devam etmektedir. teknoloji bunu tespit edebilirsiniz yöntemlerden biridir, ancak üç boyutlu bilgi henüz tam olarak araştırılmış ve35uygulanmıştır.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarların açıklayacak bir şeyi yok. Temsili sonuçlar Černý J, Haninec P, Pokorný R (2018) Avrupa kayın ve çınar akçaağaç standlarında doğrudan, yarı doğrudan ve dolaylı yöntemlerle tahmin edilen yaprak alan indeksi kullanılmıştır. Orman Araştırmaları Dergisi. doi: 10.1007/s11676-018-0809-0 (online sürüm) Orman Araştırmaları Dergisi yayın kurulunun tür iznine dayalı.

Acknowledgments

Orman Araştırmaları Dergisi'nin yayın kuruluna, bu protokoldeki temsili sonuçları burada yayınlanan makaleden yararlanmayetkisi vermek ve teşvik etmek için borçluyuz. Ayrıca, el yazması önemli ölçüde geliştirdik onların değerli yorum için iki anonim yorumcular teşekkür ederiz. Araştırma, Çek Cumhuriyeti Tarım Bakanlığı, kurumsal destek MZE-RO0118 ve Ulusal Tarımsal Araştırma Ajansı (Proje No) tarafından finanse edilmiştir. QK1810126).

Materials

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).

Tags

Çevre Bilimleri Sayı 150 Yaprak alan indeksi çöp tuzakları belirli yaprak alanı iğne tekniği bitki gölgelik analizörü yaprak döken ormanlar Avrupa kayın çınar akçaağaç çöp-düşüş boşluk fraksiyonu
Saf Yaprak Döken Standlarda Üç Farklı Yöntem Kullanılarak Yaprak Alan İndeksi Tahmini
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Černý, J., Pokorný,… 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