Waiting
Login processing...

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

Environment

Beregning af bladareal ved hjælp af tre forskellige metoder i rene løvfældende stande

doi: 10.3791/59757 Published: August 29, 2019

Summary

En nøjagtig vurdering af Leaf Area Index (LAI) er afgørende for mange modeller af materiale og energistrømme inden for plante økosystemer og mellem et økosystem og det atmosfæriske grænse lag. Derfor var tre metoder (kuld fælder, nåle teknik og PCA) til at tage præcise LAI målinger i den præsenterede protokol.

Abstract

Nøjagtige skøn over blad område indeks (LAI), defineret som halvdelen af det samlede blad overfladeareal pr. enhed af vandret jordoverflade areal, er afgørende for at beskrive vegetations strukturen inden for økologi, skovbrug og landbrug. Derfor blev procedurerne for tre kommercielt anvendte metoder (kuld fælder, nåle teknik og en plante baldakin analysator) til udførelse af LAI estimering præsenteret trin for trin. Der blev sammenlignet specifikke metodologiske tilgange, og deres nuværende fordele, Kontroler, udfordringer og fremtidsperspektiver blev drøftet i denne protokol. Affalds fælder anses normalt for at være referenceniveauet. Både nåle teknikken og plantens baldakin analysator (f. eks. LAI-2000) undervurderer ofte LAI-værdier i forhold til referencen. Nåle teknikken er nem at bruge i løvfældende stande, hvor Strøelsen nedbrydes fuldstændigt hvert år (f. eks. eg og Bøge stande). Det er dog nødvendigt at kalibreres på grundlag af kuld fælder eller direkte destruktive metoder. Planten Canopy Analyzer er en almindeligt anvendt enhed til at udføre Lai skøn i økologi, skovbrug, og landbrug, men er genstand for potentielle fejl på grund af løv sammenklumpning og bidraget fra woody elementer i synsfeltet (fov's) af sensoren. Eliminering af disse potentielle fejlkilder blev drøftet. Plant Canopy Analyzer er en meget velegnet enhed til at udføre LAI skøn på det høje rumlige niveau, observere en sæsonbestemt LAI dynamik, og for langsigtet overvågning af LAI.

Introduction

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

Lai, defineret som halvdelen af det samlede blad overfladeareal pr. enhed af vandret jordoverfladen område1, er en nøgle variabel, der anvendes i mange bio-geofysiske og kemiske udvekslings modeller fokuseret på kulstof og vand flusmidler2,3, 4. Lai er direkte proportional med den aktive overflade af blade, hvor det driver primærproduktion (fotosyntese), transpiration, energiudveksling og andre fysiologiske egenskaber forbundet med en række økosystemprocesser i plante Fællesskaber5.

Talrige tilgange og instrumenter til at udføre Lai estimering er blevet udviklet, og de er i øjeblikket tilgængelige på markedet6,7,8,9. Jordbaserede metoder til udførelse af LAI-estimater kan inddeles i to hovedkategorier: (i) direkte, og (II) indirekte metoder10,11,12. Den første gruppe omfatter metoder, der måler blad området direkte, mens de indirekte metoder udleder LAI fra målinger af mere let målbare parametre ved hjælp af radiativ overførings teori (med hensyn til tid, arbejdskraftintensitet og teknologi)13 ,14.

Denne protokol omhandler den praktiske anvendelse af affalds fælder og nåle teknikken som ikke-destruktiv halv direkte metode10; og den optiske anordning Plant Canopy Analyzer som en indirekte metode6,7 for at udføre Lai estimering på en udvalgt prøve fra tempererede løvfældende skov stande i Central Europa (se dens strukturelle og dendrometriske egenskaber i Tillæg A og tillæg B).

I løvfældende skove og afgrøder er det muligt at udføre ikke-destruktiv halv direkte LAI-estimering ved hjælp af strøelse11 fordelt under baldakin laget15. Kuld fælder giver præcise LAI værdier for løvfældende arter, hvor LAI når et plateau i vækstsæsonen. Men for arter, der kan erstatte blade i vækstsæsonen, såsom poppel, overvurderer metoden LAI11. Denne metode antager, at indholdet af fælderne repræsenterer den gennemsnitlige mængde blade, der falder i en blad-Fall periode i stand16, især i løbet af efteråret måneder. Fælder er åbnet kasser eller garn (figur 1) med en forudbestemt tilstrækkelig størrelse (minimum 0,18 m2, men helst over 0,25m 2)10,17, laterale sider, der forhindrer vinden i at blæse blade ind/ud af fælderne, og med en perforeret bund undgå nedbrydning af bladene; som er placeret under baldakin lag af den undersøgt stativ, dog over jorden overflade11. Fordelingen af fælder kan enten være tilfældig18 eller systematisk i transects19 eller en almindelig afstand gitter20. Antallet og fordelingen af fælder er et afgørende metodologisk skridt for at udføre en nøjagtig LAI-vurdering, der afspejler den unikke stativ struktur, rumlig homogenitet, forventet vindhastighed og retning, især i tilfælde af sparsomme stande (eller stræder og frugtplantager) og arbejdskapaciteten til at evaluere data. Præcisionen af Lai estimering stiger med den stigende hyppighed af fælder inden for studerede stande11,21 (Se figur 2).

Den anbefalede hyppighed af indsamling af prøver af strøelse-fald fra hver fælde er mindst månedlige10 og endda to gange om ugen i perioder med kraftigt fald, som kan falde sammen med kraftig regn. Det er nødvendigt at forhindre nedbrydning af Strøelsen i fælderne og udvaskning af næringsstoffer fra materialet under regn episoder i tilfælde af kemisk analyse. Efter at have indsamlet blade i et felt, anvendes en blandet delprøve til at anslå det specifikke blad område (SLA, cm2 g-1)22, defineret som det friske projicerede areal af blade til sin tørre masse vægt forhold. Resten af den indsamlede strøelse tørres til en konstant vægt og anvendes til beregning af den tørre masse af strøelse som g cm-2 i laboratoriet. Blad tørmassen på hver opsamlingsdato omdannes til blad området ved at multiplicere den indsamlede biomasse med SLA eller blad tørmasse pr. område (LMA, g cm-2) som den inverse parameter til SLA23,24. Et nyt projekteret område af særlige blade kan bestemmes ved hjælp af en planimetrisk tilgang. Den planimetriske metode er baseret på afhængigheden mellem arealet af et bestemt blad og det område, der dækkes af bladet i den vandrette overflade. Bladet er vandret fastgjort til scannings skærmen, og dets gennemsnit måles ved hjælp af en blad område måler. Derefter beregnes dens område. Mange bladareal målere baseret på forskellige måleprincipper er tilgængelige på markedet. Nogle af dem omfatter, for eksempel, LI-3000C bærbare Leaf Area meter, som bruger den ortogonale projektion metode, og LI-3100C areal måler, som måler blad gennemsnit ved hjælp af en fluorescerende lyskilde og en semi-udført scanning kamera. Den næste enhed, CI-202 bærbare laser Leaf Area meter, koder en bladlængde ved hjælp af en kode læser. Udover dem, de AM350 og BSLM101 bærbare blad område målere er også almindeligt anvendt til at udføre nøjagtige blad område skøn.

Desuden er blad område målere baseret på systemer, der analyserer video, findes. Disse blad område målere består af et videokamera, en digitaliserings ramme, en skærm og en PC, herunder egnet software til at gøre dataanalyse såsom WD3 WinDIAS Leaf image Analysis system11. I øjeblikket kan konventionelle scannere, der er tilsluttet en PC, bruges til at anslå blad området. Bagefter beregnes blad området som et multiplum af antallet af sorte pixels, og dets størrelse afhænger af den valgte opløsning (dots per inch – dpi), eller blad området måles gennem specifik software, for eksempel WinFOLIA. Endelig omdannes den totale tørvægt af blade, der er indsamlet inden for et kendt jordoverflade areal, til LAI ved at multiplicere med SLA og en krympende koefficient25 , som afspejler ændringerne i området med friske og tørrede blade. Krympning afhænger af træarterne, vandindholdet og blad blødhed. Krympning af blade i længde og bredde (hvad der påvirker det projekterede område) er normalt op til 10%26, for eksempel, det spænder fra 2,6 til 6,8% for eg27. Sortering af blade efter art til vejning og fastlæggelse af det specifikke bladareal er nødvendigt for at bestemme hver Arts bidrag til det samlede LAI28.

Lai bestemmelse af nåle teknikken er en billig metode afledt af skrå punkt Quadrat metode29,30,31,32. I løvfældende stande, er det et alternativ til at udføre LAI estimering uden brug af fælder10 baseret på den antagelse, at det samlede blad nummer og deres område i et træ er lig med, hvad der er indsamlet på jordoverfladen efter en komplet blad-efterår20 . En tynd skarp nål er gennemboret lodret i strøelse liggende på jorden umiddelbart efter blad-efterår10. Efter det komplette blad fald opsamles bladene fra jorden på en nål af en lodret sonde, er relateret til kontaktnummeret og svarer til den faktiske LAI-værdi. En intensiv prøvetagning (100-300 prøvetagningssteder pr. undersøgt stand pr. felt sonde) ved nåle teknikken er nødvendig for at kvantificere et gennemsnitligt kontaktnummer og for at udlede Lai-værdien korrekt10,20,33.

DenPlant Canopy Analyzer(f. eks. LAI-2000 eller LAI-2200 PCA) er et almindeligt anvendt bærbart instrument til udførelse af et indirekte LAI-skøn ved at tage en måling af lystransmissionen i hele baldakinen7inden for den filtrerede blå del af lysspektret (320-490 nm)34,35for at minimere bidraget fra det lys, der er passeret gennem bladene, blev spredt af baldakinen og passerer gennem løv7,34. I den blå del af lysspektret opnås den maksimale kontrast mellem bladet og himlen, og løv synes sort mod himlen34. Det er derfor baseret på en fraktion-analyse af7. Instrumentet er blevet anvendt i vid udstrækning til at fremstille økofysiologiske studier i plantesamfund som afgrøder36Græsarealer37, nåle stativer8, og løvfældende stande38. Plant Canopy Analyzer bruger en fiskeøje optisk sensor med en FOV på 148 °35at projicere et halvkugleformet billede af baldakinen på silikone detektorer for at arrangere dem i fem koncentriske ringe39med centrale Zenith vinkler på 7 °, 23 °, 38 °, 53 ° og 68 °9,40,41. Fem visnings hætter (dvs.,270 °, 180 °, 90 °, 45 ° og 10 °) kan anvendes til at begrænse azimuth-visningen af den optiske sensor27for at undgå skygger ved forhindringer i et åbent område (for den ovenfor refererede aflæsning) eller operatøren i sensorens FOV under LAI estimering kan du justere FOV-sensoren til et åbent område for over-Canopy-aflæsninger. Målinger ved hjælp af anlægget Canopy analysator er taget ovenfor (eller i et tilstrækkeligt udvidet åbent område) og under studerede Canopy7. Den samme visning caps skal anvendes til både over og under aflæsninger for at undgå biaser af Gap fraktion estimering34. LAI-2000 PCA producerer et effektivt blad område indeks (LAIe) som introduceret af Chen et al.42, eller rettere en effektiv plante areal indeks (PAIe) som woody elementer er inkluderet i sensoren læsning værdi. I løvfældende stande med flade blade er LAIe den samme som Hemi-Surface LAI. I tilfælde af stedsegrønne skov stande, den Laie er nødvendigt at korrigere for sammenklumpning effekt på shoot Level (Spar, stjerne)43, sammenklumpnings indekset ved skalaer, som er større end skyde (ΩE)44, og bidraget fra træagtige elementer, herunder stilke og grene (dvs.,areal forhold mellem woody og total)45som forårsager en systematisk LAI-undervurdering20. Sammenklumpning index på en højere rumlig skala end skyde eller blad kunne kvantificeres som en tilsyneladende sammenklumpning Index (ACF), som kan estimeres ved hjælp af anlægget baldakin analysator, når mere restriktive visning caps anvendes27. Da disse forfattere har fastlagt, at denne ACF udledes af en ratio af LAI-værdier, der beregnes ud fra transmittans forskellige procedurer for homogene og ikke-homogene baldakiner i henhold til lang46, antager vi, at dette sammenklumpning index beskriver temmelig baldakin homogenitet. Ud over den ACF beregning, nye diffuser caps, der muliggør en mere omfattende anvendelse af LAI-2200 PCA med hensyn til vejrforhold, en brugermenu i stedet for FCT-koder, og muligheden for at tage mange flere målinger pr fil session er blandt de vigtigste teknologiske opgraderinger i forhold til den tidligere LAI-2000 PCA34,47. Målinger og efterfølgende interne software beregninger er baseret på fire antagelser: (1) lysblokerende plante elementer, herunder blade, grene og stilke, fordeles tilfældigt i baldakinen, (2) løv er en optisk sort krop, der absorberer alle de lys det modtager, (3) alle plante elementer er den samme projektion til den horisontale jordoverfladen som en simpel geometrisk konvekse form, (4) plante elementer er små sammenlignet med det område, der dækkes af hver ring11.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

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

1. LAI anslået ved hjælp af kuld fælder

  1. Først udføre en feltundersøgelse, undersøge stedet betingelser og struktur af de undersøgte stande (dvs. hældning og udstilling af hældningen, skoven eller vegetation type, skov eller vegetation tæthed, homogenitet af baldakinen lukning, kronen størrelse og krone basens højde).
  2. Vælg en passende strøelse fælde type for positionering under baldakinen ved at vælge maskestørrelse af nettet baseret på størrelsen af assimilation apparater af de studerede stande (dvs., maskestørrelse skal være mindre end størrelsen af den tilfangetagne assimilation apparatet), derefter nummerere og distribuere fælderne inden for de undersøgte stande og derefter mærke dem.
    1. Brug typisk en række fælder, der spænder fra 15 til 25 pr. undersøgt stand25,48 med et indfangende område fra 0,18 m2 op til 0,5 m2 eller mere, især for træarter med store blade som poppel10 ,17,48.
    2. Placer fælderne med jævne mellemrum i hele den underliggende stilling inden for en eller to vinkelret transects eller et almindeligt gitter (figur 2). Den korrekte stikprøve udformning,-procedure og-analyse af kuld faldet er også beskrevet af Ukonmaanaho et al.17 eller Fleck et al.21.
      1. Bestem afstanden mellem fælderne på krone størrelser, baldakin lukning og stativ tekstur.
      2. Forøg antallet af kuld fælder både med stigende stand område og stå heterogenitet i tekstur.

Figure 2
Figur 1: forskellige typer af kuld fælder konstruktion og deres placering i standen.
Fra venstre: woody, plastik, plastikkasser, og metalkonstruktion. Venligst klik her for at se en større version af dette tal.

  1. Installer fælder i begyndelsen af vækstsæsonen (kort efter blad rødmen, fordi et blad-fald kan forekomme på grund af enten beskadigelse af insekter eller ekstremt tørre vejrbegivenheder i sommerperioden).
    1. Fastgør hver af fælderne fast over jordoverfladen og understativ baldakinen, så der ikke er nogen ændringer af indfangningsområdet. Bevar hver af fælderne i en vandret position og stabilt normaliseret indfangning område. Eksempler på forskellige former for fælder er præsenteret i figur 1 eller for eksempel i Ukonmaanaho et al.17.

Figure 1
Figur 2: den regelmæssige skematisk mønster af kuld fælde fordeling i skoven står med tydelig homogenitet.
Homogeniteten falder fra venstre. Venligst klik her for at se en større version af dette tal.

  1. Anbring fælderne over jordoverfladen (minimum 0,1 m), så luften kan blæse under opsamlings delen af fælderne. Almindeligvis er højden af fælderne 1 m over jordoverfladen25,38,49.
  2. Vælg tids trinnet for kuld samling med hensyn til det typiske vejr i det undersøgt sted og kuld-fald intensitet. Standardtidsintervallet varierer fra 1 til 4 uger (et kortere tidstrin skal anvendes under regnvejr for at detygge kuld nedbrydning og under intensive blad fald).
    1. Under hver af målingerne, kontrollere styrken af fælde frames, kompakthed af garn eller kasser, og nivellering af hele fælden (dvs., den horisontale placering af fælden).
  3. Anbring det indsamlede strøelse fra hver af fælderne i tidligere mærkede papirposer.
    1. Transport af alle prøver fortrinsvis i kølebokse, eller om nødvendigt midlertidigt opbevaret ved 4 °C, men ikke frosset17 på grund af beskadigelse af blad vævet.
  4. Efter transport af prøverne til laboratoriet, adskille assimilation apparat fra de andre kuld komponenter (grene, frø, bark, blomster; ifølge træarter, hvis det er nødvendigt).
  5. Umiddelbart efter sortering, analysere en del af en blandet (intermingled) prøve af hver kuld fælde for udførelse SLA estimering (dvs. forholdet mellem det projekterede område af blade og dens tørre masse vægt).
    1. I betragtning af, at forskellige træarter og endda typer af blade (solrige og skyggefulde) med forskelle i egenskaber forekommer i kronen lodrette profil, grundigt blande prøven fra hver fælde, før du vælger blade til udførelse SLA (LMA) estimering11 . Da der er en forskel mellem frisk og tørt blad projekteret område på grund af svind, anslå en krympning justeringskoefficient fra den delprøve af friske (grønne) blade26.
      1. Indsamle blade proportionalt (på samme måde som i den blandede delprøve fra fælden) fra alle træarter placeret i standen.
    2. Adskil den under stikprøve, der tæller mindst 100-200 blade fra alle brugte fælder21,27 til udførelse af SLA-estimering.
      1. Placer bladene på en flad, lige måde enten på scannings kortet eller blad området meter, og det er nødvendigt at tage afstand overlappende bladene der.
      2. Da de tørrede kuld blade kan folde eller krølle, suge dem i varmt vand (60-70 °c) for en kort tid17,21. Dette har været fundet for at flade blade tilstrækkeligt til at tage målinger, men især efter en lang tid med blødning, de taber vægt.
      3. Hvis scanner-eller blad område måleren ikke aktiverer øvre belysning (for at undgå reflektans og skygger), skal du bruge en passende fordeling af bladene enten på et scannings bræt eller et blad område måler transportør (dvs. at bladene er anbragt vinkelret på scannings forlygternes), så skygger dannes ikke under scanning forlygte bevægelse, fordi det er vanskeligt at fjerne skygger under efterfølgende databehandling.
      4. Hvis en scanner, der er sluttet til en PC, bruges, skal du bruge en opløsning af de sort-hvide billeder på 200 dpi på et minimum baseret på tilstrækkelig nøjagtighed af området.
        1. For at undgå reflektans, som er synlig som lyse pixels i bladene, når der anvendes en almindelig scanner, justeres scannings lysstyrken for at nå en passende tærskel (figur 3). Software (f. eks . winfolia) anslår derefter blad området ved at tælle de mørke pixels i scanningen og konverterer dem ved hjælp af den kendte dpi-opløsning.
    3. Tør denne delprøve, der er udpeget til SLA-estimering, i 48 timer ved 80 eller 105 °C for at opnå en konstant vægt. Brug en ventileret ovn med en termostat til at homogenisere og vedligeholde den indvendige temperatur ( f. eks. incumax CV150).
      Bemærk: vandindholdet i bladene forbliver som fast vand i celler, når ovntørring sker ved lavere temperaturer. Ved tørring ved 105 °C forbliver der intet vand i anlæggets prøve17.
    4. Afvejes tørmassen af denne delprøve ved hjælp af laboratorie skalaer med en høj grad af nøjagtighed på 1 g som minimum.
      1. Kontrollér nivellering af laboratorie skalaer og undgå eksterne effekter (f. eks . blæser af kraftig vind i laboratoriet under vejning).
    5. Beregn SLA-værdien som det friske projekterede areal af blade af den under stikprøve, der er udpeget til SLA-estimering divideret med dens tørvægt.

Figure 3
Figur 3: scanning af en blad prøve med et eksempel på en korrekt Kvalitetsscanning (på venstre side) og en ukorrekt scanning (højre side)
Når lysstyrken skal justeres for at eliminere reflektans synlig som hvide pixels inde i blad kroppe og/eller hvor overfladen snavs (a) og enhver kant effekt (b) bør slettes, før du foretager en analyse af området.

  1. Ovntørre resten af prøven (dvs. indsamlede blade ) for hver fælde i 48 timer ved samme temperatur, som blev anvendt til SLA-estimering, dvs., ved 80 eller 105 °c for at nå en konstant vægt.
  2. Multiplicér den tørre masse vægt af resten af prøven for hver bestemt kuld fælde med den korrekte SLA-værdi for at nå det samlede projekterede bladareal pr. fælde.
  3. Gentag trin fra 1,5 til 1,9 for hver af de undersøgt stande og hver kuld opsamlingsdato.
  4. Du beregner LAI som forholdet mellem det kumulative samlede bladareal, anslået ved hjælp af kuld fælder og fangstområdet for kuld fælderne.

2. nåle teknik til at tage LAI målinger

  1. I første omgang, udføre en feltundersøgelse, undersøge forholdene på stedet og strukturen af de studerede stande (dvs. hældning og udstilling af hældningen, skoven eller vegetation type, skov eller vegetation tæthed, homogenitet af baldakinen lukning, krone størrelse og krone grundhøjden).
  2. Umiddelbart efter et komplet blad fald forberedes alt nødvendigt udstyr, herunder en tilstrækkelig lang skarp metallisk nål med så lille en diameter som muligt (maksimalt 2,0 mm i diameter).
  3. Vælg et passende antal tilfældigt fordelte prøvetagningssteder (mindst 100)10,20,38 baseret på baldakin strukturen for hver undersøgt stand.
    Bemærk: generelt, jo flere prøvetagningssteder, jo højere er nøjagtigheden af LAI-estimatet i den undersøgte stand (antallet af prøvetagningssteder bør øges i forhold til størrelsen af undersøgt plot og strukturen af baldakinen).
  4. Ved hjælp af den metalliske nål, punktere bladene i en mere eller mindre lignende vinkel gennem laget af frisk faldne blade, der ligger på jordoverfladen ved hver af de prøvede prøvetagningssteder.
    1. Brug enhver vinkel af stab, da disse faldne blade har ingen relationer til deres tidligere position inden for baldakinen.
  5. Kontroller, at kun frisk faldne blade er til stede på nålen. I tilfælde af tilstedeværelsen af delvist deafsatte blade fra det foregående år, fjerne dem fra nålen.
  6. Tæl antallet af blade gennemboret af nålen med hver stab på hvert prøvetagningssted.
  7. Gentag trin fra 2,4 til 2,6 for alle prøveudtagningspunkter.
  8. Tælle summen af alle blade gennemboret af nålen i hele standen (dvs., for mindst 100 prøvetagningssteder).
  9. Dividerer dette beløb med antallet af stik (dvs.optælling af det aritmetiske gennemsnit). Det resulterede aritmetiske gennemsnit er lig med den faktiske LAI værdi på standen niveau. Bemærk: det gennemsnitlige antal af alle friske blade, som er samlet på nålen, svarer til den sande LAI-værdi af den undersøgte skovfod.

3. Plant Canopy Analyzer optisk enhed til udførelse af LAI estimering

  1. I begyndelsen, udføre en feltundersøgelse, herunder undersøgelse af stedet betingelser og strukturen af de undersøgte stande (dvs. hældning og udstilling af hældningen, skov eller vegetation type, skov eller vegetation tæthed, homogenitet af krone størrelse og krone grundhøjden).
  2. Find et passende åbent område (clearing) med identiske himmel betingelser som over det observerede plot, der ligger en maksimal afstand på 1 km væk21, hvilket er påkrævet for over-Canopy sensor aflæsninger.
    1. Da planten Canopy Analyzer gør det muligt for brugeren at bruge en anden FOV i både azimuth (ved begrænsning View caps) samt Zenith (gennem software behandling af ring Masking) retninger, anvende den samme hætte (og dens orientering) for både over-og under-baldakin Aflæsninger.
    2. Udlede størrelsen af det åbne område og udnyttelsen af den relevante visning Cap fra anvendelsesområdet for FOV. Sensorens kendte FOV fra lodret i Zenith-retningen og skønnet over højden af de nærmeste forhindringer (træer, terræn, bygninger) giver den bedst egnede løsning, hvor den tilstrækkelige størrelse af det åbne areal kan beregnes i henhold til ligning 1:
      Y = H ∙ TG ∙ α (1)
      Hvor Y er den påkrævede afstand fra den nærmeste barriere H: forhindringens højde α betegner FOV i en retning fra lodret (figur 4). I stedet for det åbne område kan et tårn, der er højere end det undersøgte stativ, bruges til at tage over-Canopy-læsninger21.
      1. Tag hældningen og heterogeniteten af terrænet i betragtning ved beregning af størrelsen af det åbne område.

Figure 4
Figur 4: en skematisk skildring af sensorens FOV (et gråt område).
α er sensorens FOV; H betegner højden af den nærmeste forhindring; Y: den vandrette afstand mellem operatøren og forhindringen63.

  1. Baseret på de strukturelle parametre for standen (baldakin homogenitet), fastlægge et passende prøvetagningspunkt nummer, placeringen af ækvidistant prøvetagningssteder beliggende i enten transect, eller et gitter for at tage under-baldakinaflæsninger i den studerede stand9.
    1. Udlede den passende afstand fra variabiliteten af under-baldakin aflæsninger i marken.
      1. Bevæge sig langsomt med sensoren under baldakinen i transect og se variabiliteten af de mest øvre ring aflæsninger. Mindre variation, der afbrydes af højere værdier, er et almindeligt resultat. Halvdelen af afstanden mellem disse spidsværdier i variabilitet bør anses for at være hensigtsmæssig.
    2. Hvis der foretages en observation af den sæsonmæssige LAI-dynamik, skal der anvendes permanent fiksering af transects eller prøvetagningssteder inden for den studerede stand (f. eks. af træpæle eller geologiske metal pinde).
      Bemærk: antallet og afstanden af transects afhænger af standens særlige baldakin struktur (figur 5).
    3. I homogene stande spænder et tilstrækkeligt antal transects fra 1 til 3. I tilfælde af høj heterogenitet anvendes et almindeligt gitter af prøvetagningssteder. Vælg retningen af transects med hensyn til hældning og fordeling af træerne i stativet, især i tilfælde af Rækkeafstand. Afstanden mellem bestemte prøvetagningssteder bestemmes med hensyn til standenes heterogenitet, krone størrelserne, krone grundhøjden og sensorens FOV (figur 6). I homogene stande svinger antallet af prøvetagningssteder almindeligvis mellem 5 og 36 46,50. Særlige prøveudtagningsmønstre beskrives også af baret et al.51; Majasalmi et al.52; Woodgate et al.50; Fleck et al.21; Calders et al.53.
      1. Med et skrånende terræn, orientere sensor visning langs niveau kurver.

Figure 5
Figur 5: opstillinger af målinger i rene løvfældende stande.
(A), (B) layout af den optimale placering af særlige transekter i en ren plantage, der er etableret ved stræbeplantning (dvs. rektangulær afstand). C) opstillingen af den optimale placering af særlige transekter i en ren plantage, der er fastlagt ved linje plantning ved trekants afstand. D) opstillingen af den optimale placering af bestemte transekter i en ren plantage, der er etableret ved stræbeplantning med to tydeligt forskellige dele. E) opstillingen af den optimale placering af særlige transects i en stand med fire markant adskilte dele af standen. F) opstillingen af den optimale placering af særlige transekter i en ren plantage, der er fastlagt ved stræbeplantning med to forskellige dele. G) opstillingen af den optimale placering af særlige transekter i en ren plantage, der er fastlagt ved stræbeplantning med tre markant adskilte dele, som repræsenterer 50%, 25% og 25% af hele standens areal. H) opstillingen af placering af transects på stande, der er oprettet ved naturlig regenerering, hvor ca. 12 målepunkter pr. transect er tilstrækkelige fra nøjagtigheds synspunktet. Gråtransekter kan alternativt udelades fra målingen.

Figure 6
Figur 6: en skematisk skildring af et afstands valg mellem målepunkter i transects med hensyn til FOV, stand tæthed og højde af Crown base.
a: passende afstands afstand i tilfælde af den skematisk viste sensor højde og-visning og krone grundhøjden, c: uhensigtsmæssig afstands afstand, da nogle baldakin dele (d – i hvidt) ikke er synlige af sensoren. Afstanden skal således korrigeres (ved b,dvs. a = c – b), c *: også korrigeret, passende afstands afstand på grund af den korrigerede forstørrede sensor visningsvinkel (fin stiplet linje).

  1. Selv om nogle muligheder og rettelser af Lai estimering under solrige forhold er præsenteret47,54, foretage alle målinger under en diffus lys himmel (standard overskyet) og vind løse forhold55, 56 (Se figur 7). På trods af at Plant Canopy Analyzer muliggør korrektion af lysspredning til målinger under solrige forhold21, anbefaler sensorens producent at bruge det under standard overstøbte forhold34.
    1. Brug anlægget baldakin analysator ud af direkte sollys, som solbelyst løv kan fremstå som lyse pixels på billedet og forkert klassificere som himlen (Penumbra effekt). Ideelt set skal du tage målingerne under helt overskyede forhold (med ensartet skydække), når diffust lys er jævnt spredt over hele himlen.
    2. Reflektans er også naturligvis højere under sollys sammenlignet med diffus himmel betingelser. Som et alternativ, tage målinger før solopgang eller efter solnedgang, når solen er skjult under horisonten, og vegetationen er ikke baggrundsbelyst af solen (Husk, at i disse tider af dagen, det lyse miljø ændrer sig hurtigt). Vær dog også opmærksom på, at på grund af sensorens følsomhed bør læse værdierne være højere end ca. 3 i et åbent område.
    3. Undgå regn, fordi regndråber på sensoren påvirker præcisionen af målingerne. En våd baldakin reflekterer mere lys, hvilket kan føre til LAI undervurdering.
    4. Forhindre kraftig vind, fordi bevægelige plante elementer kan påvirke under-baldakin aflæsninger, og dermed de kan forårsage forkerte resultater.
    5. Undgå tågede forhold i baldakinen også.

Figure 7
Figur 7: optimale vejrforhold til at udføre Lai estimering ved hjælp af en Plant Canopy Analyzer. Venligst klik her for at se en større version af dette tal.

  1. Hvis der ikke er behov for en observation af et sæsonbestemt forløb af LAI, skal alle målinger foretages fra juni til midten af september, fordi LAI af de fleste træarter når sin maksimumværdi og forbliver (undtagen i tørre somre). Derfor er denne periode den mest velegnede til at lave en Lai-sammenligning i vækst sæsonen38,57,58,59.
    Bemærk: denne periode bør være kortere eller ændret under tørkeforhold på blad fald eller senescens.
  2. Estimere woody-område indekset (WAI, figur 10) i løbet af blad-off-perioden (dvs. både før opløbet bryder i det tidlige forår og efter komplet blad-fald i det sene efterår).
    Bemærk: da anlæggets baldakin analysator kun har ét synligt bånd (320-490 nm)34,35 og ikke kan skelne mellem blade og Woody-komponenter, repræsenterer de opnåede resultater i en vækstsæson et plante område indeks (Pai), som er summen af LAI og WAI (PAI = LAI + WAI)60. Derfor trækkes middelværdien af begge WAI målinger taget i en blad-off periode fra hver af de Pai målinger anslået i blad-on periode for at opnå korrekte Lai værdier (Lai = Pai – WAI)20,38.
    1. Udfør ovenstående aftræningsaflæsninger som den første måling af hvert stativ eller gitter i et tilstrækkeligt åbent område (Se trin 3,2).
      Bemærk: det er muligt at foretage Dual-mode målinger, fordi LAI-2000 PCA (eller dens forbedrede versioner LAI-2200 PCA og LAI-2200C) muliggør samtidige estimater med to sensorer sammen (dvs. en for under-og en for over-aflæsninger). I dette tilfælde skal sensorerne kalibreres i overensstemmelse med instruktionsmanualen (LI-COR 2011). Kort sagt anbefales det, at brugeren tilslutter begge sensorer til én styreenhed for at samle aflæsninger og tid, placere sensoren for over-baldakin aflæsninger øverst på et stativ i et åbent område, nivellering det, og ved hjælp af samme restriktion View cap. Sensor Visningsretningen skal være den samme i azimuth-retningen, som blev brugt til at tage under-Canopy-aflæsninger.
    2. Udfør de nedenstående-Canopy-aflæsninger i det fysiske måle design, der er beskrevet i detaljer i 3,3. Sensoren holdes normalt fra 0,5 til 2,0 m over jorden21,38,dvs over under Story vegetation, under baldakinen og med den synlige sensor boble-niveau.
      1. Et boble niveau er en komponent i sensoren. Brug begrænsnings visningen caps, hvis sensoren holdes under 2,0 m for at udelukke operatøren fra FOV. Brug den identiske visnings hætte til både under-og over-læsninger.
      2. Brug en minimumsafstand mellem sensoren og det nærmeste element af anlæggets over-jord dele (stilke, grene) på mindst fire gange diameteren eller bredden af komponenten.
    3. Beregn WAI-værdierne fra felt målte rådata ved hjælp af LAI-2200 File Viewer (FV2200) freeware, som er tilgængelig på https://www.licor.com/env/products/leaf_area/LAI-2200C/software.html.
      1. Begræns sensorens FOV i Zenith-retningen til de øverste tre ringe (dvs. 0-43 °) for at udelukke en kant effekt og store mellemrums størrelser20,61,62.
      2. Behandl dataene ved hjælp af standard algoritmerne for LAI-2000 PCA, og Angiv parametre for at foretage evalueringer ved hjælp af FV2200 i henhold til brugermanualen34.
    4. Fastlæg den årlige WAI-værdi som det aritmetiske gennemsnit af begge målinger, der er udført før vækstsæsonens begyndelse (dvs. før opløbet brydes) og efter fuldstændig blad fald (figur 10).
  3. Estimere PAI ved hjælp af samme procedure, som blev anvendt til at foretage WAI-estimatet (fra trin 3.6.1-3.6.3.)
  4. Beregn den faktiske Lai-værdi på stander niveau som forskellen mellem middelværdien for Pai og WAI (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

Gennemsnitlige LAI værdier på standen niveau af alle studerede stande i 2013 vækstsæson er præsenteret i figur 8. På alle parceller undtagen A blev de højeste værdier målt med kuld fælder, der fungerer som referenceniveau. I modsætning hertil blev den højeste gennemsnitlige LAI-værdi anslået gennem nåle teknikken på plot A. Alle forskelle mellem LAI-værdier anslået ved brug af kuld fælder og en plante baldakin analysator var ikke signifikante (p > 0,05; Figur 8, venstre). På parceller B, C og D, undervurderet nåle teknikken betydeligt LAI opnået fra kuld fælder. På plot A over vurderede denne teknik derimod LAI målt ved hjælp af kuld fælder, dog ikke på et signifikant niveau (p = 0,01; Figur 8, midterste). Der blev i alle tilfælde fundet betydelige forskelle mellem LAI-værdier anslået af anlægget Canopy Analyzer og nåle teknikken (figur 8, højre).

Figure 8
Figur 8: en sammenligning af de statistisk signifikante forskelle mellem de gennemsnitlige LAI-værdier anslået ved hjælp af kuld fælder, nåle teknikken og LAI-2000 PCA nærmer sig.
A-C: europæiske Bøge parceller, D: Sycamore Maple plot, p < 0,05 (*), p < 0,001 (* *), p ˃ 0,05 (NS). Whiskers viser standardafvigelser. Dette tal er blevet ændret med tilladelse38. Venligst klik her for at se en større version af dette tal.

Afvigelser i under-eller overvurdering af LAI opnået ved Plant Canopy Analyzer og nåle teknikken, både sammenlignet med LAI-værdierne fra de kuld fælder, der anses for at være referenceniveauet, vises i figur 9. Under estimeringer af LAI-værdierne målt ved hjælp af kuld fælder og Plant Canopy Analyzer på plot A, B, C og D var henholdsvis 15,3%, 11,0%, 18,9% og 5,8%. Den gennemsnitlige deformation af LAI-værdierne på Bøge parceller og alle undersøgte parceller tilsammen var henholdsvis 15,1% og 12,7%. På parceller B, C og D undervurderede nåle teknikken, at LAI, som var fremstillet af kuld fælder, var henholdsvis 41,0%, 38,0% og 40,0%. I modsætning hertil blev der på plot A fundet en overvurdering på 13,0% mellem LAI-værdierne opnået ved nåle teknikken og kuld fælderne. De gennemsnitlige omlægninger samhandelen af Lai værdier på bøg og alle studerede plots uanset træarter sammensætning var 39,7% og 26,5%, hhv.

Figure 9
Figur 9: gennemsnitlig ombøjning af LAI-værdier anslået ved hjælp af nåle teknikken og en LAI-2000 PCA fra LAI-værdier opnået fra kuld fælder, som anses for at være referencen.
A-C: europæiske Bøge parceller, D: Sycamore Maple plot, alle-gennemsnitlig afvigelse af alle parceller uanset træarter. Whiskers viser standardafvigelser. Dette tal er blevet ændret med tilladelse38. Venligst klik her for at se en større version af dette tal.

Efter den komplette blad-fald og før opløbet pause (dvs., i april), kan WAI let måles ved hjælp af en plante baldakin analysator. De gennemsnitlige sæsonmæssige værdier for WAI for plot A, B, C og D nåede henholdsvis 1,33, 0,26, 0,99 og 0,38 (figur 10). Den mest hurtige LAI-udvikling blev noteret i perioden fra bud Break, der fandt sted i april til begyndelsen af maj (del 1, fig. 10). Fra maj til slutningen af juni (del 2, fig. 10) blev fortsættelse af den hurtige Lai-udvikling af blade observeret; men med mindre intensitet i forhold til del 1. Fra anden halvdel af juni til slutningen af juli faldt LAI-værdien med 0,46 på plot B. plot A blev bevidst udvalgt til mere detaljeret LAI-overvågning, hvor sæsonbestemte LAI-målinger blev taget med kortere tidsintervaller. Derfor var stagnationen i LAI mere tydelig i sommermånederne på dette område (del 3, fig. 10). I alle studerede Forest stande, blade begyndte at falde i slutningen af september, illustreret ved faldet i LAI kurven (del 4, figur 10).

Figure 10
Figur 10: sæsonbestemt LAI dynamik i vækst sæsonen 2013.
LAI: blad område index, WAI: woody område indeks, A – C: europæiske Bøge parceller, D: ahorn plot, DOY: dag i året. Tomme diamanter signify gennemsnitlige sæsonmæssige WAI trukket fra PAI for at opnå den korrekte LAI (LAI = PAI-WAI). Periode 3 synes at være den mest velegnede fase til at sammenligne LAI af løvfældende stande i hele vækstsæsonen. Whiskers viser standardafvigelser af LAI estimering, og det grå område angiver konfidensintervallet for den gennemsnitlige LAI-kurve. Dette tal er blevet ændret med tilladelse38. Venligst klik her for at se en større version af dette tal.

Plot A B C D
Geografiske koordinater 49 ° 26 ' 29.946 "N 49 ° 19 ' 27,6 "N 49 ° 19 ' 32,6 "N 49 ° 19 ' 20,7 "N
16 ° 42 ' 06.237 "E 16 ° 43 ' 4.3 "E 16 ° 43 ' 54.8 "E 16 ° 43 ' 48.2 "E
Højde 600 m a. s. l. 450 m a. s. l. 460 m a. s. l.
Grundfjeld Syre granodiorit Granodiorit
Jordbunds klassifikation (jordbundstype) Modal Oligotrofe Cambisol Modal mesotrofe Cambisol
Gennemsnitlig årlig nedbør (mm) 592 596
Gennemsnitlig årlig temperatur (°C) 7,0 7,0
Hældning, retning Nw W N Nw
Hældnings hældning (%) 10 15 20 10
Skovtype Abieto-faget oligo-mesotrophicum; Nærings medium fir-bøg Faget calcarium; Kalksten bøg Fagen mesotrophicum; Næringsrigt bøg Faget illimerosum mesotrophicum; Loamy Beech

Tillæg A: karakteristika for undersøgelsesområderne. A – C: europæisk bøg, D: Sycamore ahorn. Skovtype klassifikationen er baseret på økologiske faktorer (dvs. jord og klima) og deres forhold til skov stande. Hver af de parceller havde et areal på 400 m2 (20 x 20 m). Denne tabel er blevet ændret med tilladelse38.

Plot A B C D
Alder af standen år 46 19 77 13
Stand tæthed (træer ha-1) 2300 2700 900 5800
Højden 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
Træarter repræsentation (%) EB (100) EB (100) EB (100) SM (100)

Tillæg B: strukturelle karakteristika (gennemsnit ± SD) for de undersøgte stande. A – C: europæiske Bøge parceller, D: Sycamore ahorn plot, DBH: diameter på brysthøjde, BA1,3: basal område ved brysthøjde i slutningen af 2013 vækstsæson, EB: European BEECH, SM: Sycamore Maple. Denne tabel er blevet ændret med tilladelse38.

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

Kuld fælder betragtes som en af de mest nøjagtige metoder til at udføre Lai estimering8, men de er mere arbejdskraftintensive og tidskrævende end de indirekte metoder35,64 som blev indarbejdet i denne protokol. Inden for hele LAI-estimerings proceduren ved hjælp af kuld fælder er en præcis vurdering af SLA det mest kritiske punkt10 , fordi SLA kan variere med plantearter65, dato og år, længden af tid i fælder, vejr66, og site fertilitet67. Selv om kuld fælder normalt betragtes som referenceniveau, og et kalibreringsværktøj for indirekte metoder38,49, kan en eventuel afvigelse i Lai estimering ved hjælp af kuld fælder forekomme på grund af vind strømmen, antallet og fordeling af fælder i stativet uanset baldakin dækning og stativ struktur, størrelsen af standen område,68,69 eller det kan også være forårsaget af en afbøjning af kuld fælden fra sit niveau, vandret position. Desuden kan Lai-værdier opnået ved kuld fælder også påvirkes af vejr og klima70, især ved nedbrydning af kuld-fald10,11 eller visningen af blade i fælder, som kan blive fremkaldt af alvorlig tørke i sommermånederne. Der bør derfor anvendes en krympende justeringskoefficient i dette tilfælde25,26,27. Det tilstrækkelige antal kuld fælder til at udføre et skøn af Lai varierede mellem 15 og 25 25,48, men det højere samlede Fang område af fælder pr undersøgt stand, den mere præcise Lai skøn. Kuld fælder gør det ikke muligt for brugerne at estimere blad fordeling inden for den lodrette profil af kroner11eller at bestemme en nøjagtig Lai-værdi på et enkelt tidspunkt i vækstsæsonen60, men i blad-efterårsperioden er det nyttigt til at vurdere dynamikken i Lai og for at foretage en mellem årlig sammenligning af dens dynamik48,71. Selv om en præcis LAI-vurdering af kuld fælder er relateret til den komplette årlige blad-efterår16, er denne fremgangsmåde også allerede blevet anvendt med succes i blandede stedsegrønne løvfældende skove72.

Nåle teknikken er ubesværet at bruge og gælder kun for løvfældende skov stande og er velegnet specielt til skov stande af store blad arter såsom eg (Quercus Sp.) eller bøg (Fagus Sp.) slægt. Det er den nemmeste at bruge på steder, hvor Strøelsen helt nedbrydes hvert år10. Hvis der anvendes en tynd og skarp nål, giver denne metode præcise LAI-estimater. De vigtigste fordele ved nåle teknikken er dens ligetil brug, ikke behøver en bladareal måler eller balance, og det er meget mindre tidskrævende end at bruge klassisk kuld fælder20. Desuden er det attraktivt for anvendelse, fordi antagelsen om tilfældig bladdistribution er ikke nødvendig, og på grund af sin ikke-destruktiv karakter11. LAI-målinger baseret på denne metode undervurderer dog systematisk LAI-værdier opnået fra kuld fælder (med 6-37%),20 , som også støttes af Černý et al.38. Under vurderingen af LAI (figur 8, fig. 9) kan hovedsagelig skyldes enten diameteren af den brugte nål eller en mikro-relief af jordoverfladen under den studerede baldakin, hvor bladene kan blæses af vinden enten i en terræn depression eller ud fra små bump af overfladen, eller en kombination af begge nævnte faktorer. Ud over disse mangler, er nåle metoden kompliceret at bruge i en løvfældende nåletræ arter såsom lærk Sp. på grund af størrelsen og formen af sin assimilation apparat.

Planten Canopy Analyzer er en af de indirekte optiske ikke-destruktive metoder. Den største fordel ved sin nemme felt ansøgning for LAI estimering består i muligheden for at foretage gentagne målinger, hvilket gør det muligt at evaluere LAI sæsonmæssige kursus i hele vækstsæsonen,11 og det giver mulighed for en storstilet gennemførelse og langsigtet overvågning af LAI28. LAI-2000 PCA kræver relativt specifikke vejrforhold for at udføre en præcis LAI-vurdering (trin 3,4). Denne potentielle ulempe er markant elimineret af de forbedrede versioner, LAI-2200 PCA og LAI-2200C, som er mere robuste med hensyn til den synoptiske situation, når du foretager en LAI estimering41 på grund af sin bedre evne til at udføre lysspredning konvertering47. På trods af dette anbefales LAI estimering ved hjælp af disse sensorer enten under standard over støbte forhold34 eller solrige forhold, hvor en stabil lys himmel med solen højt over horisonten21. Denne metode kræver, at der kun måles 1252 op til 25 prøvetagningspunkter21 pr. stand for at nå det krævede nøjagtighedsniveau. Imidlertid er optiske Gap-fraktion-baserede målinger ikke egnede til stande med et højt bladareal, fordi disse indirekte LAI-skøn er mættet på LAI-værdier omkring 614. For at udføre en præcis LAI-vurdering er en anden potentiel svaghed ved LAI-2x00 PCA-tilgangen kravet om en reference aflæsning på over baldakin6. Men denne ulempe kan elimineres ved muligheden for at tage samtidige og automatiserede målinger i Dual mode, når to sensorer styres af en enhed af LAI-2000 PCA73 eller dens forbedrede efterfølgere lai-2200 PCA og Lai-2200C34 ,41.

Brugen af anlægget baldakin analysator til at estimere WAI i bladløse perioder og dens subtraktion fra optisk PAI (dvs., effektiv plante areal indeks) i løvtiden synes at være praktisk72. I modsætning hertil er potentialet i dette instrument begrænset af dets generelle tendens til at undervurdere Lai i diskontinuerlige og heterogene baldakiner15,20,43,49,74 som hovedsagelig tilskrives bidraget fra woody materialer og klumpende effekter i baldakinen10,72. Tværtimod, overvurdering af LAI kan observeres i stande bestående af arter (f. eks poppel), der kan erstatte deres blade i vækstsæson11. Deblonde et al.75 kvantificerede det træagtige materiale ved direkte destruktive metoder, som er meget tidskrævende og arbejdskraftintensive. Det er også muligt at estimere woody bidraget ved hjælp af den indirekte måling skelne det inden for det nær-infrarøde bånd76, eller ved jordbaseret Laserscanning enten ved hjælp af en laserscanner77 eller punktskyer af LIDAR78 . Lai undervurdering blev især set inden for disse baldakiner med en ikke-tilfældig distribution (f. eks, stedsegrønne skov), hvor planten Canopy analysator undervurderer Lai værdier med ca 35-40% på grund af løv sammenklumpning på skud niveau39 , 79. som en af de mulige metoder til at udføre en nøjagtig Lai-estimering anbefaler Chen et al.8 og Leblanc et al.80 at kombinere en plante baldakin analysator og sporings strålingen og-arkitekturen i canopies (Trac), som kvantificerer den sammenklumpende effekt og træagtige komponenter. Det er dog i øjeblikket også muligt at korrigere sammenklumpning enten ved den begrænsede længde gennemsnit metode81 eller Gap-size fordeling metode82 eller en kombination af Gap-size fordeling og finite-længde gennemsnit metoder83 eller sti længde fordeling metode84 som anført af Yan et al.35 i deres gennemgang undersøgelse. Selv om der er gjort betydelige fremskridt med udviklingen af LAI-beregninger ved hjælp af indirekte optiske metoder, er der stadig nogle udfordringer, især med hensyn til beregning af blad vinkel fordeling, hvor anvendelsen af aktiv Laserscanning teknologien er en af de metoder, der kan detektere den, men dens tredimensionale oplysninger er endnu ikke fuldt udforsket og implementeret35.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har intet at afsløre. De repræsentative resultater blev anvendt fra artikel Černý J, Haninec P, Pokorný R (2018) blad område indeks anslået ved direkte, semi-direkte, og indirekte metoder i europæiske bøg og Sycamore ahorn stande. Journal of Forest Research. Doi: 10.1007/s11676-018-0809-0 (online version) baseret på type tilladelse fra Journal of Skovforskning redaktions tavle.

Acknowledgments

Vi står i gæld til redaktionen af Journal of Skovforskning for at tilskynde og bemyndige os til at bruge de repræsentative resultater i denne protokol fra artiklen offentliggjort der. Vi takker også to anonyme anmeldere for deres værdifulde kommentarer, som har forbedret manuskriptet væsentligt. Forskningen blev finansieret af Den Tjekkiske Republiks landbrugsministerium, institutionel støtte MZE-RO0118 og det nationale agentur for landbrugsforskning (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).
Beregning af bladareal ved hjælp af tre forskellige metoder i rene løvfældende stande
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