Waiting
Login processing...

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

Environment

Leaf Area index estimering bruke tre distinkte metoder i Pure løvskog stands

doi: 10.3791/59757 Published: August 29, 2019

Summary

En nøyaktig estimering av Leaf Area index (LAI) er avgjørende for mange modeller av materiale og energi flukser innen plante økosystemer og mellom et økosystem og den atmosfæriske grensen laget. Derfor, tre metoder (søppel feller, nål teknikk, og PCA) for å ta presise LAI målingene var i den presenterte protokollen.

Abstract

Nøyaktig estimater av Leaf Area index (LAI), definert som halvparten av den totale blad areal per enhet av horisontale bakken overflateareal, er avgjørende for å beskrive vegetasjon strukturen innen økologi, skogbruk og landbruk. Derfor prosedyrer av tre kommersielt brukte metoder (søppel feller, nål teknikk, og en plante baldakin analysator) for å utføre LAI estimering ble presentert steg-for-trinn. Spesifikke metoder for metodisk tilnærming ble sammenliknet, og deres nåværende fordeler, kontroverser, utfordringer og fremtidige perspektiver ble diskutert i denne protokollen. Søppel feller anses vanligvis som referanse nivå. Både nålen teknikk og anlegget baldakin analysator (f. eks, LAI-2000) ofte undervurderer LAI verdier i forhold til referansen. Nålen teknikken er enkel å bruke i løvskog står der kullet helt dekomponerer hvert år (f. eks, eik og bøk stands). Imidlertid er kalibrering basert på søppel feller eller direkte destruktive metoder nødvendig. Anlegget baldakin analysator er en vanlig brukt enhet for å utføre LAI estimering i økologi, skogbruk og landbruk, men er utsatt for potensielle feil på grunn av løvverk klumper og bidrag av Woody elementer i synsfeltet (FOV) av sensoren. Eliminerer disse potensielle feilkilder ble diskutert. Anlegget baldakin analysator er en svært egnet enhet for å utføre LAI estimater på høyt romlige nivå, observere en sesongmessige LAI dynamisk, og for langsiktig overvåking av LAI.

Introduction

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

Lai, definert som halvparten av det totale blad arealet per enhet av horisontal bakke overflate område1, er en nøkkel variabel som brukes i mange bio-geofysiske og kjemiske utvekslings modeller fokusert på karbon og vann flukser2,3, 4. Lai er direkte proporsjonal med den aktive overflaten av blader der det driver primærproduksjon (fotosyntese), transpirasjon, energi utveksling og andre fysiologiske attributter knyttet til en rekke økosystem prosesser i anlegget lokalsamfunnene5.

Mange tilnærminger og instrumenter for å utføre Lai estimering har blitt utviklet, og de er for tiden tilgjengelig på markedet6,7,8,9. Ground-baserte metoder for å utføre LAI estimering kan grupperes i to hovedkategorier: (i) direkte, og (II) indirekte metoder10,11,12. Den første gruppen omfatter metoder måle blad området direkte, mens de indirekte metodene antyde LAI fra målinger av lettere målbare parametre, ved hjelp av strålingspådrivet overføring teori (i form av tid, eksponeringens og teknologi)13 ,14.

Denne protokollen omhandler praktisk bruk av søppel feller og nål teknikk, som ikke-destruktive semi-direkte metoder10; og den optiske enheten anlegget baldakin analysator som en indirekte metode6,7 for Performing Lai estimering på et valgt utvalg fra tempererte løvskog står i Sentral-Europa (se dens strukturelle og dendrometric egenskaper i Vedlegg A og tillegg B).

I løvskog og avlinger, er det mulig å utføre ikke-destruktiv semi-direkte LAI estimering bruke søppel feller11 distribueres under kalesjen lag15. Kull feller gi presise LAI verdier for løvskog arter som LAI når et platå i vekstsesongen. Men for arter som kan erstatte blader i vekstsesongen, for eksempel poppel, metoden overestimates LAI11. Denne metoden forutsetter at innholdet av fellene representerer den gjennomsnittlige mengden av blader som faller under en blad-fall periode i stativet16, spesielt i løpet av høst månedene. Feller åpnes bokser eller garn (figur 1) med en forhåndsbestemt tilstrekkelig størrelse (minimum 0,18 m2, men fortrinnsvis over 0,25 m2)10,17, lateral sider hindrer vinden fra blåser blader inn/ut av fellene, og med en perforert bunn unngå nedbryting av bladene; som er plassert under kalesjen laget av studerte stand, men over bakken overflaten11. Fordelingen av fellene kan være enten tilfeldig18 eller systematisk i transects19 eller en vanlig avstand rutenett20. Antall og distribusjon av feller er en avgjørende metodisk skritt for å utføre en nøyaktig LAI estimering reflekterer den unike stand struktur, romlig homogenitet, forventet vindhastighet og retning, spesielt i tilfelle av sparsom stands (eller smug og frukthager), og arbeidskapasiteten for å evaluere data. Presisjonen til Lai-estimering øker med stigende frekvens av feller innenfor studerte stands11,21 (se figur 2).

Den anbefalte hyppigheten av å samle prøver av kullet-fall fra hver felle er minst månedlig10 og to ganger per uke i perioder med tungt fall, noe som kan falle sammen med kraftig nedbør. Det er nødvendig for å hindre nedbryting av søppel i fellene og utvasking av næringsstoffer fra materialet under regn episoder i tilfelle av kjemisk analyse. Etter å samle blader i et felt, en blandet sub-sample brukes til å estimere den spesifikke blad området (SLA, cm2 g-1)22, definert som fersk projisert område av bladene til sin tørr masse vekt ratio. Resten av de innsamlede kullet er tørket til en konstant vekt og brukes til å beregne den tørre massen av kullet som g cm-2 i laboratoriet. Leaf Dry Mass på hver samling dato er konvertert til Leaf området ved å multiplisere den innsamlede biomasse av SLA eller blad tørr masse per område (LMA, g cm-2) som den inverse parameteren til SLA23,24. En fersk projisert område av bestemte blader kan bestemmes ved hjelp av en posisjonell tilnærming. Den posisjonell metoden er basert på avhengigheten mellom arealet av en bestemt blad og området dekket av bladet i horisontal overflate. Bladet er horisontalt festet til skanningen skjermen, og gjennomsnittet måles ved hjelp av et blad området meter. Deretter beregnes området. Mange blad området meter basert på ulike måling prinsipper er tilgjengelige på markedet. Noen av dem inkluderer for eksempel LI-3000C Portable Leaf Area meter, som bruker ortogonale projeksjon metoden, og LI-ens ion 3100c området meter, som måler blad gjennomsnittet ved hjelp av en fluorescerende lyskilde og en semi-gjennomført skanning kamera. Den neste enheten, CI-202 bærbare laser blad området meter, koder et blad lengde ved hjelp av en kode leser. Foruten dem, den AM350 og BSLM101 Portable Leaf areal målere er også ofte brukt for å utføre nøyaktige blad området estimering.

Videre blad området meter basert på systemer som analyserer videoen eksisterer. Disse Leaf området meter består av et videokamera, en digitalisering ramme, en skjerm, og en PC, inkludert egnet programvare for å gjøre dataanalyse som WD3 WinDIAS Leaf Image Analysis system11. Foreløpig kan konvensjonelle skannere koblet til en PC brukes til et anslag blad området. Etterpå blir blad området beregnet som et multiplum av antallet svarte piksler og størrelsen avhenger av den valgte oppløsningen (punkter per tomme – PPT), eller blad området måles gjennom spesifikk programvare, for eksempel WinFOLIA. Til slutt, den totale tørre massen av bladene samlet innenfor en kjent bakken areal er omgjort til LAI ved å multiplisere med SLA og en krymping koeffisient25 som reflekterer endringene i området av friske og tørkede blader. Krymping avhenger av treslag, vanninnhold og løv mykhet. Den krymping av blader i lengde og bredde (hva som påvirker det projiserte området) er vanligvis opp til 10%26, for eksempel, varierer det fra 2,6 til 6,8% for eik27. Sortering blader av arter for veiing og etablering av spesifikke blad området ratio er nødvendig for å bestemme bidraget av hver art til den totale LAI28.

Lai bestemmelse av nålen teknikken er en rimelig metode avledet fra skrå punkt Quadrat metode29,30,31,32. I løvskog stands, er det et alternativ for å utføre LAI estimering uten å bruke feller10 basert på antagelsen om at den totale blad nummer og deres område i et tre er lik det som er samlet på jordoverflaten etter en komplett blad-fall20 . En tynn skarp nål er gjennomboret vertikalt i kullet liggende på bakken umiddelbart etter bladet-fall10. Etter den komplette blad-fall, bladene er samlet fra bakken på en nål av en vertikal sonde, er knyttet til kontaktnummer og lik den faktiske LAI verdi. En intensiv prøvetaking (100-300 prøvetaking poeng per studert stand per felt probe) av nålen teknikken er nødvendig for å kvantifisere en gjennomsnittlig kontaktnummer og å utlede Lai verdien riktig10,20,33.

Denanlegg baldakin analysator(f. eks, LAI-2000 eller LAI-2200 PCA) er et vanlig brukt bærbart instrument for å utføre en indirekte LAI estimering ved å ta en måling av lystransmisjon gjennom kalesjen7innenfor den filtrerte blå delen av lysspekteret (320-490 NM)34,35å minimere bidraget av lyset som har passert gjennom bladene, ble spredt av kalesjen og passerer gjennom løvverk7,34. I den blå delen av lysspekteret, er den maksimale kontrasten mellom blad og himmel oppnådd, og løvverk vises svart mot himmelen34. Den er derfor basert på brøk analysen av baldakin gap7. Instrumentet har vært mye brukt for å lage øko-fysiologiske studier i plantesamfunn som avlinger36Gressletter37, bartre stands8, og løvskog stands38. Anlegget baldakin analysator bruker en fisheye optisk sensor med en FOV på 148 °35å projisere et halvkuleformet bilde av kalesjen på silisium detektorer for å ordne dem i fem konsentriske ringer39med sentrale høydepunkt vinkler på 7 °, 23 °, 38 °, 53 ° og 68 °9,40,41. Fem visnings caps (dvs.,270 °, 180 °, 90 °, 45 ° og 10 °) kan brukes til å begrense den asimut visningen av den optiske sensoren27å unngå skyggelegging av hindringer i et åpent område (for den ovenfor refererte lesing) eller operatøren i sensorens FOV under LAI estimering kan justere FOV sensor til et åpent område for over-kalesjen opplesninger. Målinger ved hjelp av anleggets baldakin analysator er tatt over (eller i et tilstrekkelig utvidet åpent område) og under den studerte baldakin7. De samme visnings dekslene må brukes for både over-og under målingene for å unngå bias av anslag for gap brøkdeler34. Den LAI-2000 PCA produserer en effektiv Leaf Area index (LAIe) som introdusert av Chen et al.42, eller rettere sagt en effektiv plante område indeks (PAIe) som Woody elementer er inkludert i sensoren lesing verdi. I løvskog står med flate blader, er LAIe den samme som hemi-LAI. I tilfelle av eviggrønne skog stands, det LAIe er nødvendig å korrigere for klumper effekt på skudd nivå (SPAR, STAR)43, klumper indeksen ved skalaer større enn skyte (ΩE)44, og bidraget av Woody elementer inkludert stengler og grener (dvs.,forhold mellom Woody og hele området),45som forårsaker en systematisk LAI undervurdering20. Den klumper indeksen på en høyere romlig skala enn skyte eller blad kan være kvantifisert som en tilsynelatende klumper indeks (ACF), som kan anslås ved hjelp av anlegget baldakin analysator når mer restriktive vise caps brukes27. Som disse forfatterne sier at dette ACF er utledet fra et forhold på LAI verdier beregnet fra Transmisjon av ulike prosedyrer for homogen og ikke-homogene overbygg i henhold til lang46, antar vi at denne klumper indeksen beskriver ganske homogenitet. I tillegg til ACF beregningen, nye diffuser caps som muliggjør en mer omfattende anvendelse av LAI-2200 PCA i forhold til værforhold, en bruker meny i stedet for FCT koder, og muligheten til å ta mange flere målinger per fil økt er blant de viktigste teknologiske oppgraderinger sammenlignet med tidligere LAI-2000 PCA34,47. Målinger og påfølgende interne programvare beregninger er basert på fire forutsetninger: (1) lys blokkering plante elementer inkludert blader, grener og stengler, er tilfeldig fordelt i kalesjen, (2) løvverk er en optisk svart kropp som absorberer alle lys den mottar, (3) alle plante elementer er de samme projeksjon til horisontal bakken overflaten som en enkel geometrisk konveks form, (4) plante elementer er små i forhold til området som dekkes av 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 anslått ved hjelp av søppel feller

  1. Først utføre en felt undersøkelse, gransker området forhold og struktur av studert stands (dvs. helling og utredning av skråningen, skog eller vegetasjon type, skog eller vegetasjon tetthet, homogenitet av kalesjen nedleggelse, kronen størrelse, og kronen base høyde).
  2. Velg en passende søppel felle type for posisjonering under kalesjen ved å velge mesh størrelsen på nettet basert på størrelsen av assimilering apparat av studert stands (dvs. mesh størrelsen må være mindre enn størrelsen på fanget assimilering , deretter nummerere og fordele fellene innenfor de studerte stands, og deretter merke dem.
    1. Vanligvis bruker en rekke feller fra 15 til 25 per undersøkt stand25,48 med et fangst område som spenner fra 0,18 m2 opp til 0,5 m2 eller mer, spesielt for treslag med store blader som poppel10 ,17,48.
    2. Plasser fellene med jevne mellomrom i hele studert stand i ett eller to gjensidig vinkelrett transects eller et vanlig rutenett (figur 2). Riktig prøvetaking design, prosedyre, og analyse av kullet-fall er også beskrevet av Ukonmaanaho et al.17 eller Fleck et al.21.
      1. Bestem avstanden mellom fellene på kronen størrelser, baldakin nedleggelse og stå tekstur.
      2. Forhøye antallet av søppel feller begge to med stiger stå område og stå heterogenitet inne struktur.

Figure 2
Figur 1: ulike typer søppel feller ́ konstruksjon og plassering i stativet.
Fra venstre: Woody, plast, plast bokser, og metall konstruksjon. Vennligst klikk her for å se en større versjon av dette tallet.

  1. Installer fellene i begynnelsen av vekstsesongen (kort tid etter at bladet Flushing fordi et blad-fall kan oppstå på grunn av enten skade av insekter eller ekstremt tørt værhendelser i sommerperioden).
    1. Fast feste hver av fellene over bakken overflaten og under stativet kalesjen slik at det ikke er noen endringer i fangstområdet. Oppretthold hver av fellene i en horisontal posisjon og stabil normalisert fangstområdet. Eksempler på forskjellige typer feller presenteres i figur 1 eller, for eksempel i Ukonmaanaho et al.17.

Figure 1
Figur 2: den vanlige skjematisk mønster av søppel felle distribusjon i skogen står med distinkt homogenitet.
Homogenitet avtar fra venstre. Vennligst klikk her for å se en større versjon av dette tallet.

  1. Plasser feller over bakken overflaten (minimum 0,1 m) for å aktivere luft å blåse under samle del av fellene. Vanligvis høyden på fellene er 1 m over bakken overflaten25,38,49.
  2. Velg tids trinnet for søppel samling med hensyn til den typiske løpet av været i den studerte området og søppel-fall intensitet. Normalen tid steg områder fra 1 å 4 ukens (en kortere vei steg burde bli brukt i løpet av regnfull Vær å eschew søppel nedbryting og i løpet av intens blad faller).
    1. Under hvert av målingene, sjekk styrken på felle rammer, den kompakt av garn eller bokser, og nivellering av hele fellen (dvs. den horisontale plasseringen av fellen).
  3. Plasser det innsamlede kullet fra hver av fellene i tidligere merkede papirposer.
    1. Transporter alle prøvene fortrinnsvis i kjølige bokser, eller om nødvendig, midlertidig lagret ved 4 ° c, men ikke frosset17 på grunn av skade på blad vev.
  4. Etter transport av prøvene til laboratoriet, skille assimilering apparat fra andre kull komponenter (grener, frø, bark, blomster, i henhold til treslag om nødvendig).
  5. Umiddelbart etter sortering, analysere en del av en blandet (blandet) prøve av hvert kull felle for å utføre SLA estimering (dvs. forholdet mellom det projiserte området av blader og dens tørr masse vekt).
    1. Gitt at ulike treslag og til og med typer løvverk (solrik og skyggelagt) med forskjeller i egenskaper oppstår innenfor kronen vertikal profil, bland prøven fra hver felle før du velger blader for å utføre SLA (LMA) estimering11 . Som det er en forskjell mellom fersk og tørr blad projisert område på grunn av krymping, anslå en krymping korreksjon koeffisient fra subsample av fersk (grønn) blader26.
      1. Samle blader proporsjonalt (tilsvarende som i blandede subsample fra fellen) fra alle treslag som ligger i stativet.
    2. Skill under prøven telling minst 100-200 blader fra alle brukte feller21,27 for å utføre SLA estimering.
      1. Plasser blader i en flat, rett måte enten på skanningen styret eller bladet området meter, og det er nødvendig å eschew overlappende bladene der.
      2. Som tørket søppel bladene kan kaste eller krølle, suge dem i varmt vann (60-70 ° c) for en kort tid17,21. Dette har blitt funnet å flate bladene tilstrekkelig for å ta målinger, men spesielt etter en lang tid med soaking, de mister vekt.
      3. Hvis skanneren eller blad området måleren ikke aktiverer øvre belysning (for å unngå refleksjon og skygging), bruk en passende fordeling av bladene enten på et skanne bord eller et blad område meter transportør (dvs. bladene er plassert vinkelrett til skanningen frontlys) slik at skygger ikke form under skanning frontlys bevegelse fordi det er vanskelig å fjerne skygger under påfølgende databehandling.
      4. Hvis en skanner som er koblet til en PC, brukes, bør du bruke en oppløsning på svart-hvitt-bilder av 200 PPT på et minimum basert på tilstrekkelig nøyaktighet i området.
        1. For å unngå refleksjon, som er synlig som lys piksler i bladene, når en vanlig skanner brukes, justerer du skanne lysstyrken for å nå en passende terskel (Figur 3). Programvare (f. eks, WinFOLIA) deretter anslår blad området ved å telle mørke piksler i skanningen og konverterer dem ved hjelp av kjente dpi oppløsning.
    3. Tørk denne under prøven som er beregnet for SERVICEAVTALE estimering for 48 timer ved 80 eller 105 ° c for å oppnå konstant vekt. Bruk en ventilert ovn med en termostat for å homogenisere og opprettholde den innvendige temperaturen (foreksempel INCUMAX CV150 ).
      Merk: vannet innholdet i bladene forblir som fast vann i cellene når ovnen-tørking skjer ved lavere temperaturer. Ved tørking ved 105 ° c blir det ikke vann i plante prøven17.
    4. Veie det tørr-masse av denne sub-eksemplar benytter laboratorium skalaer med en høy graden av nøyaktighet av 1 g med ett minst mulig.
      1. Kontroller nivellering av laboratorie vektene og unngå eksterne effekter (f.eks. blåser av sterk vind i laboratoriet under veiing).
    5. Beregn SLA verdien som fersk projisert område av bladene av sub-utvalget utpekt for SLA estimering dividert med sin tørr masse vekt.

Figure 3
Figur 3: skanningen av et blad prøve med et eksempel på en riktig kvalitet skanning (på venstre side) og en feil skanning (høyre side)
Når lysstyrken skal justeres for å eliminere refleksjon synlig som hvite piksler inne i blad kroppene og/eller hvor overflate smuss (a) og eventuelle kant effekt (b) bør slettes før du gjør en analyse av området.

  1. Ovn-tørk resten av prøven (dvs. samlet blader ) for hver felle for 48 timer ved samme temperatur som ble brukt for SLA estimering, det vil si, ved 80 eller 105 ° c for å nå en konstant vekt.
  2. Multipliser den tørre massen vekten av resten av prøven for hver bestemt søppel felle av riktig SLA verdi for å nå det totale projiserte blad området per felle.
  3. Gjenta trinn fra 1,5 til 1,9 for hver av de studerte stands og hvert kull samling dato.
  4. Beregn LAI som forholdet mellom den kumulative total Leaf området anslått ved hjelp av søppel feller og fange området av kullet feller.

2. nål teknikk for å ta LAI målinger

  1. I utgangspunktet utføre en felt undersøkelse, undersøke området forhold og strukturen i studert stands (dvs. helling og utredning av skråningen, skog eller vegetasjon type, skog eller vegetasjon tetthet, homogenitet av kalesjen nedleggelse, krone størrelse, og kronen base høyde).
  2. Umiddelbart etter en komplett blad-fall, forberede alt nødvendig utstyr inkludert en tilstrekkelig lang skarp metallisk nål med så liten diameter som mulig (maksimalt 2,0 mm i diameter).
  3. Velg et passende antall tilfeldig distribuerte prøvepunkter (minst 100)10,20,38 basert på baldakin strukturen til hver studerte stand.
    Merk: Generelt, jo mer prøvetaking poeng, jo høyere nøyaktigheten av LAI estimering i studert stand (antall prøvetaking punkter bør øke i forhold til størrelsen på undersøkt tomten og strukturen i kalesjen).
  4. Bruke metallisk nål, punktering bladene på en mer eller mindre lignende vinkel gjennom laget av ferske falne blader som ligger på bakken overflaten på hver av de analysert prøvetaking poeng.
    1. Bruk en hvilken som helst vinkel av stikke siden disse falne bladene har ingen forhold til deres tidligere posisjon i kalesjen.
  5. Kontroller at bare ferske blader er tilstede på nålen. I tilfelle av tilstedeværelsen av delvis nedbrutt blader fra året, fjerne dem fra nålen.
  6. Telle antall blader gjennomboret av nålen med hver stikk på hvert prøvepunkt.
  7. Gjenta trinn fra 2,4 til 2,6 for alle analysert prøvepunkter.
  8. Tell summen av alle bladene gjennomboret av nålen i hele stativet (dvs. for minst 100 sampling poeng).
  9. Del denne summen med antall stikker (dvs.å telle det aritmetiske gjennomsnittet). Det resulterende aritmetiske gjennomsnittet er lik den faktiske LAI-verdien på stand-nivået. Merk: det gjennomsnittlige antallet av alle ferske blader samlet på nålen tilsvarer den sanne LAI verdien av undersøkt skog standen.

3. Plant baldakin analysator optisk enhet for å utføre LAI estimering

  1. I begynnelsen, utføre en felt undersøkelse, inkludert gransker området forhold og strukturen i studert stands (dvs. helling og utredning av skråningen, skog eller vegetasjon type, skog eller vegetasjon tetthet, homogenitet av nedleggelse av kalesjen, kronen størrelse, og kronen base høyde).
  2. Finn et egnet åpent område (clearing) med identiske himmel forhold som over den observerte tomten, som ligger en maksimal avstand på 1 km bort21, som er nødvendig for over-baldakin sensoravlesninger.
    1. Som anlegget baldakin analysator gjør det mulig for brukeren å bruke en annen FOV i begge asimut (av begrensning vise caps) samt Zenith (gjennom programvarebehandling av ring maskering) retninger, bruke samme hetten (og dens orientering) for både over-og under-baldakin Opplesninger.
    2. Utlede størrelsen på det åpne området og utnyttelsen av den aktuelle visningen cap fra omfanget av FOV. Den kjente FOV til sensoren fra vertikal i høydepunktet og estimering av høyden på nærmeste hindringer (trær, terreng, bygninger) gir den mest egnede løsningen, der den tilstrekkelige størrelsen på det åpne området kan beregnes i henhold til ligning 1:
      Y = H ∙ vs ∙ α (1),
      Hvor Y er den nødvendige avstanden fra nærmeste barriere; H betyr høyden på hindringen; α betegner FOV i en retning fra vertikal (Figur 4). I stedet for det åpne området, kan et tårn høyere enn stativet som undersøkes, brukes til å ta over-baldakin målinger21.
      1. Ta skråningen og heterogenitet av terrenget i betraktning ved beregning av størrelsen på det åpne området.

Figure 4
Figur 4: en skjematisk fremstilling av sensorens FOV (et grått område).
α er sensorens FOV; H betegner høyden på nærmeste hinder; Y betyr den horisontale avstanden mellom operatøren og hindringen63.

  1. Basert på de strukturelle parametrene til stativet (homogenitet), Bestem et passende prøvepunkt nummer, plasseringen av like langt prøvepunkter som ligger i enten kontinuerlig, eller et rutenett for å ta under-baldakin målinger i studert stand9.
    1. Utlede riktig avstand fra variasjonen av under-kalesjen opplesninger i feltet.
      1. Beveg langsomt med sensoren under kalesjen i kontinuerlig og se variasjonen av de mest øvre ring avlesninger. En liten variasjon som avbrytes av høyere verdier, er et vanlig resultat. Halvparten av avstanden mellom disse toppverdiene i variasjon bør vurderes hensiktsmessig.
    2. Hvis en observasjon av den sesongmessige LAI-dynamisk blir utført, bruk permanent fiksering av transects eller prøvetaking poeng innenfor studerte stand (f. eks av tre stakes eller geologiske metall pinner).
      Merk: antall og avstand på transects avhenger av den spesielle baldakin strukturen til stativet (figur 5).
    3. I homogene stands, et tilstrekkelig antall transects varierer fra 1 til 3. I tilfelle av høy heterogenitet, bruke et vanlig rutenett av prøvetaking punkter. Velg orientering av transects med hensyn til helling og fordeling av trærne i stativet, spesielt i tilfelle av Radavstand. Avstand mellom bestemte sampling punkter bestemmes med hensyn til heterogenitet av stativet, kronen størrelser, kronen base høyde, og sensorens FOV (figur 6). I homogene stands, varierer antall samplings punkter vanligvis mellom 5 og 36 46,50. Spesielt prøvetaking design er også beskrevet av Baret et al.51; Majasalmi et al.52; Woodgate et al.50; Fleck et al.21; Calders et al.53.
      1. Med et skrånende terreng kan du orientere sensor visningen langs nivå kurvene.

Figure 5
Figur 5: oppsett av målinger i ren løvskog stands.
(A), (B) oppsett av den optimale plassering av spesielle transects i en ren plantasje etablert av linje planting (dvs.rektangulær avstand ). (C) utformingen av den optimale plasseringen av spesielle transects i en ren plantasje etablert av linje planting på trekantet avstand. (D) utformingen av den optimale plasseringen av spesielle transects i en ren plantasje etablert av linje planting med to utpreget forskjellige deler. (E) utformingen av den optimale plasseringen av spesielle transects i et stativ med fire markert forskjellige deler av stativet. (F) utformingen av den optimale plasseringen av spesielle transects i en ren plantasje etablert av linje planting med to forskjellige deler. (G) utformingen av den optimale plasseringen av spesielle transects i en ren plantasje etablert av linje planting med tre markert distinkte deler som representerer 50%, 25%, og 25% av hele arealet av stativet. (H) utformingen av å plassere transects i stands etablert av naturlig regenerering, der ca 12 målepunkter per kontinuerlig er tilstrekkelig fra nøyaktigheten synspunkt. Grå transects kan alternativt utelates fra målingen.

Figure 6
Figur 6: en skjematisk fremstilling av et avstands valg mellom målepunkter innenfor transects med hensyn til FOV, stand tetthet, og høyden på kronen base.
a: passende avstands avstand i tilfelle av skjematisk som vises sensor høyde og visning, og krone base høyde, c: upassende avstands avstand som noen baldakin deler (d-i hvitt) er ikke synlig av sensoren. Således, avstanden burde være korrigerte (av b, i.e., en = c – b), c *: likeledes korrigerte, passende mellomrom avstand på grunn av det korrigerte forstørret sensor utsikt innfallsvinkel (fin stiplet line).

  1. Selv om noen muligheter og rettelser av Lai estimering under solfylte forhold presenteres47,54, utføre alle målinger under en diffus lyssky (standard overskyet) og vindstille forhold55, 56 (se figur 7). Til tross for at anlegget baldakin analysator muliggjør korrigering av lysspredning for målinger under solfylte forhold21, sensorens produsent anbefaler å bruke den under standard overskyet forhold34.
    1. Bruk anleggets baldakin analysator ut av direkte sollys, som solfylt løv kan vises som lyse piksler på bildet og feilaktig klassifisere som himmelen (den Penumbra effekt). Ideelt sett, ta målingene under helt overskyet forhold (med uniform Sky Cover), når diffus lys er jevnt spredt over hele himmelen.
    2. Refleksjon er også åpenbart høyere under sollys sammenlignet med diffuse himmel forhold. Som et alternativ, ta målinger før soloppgang eller etter solnedgang, når solen er skjult under horisonten, og vegetasjonen er ikke bakgrunnsbelyst av solen (Husk at i løpet av disse tider av dagen, lyset miljøet endres raskt). Men husk også at på grunn av følsomheten til sensoren, bør lese verdier være høyere enn ca. 3 i et åpent område.
    3. Unngå regn fordi regndråpene på sensoren påvirker nøyaktigheten av målingene. En våt baldakin reflekterer mer lys, noe som kan føre til LAI undervurdering.
    4. Forhindre kraftig vind fordi flytte anlegget elementer kan påvirke under-baldakin opplesninger, og dermed de kan føre til feil resultater.
    5. Unngå tåkete forhold i kalesjen også.

Figure 7
Figur 7: optimale værforhold for å utføre Lai anslag ved hjelp av en plante baldakin analysator. Vennligst klikk her for å se en større versjon av dette tallet.

  1. Hvis en observasjon av en sesongmessig løpet av LAI ikke er nødvendig, ta alle målinger fra juni til midten av september fordi LAI av de fleste treslag når sin maksimale verdi og forblir (unntatt under tørre somre). Derfor er denne perioden den mest passende for å lage en Lai sammenligning i vekstsesongen38,57,58,59.
    Merk: denne perioden bør være kortere eller endret under tørke forhold på blad fall eller senescence.
  2. Anslå Woody området indeksen (WAI, Figur 10) under Leaf-off perioden (dvs. både før knopp bryte tidlig på våren og etter fullstendig blad-fall i sen høst).
    Merk: gitt at anlegget baldakin analysator har bare ett synlig band (320-490 NM)34,35 og kan ikke skille Leaf og Woody komponenter, resultatene oppnådd i løpet av en voksende sesong representerer et anlegg område index (pai) som er summen av LAI og WAI (PAI = LAI + WAI)60. Derfor trekke den gjennomsnittlige verdien av både WAI målinger tatt i en Leaf-off periode fra hver av de pai målingene anslått i Leaf-on perioden for å få riktige Lai verdier (Lai = pai-WAI)20,38.
    1. Utfør de ovennevnte baldakin målingene som første måling av hvert stativ kontinuerlig eller rutenett i et tilstrekkelig åpent område (se trinn 3,2).
      Merk: det er mulig å ta Dual-Mode målinger fordi LAI-2000 PCA (eller dens forbedrede versjoner LAI-2200 PCA og LAI-2200C) muliggjør å foreta samtidige estimater med to sensorer sammen (dvs.en for under-og en for over-avlesninger). I dette tilfellet bør sensorene kalibreres i samsvar med bruksanvisningen (LI-COR 2011). Kort sagt anbefales det at brukeren kobler begge sensorene til en kontrollenhet for å forene målinger og tid, plassere sensoren for målinger over kalesjen øverst på et stativ i et åpent område, planering det og bruke samme Begrensnings visnings deksel. Sensor visningen orientering skal være den samme i asimut retning som ble brukt for å ta under-kalesjen opplesninger.
    2. Utfør målingene under kalesjen i den romlige målings designen som er beskrevet i detalj i 3,3. Sensoren er vanligvis holdt fra 0,5 til 2,0 m over bakken21,38, dvs., over underskog vegetasjon, under kalesjen og med den synlige sensoren boble-nivå.
      1. En boble nivå er en komponent av sensoren. Bruk begrensningen View caps hvis sensoren holdes under 2,0 m for å utelukke operatøren fra FOV. Bruk den identiske visnings korken for både under-og over-avlesninger.
      2. Bruk en minste avstand mellom sensoren og nærmeste element av anleggets over bakken deler (stengler, grener) på minst fire ganger diameteren eller bredden av komponenten.
    3. Beregn WAI verdier fra feltet målte rådata ved hjelp av LAI-2200 File Viewer (FV2200) freeware, som er tilgjengelig på https://www.licor.com/env/products/leaf_area/LAI-2200C/software.html.
      1. Begrens sensorens FOV i Zenith retning til de øvre tre ringene (dvs. 0-43 °) for å utelukke en kant effekt og store gap størrelser20,61,62.
      2. Behandle dataene ved hjelp av standard algoritmer for LAI-2000 PCA, og angi parametere for å lage evalueringer ved hjelp av FV2200 i henhold til brukermanualen34.
    4. Bestem årlig WAI verdi som det aritmetiske gjennomsnittet av begge målingene utført før begynnelsen av vekstsesongen (dvs. før knopp bryte) og etter fullstendig blad-fall (Figur 10).
  3. Beregn PAI ved hjelp av samme prosedyre som ble brukt for å gjøre WAI estimering (fra trinn 3.6.1-3.6.3.)
  4. Beregn den faktiske Lai verdien på standen nivå som forskjellen mellom gjennomsnittet pai og WAI verdier (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

Gjennomsnittlig LAI verdier på standen nivå av alle studert står i 2013 vekstsesongen er presentert i Figur 8. På alle tomter unntatt A, de høyeste verdiene ble målt ved søppel feller, som fungerer som referanse nivå. Contrarily, den høyeste mener LAI verdi ble anslått gjennom nålen teknikken på tomten A. Alle forskjeller mellom LAI verdier anslått ved hjelp av søppel feller og en plante baldakin analysator var ikke signifikant (p > 0,05; Figur 8, venstre). På tomter B, C og D, nålen teknikken signifikant undervurdert LAI innhentet fra kullet feller. Omvendt, på tomten A, overvurdert denne teknikken LAI målt ved hjelp av søppel feller, men ikke et betydelig nivå (p = 0,01; Figur 8, midten). Vesentlige forskjeller mellom LAI verdier anslått av anlegget baldakin analysator og nålen teknikken ble funnet i alle tilfeller (Figur 8, høyre).

Figure 8
Figur 8: en sammenligning av de statistisk signifikante forskjellene blant gjennomsnittlig LAI-verdier anslått ved hjelp av søppel feller, nål teknikken og LAI-2000 PCA nærmer seg.
A-C: European bøk tomter, D: Sycamore Maple plot, p < 0,05 (*), p < 0,001 (* *), p ˃ 0,05 (ns). Kinn hårene viser standardavvik. Dette tallet er endret med tillatelse38. Vennligst klikk her for å se en større versjon av dette tallet.

Avvik på under-eller over-estimering av LAI innhentet av anlegget baldakin analysator og nålen teknikk, både i forhold til LAI verdier Hentet fra søppel fellene anses som referanse nivået vises i figur 9. Underestimations av LAI verdier målt ved hjelp av søppel feller og anlegget baldakin analysator på tomter A, B, C og D var 15,3%, 11,0%, 18,9%, og 5,8%, henholdsvis. Gjennomsnittlig utslag av LAI verdier på bøk tomter og alle undersøkte tomter sammen var 15,1% og 12,7%, henholdsvis. På tomter B, C og D, nålen teknikken undervurderte LAI innhentet fra kullet feller av 41,0%, 38,0%, og 40,0%, henholdsvis. Contrarily, på tomten A, en overvurdering på 13,0% ble funnet mellom LAI verdier innhentet av nålen teknikk og kullet feller. Den gjennomsnittlige krengingen av LAI verdier på bøk og alle studerte tomter uavhengig av treslag sammensetning var 39,7% og 26,5%, henholdsvis.

Figure 9
Figur 9: gjennomsnittlig utslag av LAI verdier anslått ved hjelp av nålen teknikk og en LAI-2000 PCA fra LAI verdier Hentet fra søppel feller anses som referanse.
A-C: European bøk tomter, D: Sycamore Maple plot, alle-gjennomsnittlig avvik av alle tomter uavhengig av treslag. Kinn hårene viser standardavvik. Dette tallet er endret med tillatelse38. Vennligst klikk her for å se en større versjon av dette tallet.

Etter den komplette blad-fall og før bud pause (dvs. i april), kan WAI lett måles ved hjelp av en plante baldakin analysator. Gjennomsnittlig sesongmessige verdier av WAI for tomter A, B, C og D nådde 1,33, 0,26, 0,99, og 0,38, henholdsvis (Figur 10). Den raskest LAI utvikling ble bemerket i perioden fra knopp pause forekommer i april til begynnelsen av mai (del 1, Figur 10). Fra mai til slutten av juni (del 2, Figur 10), videreføring av den raske Lai utvikling av bladene ble observert; men med mindre intensitet i forhold til del 1. Fra andre halvdel av juni til slutten av juli, LAI verdien falt med 0,46 på tomten B. plot A ble bevisst valgt for mer detaljert LAI overvåking der sesongens LAI målinger ble tatt på kortere tidsintervaller. Derfor var stagnasjon av LAI tydeligere i sommermånedene på denne tomten (del 3, Figur 10). I alle studerte skog stands, begynte bladene til å falle i slutten av september, illustrert av nedgangen i LAI kurve (del 4, Figur 10).

Figure 10
Figur 10: Seasonal LAI dynamikk i løpet av 2013 vekstsesongen.
LAI: Leaf Area index, WAI: Woody området indeks, A-C: European bøk tomter, D: Maple plot, DOY: dagen i året. Tomme diamanter betegne gjennomsnittlig sesongmessige WAI trekkes fra PAI for å få riktig LAI (LAI = PAI-WAI). Periode 3 ser ut til å være den mest hensiktsmessige fasen for å sammenligne LAI av løvskog stands under hele vekstsesongen. Den kinnskjegg vise standardavvik på LAI estimering, og det grå området betyr tillit intervall av gjennomsnittet LAI kurve. Dette tallet er endret med tillatelse38. Vennligst klikk her for å se en større versjon av dette tallet.

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
Høyde 600 m a. s. l. 450 m a. s. l. 460 m a. s. l.
Grunnfjellet Syre granodiorit Granodiorit
Jord klassifisering (jord type) Modal næringsfattig Cambisol Modal mesotrophic Cambisol
Gjennomsnittlig årlig nedbør (mm) 592 596
Gjennomsnittlig årlig temperatur (° c) 7,0 7,0
Retning for helling Nw W N Nw
Helling på helling (%) 10 15 20 10
Type skog Abieto-Fagetum oligo-mesotrophicum; Næringsstoff medium Fir-bøk Fagetum calcarium; Kalkstein bøk Fagetum mesotrophicum; Næringsrike bøk Fagetum illimerosum mesotrophicum; Loamy bøk

Vedlegg A: karakteristika ved studien tomter. A-C: European bøk, D: Sycamore lønn. Skogen type klassifisering er basert på økologiske faktorer (dvs. jord og klima) og deres forhold til skog stands. Hver av tomter hadde et areal på 400 m2 (20 x 20 m). Denne tabellen er endret med tillatelse38.

Plot A B C D
Alder av stativet år 46 19 77 13
Stativ tetthet (trær ha-1) 2300 2700 900 5800
Høyden 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
Fremstilling av treslag (%) EB (100) EB (100) EB (100) SM (100)

Tillegg B: strukturelle egenskaper (gjennomsnittlig ± SD) av de undersøkte stands. A-C: European bøk tomter, D: Sycamore Maple plot, DBH: diameter på bryst høyde, BA1,3: basal området på bryst høyde på slutten av 2013 voksende sesongen, EB: europeisk bøk, SM: Sycamore lønn. Denne tabellen er endret med tillatelse38.

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

Søppel feller anses som en av de mest nøyaktige metodene for å utføre Lai estimering8, men de er mer arbeidskrevende og tidkrevende enn de indirekte metodene35,64 som ble innlemmet i denne protokollen. Innenfor hele LAI estimering prosedyre ved hjelp av søppel feller, en presis estimering av SLA er det mest kritiske punktet10 fordi SLA kan variere med plantearter65, dato og år, hvor lenge i fellene, vær66, og nettstedet fruktbarhet67. Selv om søppel feller vanligvis betraktes som referanse nivå, og et kalibreringsverktøy for indirekte metoder38,49, kan en mulig uoverensstemmelse mellom Lai-estimering ved hjelp av søppel feller oppstå på grunn av vind flyt, antall og fordeling av fellene i stativet uavhengig av kalesjen deksel og stativ struktur, størrelsen på stativet området,68,69 eller det kan også være forårsaket av et utslag av søppel fellen fra sitt nivå, horisontal posisjon. Videre kan Lai verdier innhentet av søppel feller også bli påvirket av vær og klima70, spesielt ved nedbrytning av kullet-fall10,11 eller visne av blader i feller, som kan elicited av alvorlig tørke i løpet av sommermånedene. Derfor bør en krymping korreksjon koeffisient brukes i dette tilfellet25,26,27. Det tilstrekkelig antall søppel feller for å utføre en estimering av Lai varierte mellom 15 og 25 25,48, men den høyere totale fange område av feller per undersøkt stand, jo mer presis Lai estimering. Søppel feller ikke gjør det mulig for brukere å anslå blad fordelingen innenfor vertikal profil av kroner11, eller for å bestemme en nøyaktig Lai verdi på et enkelt tidspunkt i løpet av vekstsesongen60, men i blad-fall-perioden, er det nyttig i estimering dynamikken i Lai og for å gjøre en Inter-årlig sammenligning av sin dynamikk48,71. Selv om en presis LAI estimering av søppel feller er knyttet til den komplette årlige blad-fall16, denne tilnærmingen har også allerede blitt brukt i blandet Evergreen-løvskog72.

Nålen teknikken er uanstrengt å bruk og anvendelig bare for løvtrær skog står og er egnet særlig for skog står av stor-blad art som eik (Quercus Sp.) eller bøk (Fagus Sp.) slekt. Det er den enkleste å bruke på nettsteder der kullet helt dekomponerer hvert år10. Hvis det brukes en tynn og skarp nål, gir denne metoden presise LAI-estimater. De viktigste fordelene med nålen teknikken er grei bruk, ikke trenger et blad området meter eller balanse, og det er mye mindre tidkrevende enn å bruke klassisk søppel feller20. Videre er det attraktivt for anvendelse, fordi forutsetningen om tilfeldig blad distribusjon er ikke nødvendig og på grunn av sin ikke-destruktive karakter11. Likevel, LAI målinger basert på denne metoden systematisk undervurdere LAI verdier innhentet fra søppel feller (av 6-37%),20 som også støttes av Černý et al.38. Den undervurdering av LAI (Figur 8, figur 9) kan i hovedsak skyldes enten diameteren på den brukte nålen, eller en mikro-lettelse av bakken overflaten under studert baldakin der bladene kan blåses opp av vinden enten inn i et terreng depresjon eller ut fra små humper på overflaten, eller en kombinasjon av begge nevnte faktorer. Foruten disse manglene, er nålen metoden komplisert å bruke i en løvskog nåletre treslag som lerk Sp. på grunn av størrelsen og formen på dens assimilering apparater.

Anlegget baldakin analysator er en av de indirekte optiske ikke-destruktive metoder. Den største fordelen med sin enkle feltet søknad om LAI estimering består i muligheten til å ta gjentatte målinger, noe som gjør det mulig å evaluere LAI sesongmessige kurset under hele vekstsesongen,11 og det gir mulighet for en stor skala gjennomføring og langsiktig overvåking av LAI28. LAI-2000 PCA krever relativt spesifikke værforhold for å utføre en presis LAI-estimering (trinn 3,4). Denne potensielle ulempen er markert eliminert av forbedrede versjoner, LAI-2200 PCA og LAI-2200C, som er mer robuste med hensyn til synoptiske situasjonen når du gjør en LAI estimering41 på grunn av sin bedre evne til å utføre lysspredning konvertering47. Til tross for dette faktum, LAI estimering bruke disse sensorene anbefales enten under standard overskyet forhold34 eller solfylte forhold der en stabil lys himmel med solen høyt over horisonten21. Denne metoden krever måling av bare 1252 opptil 25 prøvepunkter21 per stativ for å nå ønsket nøyaktighetsnivå. Imidlertid er optiske gapet brøk-baserte målinger ikke egnet for stands med et høyt blad område fordi disse indirekte LAI estimater er mettet på LAI verdier rundt 614. For å utføre en presis LAI-estimering, er en annen potensiell svakhet ved LAI-2x00 PCA-tilnærmingen kravet for en referanse for over-kalesjen som leses6. Imidlertid kan denne ulempen elimineres ved muligheten for å ta samtidige og automatisert målinger i dual modus når to sensorer styres av en enhet av LAI-2000 PCA73 eller dens forbedrede etterfølgere LAI-2200 PCA og Lai-2200C34 ,41.

Bruken av anlegget baldakin analysator å anslå WAI i blad perioder og subtraksjon fra optiske PAI (dvs. effektiv plante området indeks) i grønne perioden synes å være praktisk72. I kontrast er potensialet i dette instrumentet begrenset av sin generelle tendens mot undervurderer Lai i usammenhengende og heterogene overbygg15,20,43,49,74 som hovedsakelig tilskrives bidraget av Woody materialer og klumper effekter innenfor kalesjen10,72. Tvert imot, overvurdering av LAI kan observeres i stands bestående av arter (f. eks poppel) som kan erstatte sine blader i den voksende sesongen11. Deblonde et al.75 kvantifisert Woody materialet ved direkte destruktive metoder som er svært tidkrevende og arbeidskrevende. Det er også mulig å anslå Woody bidraget ved hjelp av indirekte måling skille det i nær-infrarød band76, eller ved bakkenett laserskanning enten ved hjelp av en laser Scanner77 eller punkt skyer av LIDAR78 . LAI undervurdering ble spesielt sett innenfor disse overbygg med en ikke-tilfeldig distribusjon (f. eks eviggrønne skogen) der anlegget baldakin analysator undervurderer LAI verdier med ca 35-40% på grunn av løvverk klumper på skyte nivå39 , 79. som en av de mulige metodene for å utføre en nøyaktig Lai-estimering, anbefaler Chen et al.8 og Leblanc et al.80 å kombinere en plante baldakin analysator og tracing stråling og arkitektur av overbygg (TRAC), som kvantifiserer klumper effekt og Woody komponenter. Det er imidlertid for tiden også mulig å korrigere klumper enten ved endelig lengdesnitt metoden81 eller gap-størrelse distribusjonsmetode82 eller en kombinasjon av gap-størrelse distribusjon og den endelige lengden gjennomsnitt metoder83 eller banelengde distribusjon metoden84 som fremgår av Yan et al.35 i sin vurdering studie. Selv om betydelig fremgang er oppnådd i utviklingen av LAI beregninger ved hjelp av indirekte optiske metoder, noen utfordringer gjenstår, spesielt med estimering av blad vinkel fordeling der anvendelsen av aktiv laserskanning teknologi er en av metodene som kan oppdage det, men den tredimensjonale informasjonen ennå ikke er fullt utforsket og implementert35.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingenting å avsløre. Den representative resultatene ble brukt fra artikkelen Černý J, Haninec P, Pokorný R (2018) Leaf området indeksen anslått av direkte, semi-direkte, og indirekte metoder i europeisk bøk og Sycamore lønn stands. Tidsskrift for Skogforskning. Doi: 10.1007/s11676-018-0809-0 (nettutgaven) basert på type tillatelse fra Journal of Forestry Research redaksjonsrådet.

Acknowledgments

Vi står i gjeld til redaksjonsrådet for Journal of Forestry Research for å oppmuntre og autorisere oss til å bruke representative resultater i denne protokollen fra artikkelen publisert der. Vi takker også to anonyme anmeldere for sine verdifulle kommentarer, som har vesentlig forbedret manuskriptet. Forskningen ble finansiert av Landbruksdepartementet i den tsjekkiske republikk, institusjonell støtte MZE-RO0118 og National Agency of Agricultural Research (Project no. QK1810126).

Materials

Name Company Catalog Number Comments
Area Meter LI-COR Biosciences Inc., NE, USA LI-3100C https://www.licor.com/env/products/leaf_area/LI-3100C/
Computer Image Analysis System Regent Instruments Inc., CA WinFOLIA http://www.regentinstruments.com/assets/images_winfolia2/WinFOLIA2018-s.pdf
File Viewer LI-COR Biosciences Inc., NE, USA FV2200C Software https://www.licor.com/env/products/leaf_area/LAI-2200C/software.html
Laboratory oven Amerex Instruments Inc., CA, USA CV150 https://www.labcompare.com/4-Drying-Ovens/2887-IncuMax-Convection-Oven-250L/?pda=4|2887_2_0|||
Leaf Image Analysis System Delta-T Devices, UK WD3 WinDIAS https://www.delta-t.co.uk/product/wd3/
Litter traps Any NA See Fig. 2
Needle Any NA Maximum diameter of 2 mm
Plant Canopy Analyser LI-COR Biosciences Inc., NE, USA LAI-2000 PCA LAI-2200 PCA or LAI-2200C as improved versions of LAI-2000 PCA can be used, see: https://www.licor.com/env/products/leaf_area/LAI-2200C/
Portable Laser Leaf Area Meter CID Bio-Science, WA, USA CI-202 https://cid-inc.com/plant-science-tools/leaf-area-measurement/ci-202-portable-laser-leaf-area-meter/
Portable Leaf Area Meter ADC, BioScientic Ltd., UK AM350 https://www.adc.co.uk/products/am350-portable-leaf-area-meter/
Portable Leaf Area Meter Bionics Scientific Technogies (P). Ltd., India BSLM101 http://www.bionicsscientific.com/measuring-meters/leaf-area-index-meter.html
Portable Leaf Area Meter LI-COR Biosciences Inc., NE, USA LI-3000C https://www.licor.com/env/products/leaf_area/LI-3000C/

DOWNLOAD MATERIALS LIST

References

  1. Chen, J. M., Black, T. A. Defining leaf area index for non-flat leaves. Plant, Cell and Environment. 15, (4), 421-429 (1992).
  2. Sellers, J. P., et al. Modelling the exchanges of energy, water, and carbon between continents and the atmosphere. Science. 275, 502-509 (1997).
  3. Calvet, J. C., et al. An interactive vegetation SVAT model tested against data from six contrasting sites. Agricultural and Forest Meteorology. 92, (2), 73-95 (1998).
  4. Wang, Y. P., Leuning, R. A two-leaf model for canopy conductance, photosynthesis and partitioning of available energy. I. Model description and comparison with multi-layered model. Agricultural and Forest Meteorology. 91, (1-2), 89-111 (1998).
  5. Asner, G. P., Scurlock, J. M. O., Hicke, J. A. Global synthesis of leaf area index observations: implications for ecological and remote sensing studies. Global Ecology and Biogeography. 12, 191-205 (2003).
  6. Welles, J. M. Some indirect methods of estimating canopy structure. Remote Sensing Reviews. 5, (1), 31-43 (1990).
  7. Welles, J. M., Cohen, S. Canopy structure measurement by gap fraction analysis using commercial instrumentation. Journal of Experimental Botany. 47, (302), 1335-1342 (1996).
  8. Chen, J. M., Rich, P. M., Gower, S. T., Norman, J. M., Plummer, S. Leaf area index of boreal forests: Theory, techniques, and measurement. Journal of Geophysical Research. 102, (D24), 29429-29443 (1997).
  9. Weiss, M., Baret, F., Smith, G. J., Jonckheere, I., Coppin, P. Review of methods for in situ leaf area index (LAI) determination. Part II. Estimation of LAI, errors and sampling. Agricultural and Forest Meteorology. 121, 37-53 (2004).
  10. Bréda, N. J. J. Ground-based measurements of leaf area index: a review of methods, instruments and current controversies. Journal of Experimental Botany. 54, 2403-2417 (2003).
  11. Jonckheere, I., et al. Review of methods for in situ leaf area index determination. Part I. Theories, sensors, and hemispherical photography. Agricultural and Forest Meteorology. 121, (1-2), 19-35 (2004).
  12. Zheng, G., Moskal, M. Retrieving leaf area index (LAI) using remote sensing: theories, methods and sensors. Sensors. 9, (4), 2719-2745 (2009).
  13. Fassnacht, K. S., Gower, S. T., Norman, J. M., McMurtrie, R. E. A comparison of optical and direct methods for estimating foliage surface area index in forests. Agricultural and Forest Meteorology. 71, (1-2), 183-207 (1994).
  14. Gower, S. T., Kucharik, C. J., Norman, J. M. Direct and indirect estimation of leaf area index, fAPAR, and net primary production of terrestrial ecosystems. Remote Sensing of Environment. 70, (1), 29-51 (1999).
  15. Chason, J. W., Baldocchi, D. D., Huston, M. A. A comparison of direct and indirect methods for estimating forest canopy leaf area. Agricultural and Forest Meteorology. 57, (1-3), 107-128 (1991).
  16. Eriksson, H., Eklundh, L., Hall, K., Lindroth, A. Estimating LAI in deciduous forest stands. Agricultural and Forest Meteorology. 129, (1-2), 27-37 (2005).
  17. Ukonmaanaho, L., Pitman, R., Bastrup-Birk, A., Bréda, N. J. J., Rautio, P. Sampling and analysis of litterfall. Manual Part XIII. In: UNECE ICP Forests Programme Co-ordinating Centre (ed.): Manual on methods and criteria for harmonized sampling, assessment, monitoring and analysis of the effects of air pollution on forests. Thünen Institute for Forest Ecosystems. Eberswalde, Germany. (2016).
  18. McShane, M. C., Carlile, D. W., Hinds, W. T. The effect of collector size on forest litter-fall collection and analysis. Canadian Journal of Forest Research. 13, (6), 1037-1042 (1993).
  19. Battaglia, M., Cherry, M., Beadle, C., Sands, P., Hingston, A. Prediction of leaf area index in eucalypt plantations: effects of water stress and temperature. Tree Physiology. 18, (8-9), 521-528 (1998).
  20. Dufrêne, E., Bréda, N. J. J. Estimation of deciduous forest leaf area index using direct and indirect methods. Oecologia. 104, (2), 156-162 (1995).
  21. Fleck, S., et al. Leaf area measurements. Manual Part XVII. In: UNECE ICP Forests Programme Co-ordinating Centre (Ed.) Manual of methods and criteria for harmonized sampling, assessment, monitoring and analysis of the effects of air pollution on forests. Thünen Institute of Forest Ecosystems. Eberswalde, Germany. (2016).
  22. Fellner, H., Dirnberger, G. F., Sterba, H. Specific leaf area of European larch (Larix decidua Mill.). Trees-Structure and Function. 30, (4), 1237-1244 (2016).
  23. Niinemets, Ü Acclimation to low irradiance in Picea abies: influence of past and present light climate on foliage structure and function. Tree Physiology. 17, (11), 723-732 (1997).
  24. Čermák, J. Leaf distribution in large trees and stands of the floodplain forest in southern Moravia. Tree Physiology. 18, (11), 727-737 (1998).
  25. Chianucci, F., Cutini, A. Estimation of canopy properties in deciduous forests with digital hemispherical and cover photography. Agricultural and Forest Meteorology. 168, 130-139 (2013).
  26. Essaghi, S., Hachmi, M., Yessef, M., Dehhaoui, M. Leaf shrinkage: a predictive indicator of the potential variation of the surface area-to-volume ratio according to the leaf moisture content. SpringerPlus. 5, 1229 (2016).
  27. Chianucci, F., MacFarlane, C., Pisek, J., Cutini, A., Casa, R. Estimation of foliage clumping from the LAI-2000 Plant Canopy Analyser: effect of view caps. Trees-Structure and Function. 29, 355-366 (2015).
  28. Bequet, R. Environmental determinants of the temporal and spatial variability in leaf area index of Fagus sylvatica L., Quercus robur L., and Pinus sylvestris L. Thesis. University of Antwerp. Antwerp. (2011).
  29. Goodall, D. W. Some considerations in the use of point quadrats for the analysis of vegetation. Australian Journal of Biological Sciences. 5, (1), 1-41 (1952).
  30. Warren Wilson, J. Analysis of the spatial distribution of foliage by two-dimensional point quadrats. New Phytologist. 58, (1), 92-99 (1959).
  31. Warren Wilson, J. Inclined point quadrats. New Phytologist. 59, (1), 1-7 (1960).
  32. Warren Wilson, J. Estimation of foliage denseness and foliage angle by inclined point quadrants. Australian Journal of Botany. 11, (1), 95-105 (1963).
  33. Nizinski, J. J., Saugier, B. A model of leaf budding and development for a mature Quercus forest. Journal of Applied Ecology. 25, (2), 643-655 (1988).
  34. LI-COR. Instruction manual. LAI-2200 Plant Canopy Analyzer. LI-CORM. Lincoln, Nebraska, USA. (2011).
  35. Yan, G., et al. Review of indirect optical measurements of leaf area index: Recent advances, challenges, and perspectives. Agricultural and Forest Meteorology. 265, 390-411 (2018).
  36. Hicks, S. K., Lascano, R. J. Estimation of leaf area index for cotton canopies using the Li-Cor LAI 2000 plant canopy analyser. Agronomy Journal. 87, 458-464 (1995).
  37. He, Y., Guo, X., Wilmshurst, J. F. Comparison of different methods for measuring leaf area index in a mixed grassland. Canadian Journal of Plant Science. 87, (4), 803-813 (2007).
  38. Černý, J., Haninec, P., Pokorný, R. Leaf area index estimated by direct, semi-direct, and indirect methods in European beech and sycamore maple stands. Journal of Forestry Research. online version, 1-10 (2018).
  39. Gower, S. T., Norman, J. M. Rapid estimation of leaf area index in conifer and broad-leaf plantations. Ecology. 72, (5), 1896-1900 (1991).
  40. Planchais, I., Pontailler, J. Y. Validity of leaf areas and angles estimated in a beech forest from analysis of gap frequencies, using hemispherical photographs and a plant canopy analyser. Annals of Forest Science. 56, (1), 1-10 (1999).
  41. Danner, M., Locherer, M., Hank, T., Richter, K. Measuring leaf area index (LAI) with the Li-Cor LAI 2200C or LAI-2200 (+2200 Clear Kit) – Theory, measurement, problems, interpretation. EnMAP Field Guide Technical Report, GFZ Data Services. (2015).
  42. Chen, J. M., Black, T. A., Adams, R. S. Evaluation of hemispherical photography for determining plant area index and geometry of a forest stand. Agricultural and Forest Meteorology. 56, (1-2), 129-143 (1991).
  43. Stenberg, P. Correcting LAI-2000 estimates for the clumping of needles in shoots of conifer. Agricultural and Forest Meteorology. 79, (1-2), 1-8 (1996).
  44. Chen, J. M., Cihlar, J. Quantifying the effect of canopy architecture on optical measurements of leaf area index using two gap size analysis methods. IEEE Transactions on Geosciences and Remote Sensing. 33, (3), 777-787 (1995).
  45. Chen, J. M. Optically-based methods for measuring seasonal variation of leaf area index in boreal conifer stands. Agricultural and Forest Meteorology. 80, (2-4), 135-163 (1996).
  46. Lang, A. R. G. Application of some Cauchy’s theorems to estimation of surface area of leaves, needles and branches of plants and light transmittance. Agricultural and Forest Meteorology. 55, (3-4), 191-212 (1991).
  47. Kobayashi, H., Ryu, Y., Baldocchi, D. D., Welles, J. M., Norman, J. M. On the correct estimation of gap fraction: How to remove scattered radiation in gap fraction measurements? Agricultural and Forest Meteorology. 170-183, 170-183 (2013).
  48. Sprintsin, M., Cohen, S., Maseyk, K., Rotenberg, E., Grünzweig, J., Karnieli, A., Berliner, P., Yakir, D. Long term and seasonal courses of leaf area index in semi-arid forest plantation. Agricultural and Forest Meteorology. 151, (5), 565-574 (2011).
  49. Cutini, A., Matteucci, G., Mugnozza, G. S. Estimation of leaf area index with the Li-Cor LAI 2000 in deciduous forests. Forest Ecology and Management. 105, (1-3), 55-65 (1998).
  50. Woodgate, W., Soto-Berelov, M., Suarez, L., Jones, S., Hill, M., Wilkes, P., Axelsson, C., Haywood, A., Mellor, A. Searching for the optimal sampling design for measuring LAI in an upland rainforest. Proceedings of the Geospatial Science Research Symposium GSR2, December, Melbourne, Australia, (2012).
  51. Baret, F., et al. VALERI: a network of sites and a methodology for the validation of medium spatial resolution land satellite products. Remote Sensing of Environment. 76, (3), 1-20 (2008).
  52. Majasalmi, T., Rautiainen, M., Stenberg, P., Rita, H. Optimizing the sampling scheme for LAI-2000 measurements in a boreal forest. Agricultural and Forest Meteorology. 154-155, 38-43 (2012).
  53. Calders, K., et al. Variability and bias in active and passive ground-based measurements of effective plant, wood and leaf area index. Agricultural and Forest Meteorology. 252, 231-240 (2018).
  54. Leblanc, S. G., Chen, J. M. A practical method for correcting multiple scattering effects on optical measurements of leaf area index. Agricultural and Forest Meteorology. 110, 125-139 (2001).
  55. Rich, P. M. Characterizing plant canopies with hemispherical photographs. Remote Sensing Reviews. 5, (1), 13-29 (1990).
  56. Čater, M., Schmid, I., Kazda, M. Instantaneous and potential radiation effect on underplanted European beech below Norway spruce canopy. European Journal of Forest Research. 132, (1), 23-32 (2013).
  57. Le Dantec, V., Dufrêne, E., Saugier, B. Interannual and spatial variation in maximum leaf area index of temperate deciduous stands. Forest Ecology and Management. 134, (1-3), 71-81 (2000).
  58. Mussche, S., Samson, R., Nachtergale, L., De Schrijver, A., Lemeur, R., Lust, N. A comparison of optical and direct methods for monitoring the seasonal dynamics of leaf area index in deciduous forests. Silva Fennica. 35, (4), 373-384 (2001).
  59. Bequet, R., Campioli, M., Kint, V., Vansteenkiste, D., Muys, B., Ceulemans, R. Leaf area index development in temperate oak and beech forests is driven by stand characteristics and weather conditions. Trees-Structure and Function. 25, (5), 935-946 (2011).
  60. Neumann, H. H., Den Hartog, G. D., Shaw, R. H. Leaf-area measurements based on hemispheric photographs and leaf-litter collection in a deciduous forest during autumn leaf-fall. Agricultural and Forest Meteorology. 45, (3-4), 325-345 (1989).
  61. Küßner, R., Mosandl, R. Comparison of direct and indirect estimation of leaf area index in mature Norway spruce stands of eastern Germany. Canadian Journal of Forest Research. 30, (3), 440-447 (2000).
  62. Pokorný, R., Marek, M. V. Test of accuracy of LAI estimation by LAI-2000 under artificially changed leaf to wood area proportions. Biologia Plantarum. 43, (4), 537-544 (2000).
  63. Pokorný, R. Estimation of leaf area index in pure forest stands. Certificated methodology. L.V. Print, Uherské Hradišt? (2015).
  64. Lang, A. R. G., Yueqin, X., Norman, J. M. Crop structure and the penetration of direct sunlight. Agricultural and Forest Meteorology. 35, (1-4), 83-101 (1985).
  65. Niinemets, Ü, Kull, K. Leaf weight per area and leaf size of 85 Estonian woody species in relation to shade tolerance and light availability. Forest Ecology and Management. 70, (1-3), 1-10 (1994).
  66. Bouriaud, O., Soudani, K., Bréda, N. J. J. Leaf area index from litter collection: impact of specific leaf area variability within a beech stand. Canadian Journal of Remote Sensing. 29, (3), 371-380 (2003).
  67. Burton, A. J., Pregitzer, K. S., Reed, D. D. Leaf area and foliar biomass relationships in northern hardwood forests located along an 800 km acid deposition gradient. Forest Science. 37, (4), 1041-1059 (1991).
  68. Finotti, R., Rodrigues, F. S., Cerqueira, R., Vinícius, V. M. A method to determine the minimum number of litter traps in litterfall studies. Biotropica. 35, (3), 419-421 (2003).
  69. Yang, Y., Yanai, R. D., See, C. R., Arthur, M. A. Sampling effort and uncertainty in leaf litterfall mass and nutrient flux in northern hardwood forests. Ecosphere. 8, (11), e01999 (2017).
  70. Law, B. E., Cescatti, A., Baldocchi, D. D. Leaf area distribution and radiative transfer in open-canopy forests: implications for mass and energy exchange. Tree Physiology. 21, (12-13), 777-787 (2001).
  71. Guiterman, C. H., Seymour, R. S., Weiskittel, A. R. Long-term thinning effects on the leaf area of Pinus strobus L. as estimated from litterfall and individual-tree allometric models. Forest Science. 58, (1), 85-93 (2013).
  72. Liu, Z., Chen, J. M., Jin, G., Qi, Y. Estimating seasonal variations of leaf area index using litterfall collection and optical methods in four mixed evergreen-coniferous forests. Agriculture and Forest Meteorology. 209, 36-48 (2015).
  73. LI-COR. Instruction Manual. LAI-2000 Plant Canopy Analyzer. LI-COR. Lincoln, Nebraska, USA. (1991).
  74. Mason, E. G., Diepstraten, M., Pinjuv, G. L., Lasserre, J. P. Comparison of direct and indirect leaf area index measurements of Pinus radiata D. Don. Agricultural and Forest Meteorology. 166-167, 113-119 (2012).
  75. Deblonde, G., Penner, M., Royer, A. Measuring leaf-area index with the Li-Cor Lai-2000 in pine stands. Ecology. 75, (5), 1507-1511 (1994).
  76. Zou, J., Yan, G., Zhu, L., Zhang, W. Woody-to-total area ratio determination with a multispectral canopy imager. Tree Physiology. 29, (8), 1069-1080 (2009).
  77. Zhu, X., et al. Improving leaf area index (LAI) estimation by correcting for clumping and woody effects using terrestrial laser scanning. Agricultural and Forest Meteorology. 263, 276-286 (2018).
  78. Li, Z., Strahler, A., Schaaf, C., Jupp, D., Schaefer, M., Olofsson, P. Seasonal change of leaf and woody area profiles in a midaltitude deciduous forest canopy from classified dual-wavelenght terrestrial lidar point clouds. Agricultural and Forest Meteorology. 262, 279-297 (2018).
  79. Chen, J. M., Black, T. A. Foliage area and architecture of plant canopies from sunfleck size distributions. Agricultural and Forest Meteorology. 60, (3-4), 249-266 (1992).
  80. Leblanc, S. G., Chen, J. M., Fernandes, R., Deering, D. V., Conley, A. Methodology comparison for canopy structure parameters extraction from digital hemispherical photography in boreal forests. Agricultural and Forest Meteorology. 129, (3-4), 187-207 (2005).
  81. Lang, A. R. G., Yueqin, X. Estimation of leaf area index from transmission of direct sunlight in discontinuous canopies. Agricultural and Forest Meteorology. 37, (3), 229-243 (1986).
  82. Leblanc, S. G. Correction to the plant canopy gap-size analysis theory used by the Tracing Radiation and Architecture of Canopies instrument. Applied Optics. 41, (36), 7667-7670 (2002).
  83. Leblanc, S. G., Chen, J. M., Kwong, M. Tracing Radiation and Architecture of Canopies MANUAL 2.1.4. Natural Resources Canada. (2005).
  84. Hu, R., Yan, G., Mu, X., Luo, J. Indirect measurement of leaf area index on the basis of path length distribution. Remote Sensing of Environment. 155, 239-247 (2014).
Leaf Area index estimering bruke tre distinkte metoder i Pure løvskog stands
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