Waiting
Login processing...

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

Environment

Оценка индекса листа, используя три различных метода в чистых лиственных стендах

doi: 10.3791/59757 Published: August 29, 2019

Summary

Точная оценка индекса площади листьев (ЛАИ) имеет решающее значение для многих моделей материальных и энергетических колебаний в экосистемах растений и между экосистемой и атмосферным пограничным слоем. Таким образом, три метода (ловушки для мусора, техника иглы и PCA) для принятия точных измерений LAI были в представленном протоколе.

Abstract

Точные оценки индекса площади листьев (LAI), определяемого как половина общей площади поверхности листьев на единицу горизонтальной площади поверхности земли, имеют решающее значение для описания структуры растительности в области экологии, лесного хозяйства и сельского хозяйства. Поэтому процедуры трех коммерчески используемых методов (ловушки для мусора, техника иглы и анализатор растительного навеса) для выполнения оценки LAI были представлены шаг за шагом. Были сопоставлены конкретные методологические подходы, и в этом протоколе обсуждались их текущие преимущества, противоречия, проблемы и перспективы на будущее. Помет ловушки, как правило, считаются в качестве эталонного уровня. И техника иглы, и анализатор растительного навеса (например, LAI-2000) часто недооценивают значения LAI по сравнению с эталоном. Техника иглы проста в использовании в лиственных стендах, где помет полностью разлагается каждый год (например, дуб и бук стоит). Однако необходима калибровка на основе мусорных ловушек или прямых разрушительных методов. Анализатор навеса завода является широко используемым устройством для выполнения оценки LAI в экологии, лесном хозяйстве и сельском хозяйстве, но подвержен потенциальной ошибке из-за слипания листвы и вклада древесных элементов в поле зрения (FOV) датчика. Обсуждалось устранение этих потенциальных источников ошибок. Анализатор навеса завода является очень подходящим устройством для выполнения оценок LAI на высоком пространственном уровне, наблюдения сезонной динамики LAI, а также для долгосрочного мониторинга LAI.

Introduction

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

LAI, определяется как половина от общей площади поверхности листа на единицу горизонтальной площади поверхности земли1, является ключевой переменной, используемой во многих био-геофизических и химических моделей обмена сосредоточены на углеродных и водных потоках2,3, 4. LAI прямо пропорциональна активной поверхности листьев, где она управляет первичным производством (фотосинтез), транспирацией, обменом энергией и другими физиологическими атрибутами, связанными с рядом экосистемных процессов на заводе общины5.

Разработаны многочисленные подходы и инструменты для выполнения оценкиLAI, и в настоящее время они доступны на рынке 6,7,8,9. Наземные методы для выполнения оценки LAI могут быть сгруппированы в две основные категории: i) прямые и (ii) косвенные методы10,11,12. Первая группа включает в себя методы измерения области листьев непосредственно, в то время как косвенные методы вывод LAI из измерений более легко измеримых параметров, используя теорию радиационного перевода (с точки зрения времени, трудоемкости и технологии)13 ,14.

Этот протокол касается практического использования подстилков ловушек и техники иглы, как неразрушающие полупрямые методы10; и оптическое устройство завода навес анализатор в качестве косвенного метода6,7 для выполнения оценки LAI на выбранном образце из умеренной лиственных лесных стендов в Центральной Европе (см. его структурные и дендрометрические характеристики в Приложение А и приложение B).

В лиственных лесах и сельскохозяйственных культурах можно выполнять неразрушительную полупрямую оценку LAI с помощью мусорных ловушек11, распределенных под слоем навеса15. Помет ловушки обеспечивают точные значения LAI для лиственных видов, в которых LAI достигает плато в течение вегетационного периода. Однако, для видов, которые могут заменить листья во время вегетационного периода, такие как тополь, метод переоценивает LAI11. Этот метод предполагает, что содержание ловушек представляет собой среднее количество листьев, которые падают во время лист-падение период на стенде16, особенно в осенние месяцы. Ловушки открываются коробки или сетки(рисунок 1) с предопределенным достаточным размером (минимум 0,18 м2, но предпочтительно более 0,25 м2)10,17, боковые стороны предотвращения ветра от дует листья в / из ловушки, и с перфорированным дном, избегая разложения листьев; которые расположены под слоем навеса изученного стенда, однако, над поверхностью земли11. Распределение ловушек может быть случайным18 или систематическим в трансектах19 или регулярной сетки интервала20. Количество и распределение ловушек являются важнейшим методологическим шагом для выполнения точной оценки LAI, отражающей уникальную структуру стенда, пространственную однородность, ожидаемую скорость и направление ветра, особенно в случае разреженных стендов (или переулков и садов), а также работоспособность для оценки данных. Точность оценки LAI увеличивается с ростом частоты ловушек в изученных стендах11,21 (см. рисунок2).

Рекомендуемая частота сбора образцов мусора-падения из каждой ловушки составляет не менее10 и даже два раза в неделю в периоды сильного падения, что может совпадать с обильными осадками. Необходимо предотвратить разложение помета в ловушках и выщелачивание питательных веществ из материала во время дождевых эпизодов в случае химического анализа. После сбора листьев в поле, смешанный подобразий используется для оценки конкретной области листьев (SLA, см2 г-1)22, определяется как свежий прогнозируемой области листьев к его сухой массы соотношение веса. Остальная часть собранного помета высушивается до постоянного веса и используется для расчета сухой массы помета в виде г см-2 в лаборатории. Лист сухой массы на каждой дате сбора преобразуется в области листьев путем умножения собранной биомассы SLA или лист сухой массы на площади (LMA, г см-2) в качестве обратного параметра SLA23,24. Свежий прогнозируемой области конкретных листьев может быть определен с помощью планиметрического подхода. Планиметрический метод основан на зависимости между областью конкретного листа и областью, покрытой листом в горизонтальной поверхности. Лист горизонтально крепится к экрану сканирования, а его среднее измерение измеряется с помощью счетчика области листа. Затем рассчитывается его площадь. Многие измерительные площади листьев, основанные на различных принципах измерения, доступны на рынке. Некоторые из них включают, например, LI-3000C Портативный лист площадь метр, который использует метод ортогоналовой проекции, и LI-3100C площадь метр, который измеряет лист среднем с помощью флуоресцентного источника света и полу-проведенной камеры сканирования. Следующее устройство, CI-202 портативный лазерный лист области метр, коды длина листа с помощью кода читателя. Кроме того, AM350 и BSLM101 Портативный лист площадь метров также широко используются для выполнения точной оценки области листьев.

Кроме того, существуют счетчики площади листа на основе систем, которые анализируют видео. Эти измобующие площади листа состоят из видеокамеры, рамки цифровизации, экрана и ПК, включая подходящее программное обеспечение для анализа данных, такие как WD3 WinDIAS Leaf Image Analysis System11. В настоящее время обычные сканеры, подключенные к ПК, могут быть использованы для оценки области листа. После этого область листа рассчитывается как кратное количество черных пикселей, и ее размер зависит от выбранного разрешения (точки на дюйм - dpi), или область листа измеряется с помощью конкретного программного обеспечения, например, WinFOLIA. Наконец, общая сухая масса листьев, собранных в пределах известной площади поверхности земли, преобразуется в LAI путем умножения на SLA и коэффициент усадки25, который отражает изменения в области свежих и сушеных листьев. Сжатие зависит от видов деревьев, содержания воды и мягкости листьев. Усадка листьев в длину и ширину (что влияет на прогнозируемую площадь), как правило, до 10%26, например, она колеблется от 2,6 до 6,8% для дуба27. Сортировка листьев по видам для взвешивания и установления конкретного соотношения площади листьев необходимо определить вклад каждого вида в общий LAI28.

LAI определение по технике иглы является недорогим методом, полученным из метода наклонной точки квадрата29,30,31,32. В лиственных стендах, это альтернатива для выполнения оценки LAI без использования ловушек10 на основе предположения, что общее количество листьев и их площадь в дереве равны тому, что собирается на поверхности почвы после полного листа-падения20 . Тонкая острая игла прокалывается вертикально в помет, лежащий на земле сразу после листа-падения10. После полного листа-падения листья собираются из земли на иглу вертикального зонда, связаны с контактным номером и равны фактическому значению LAI. Интенсивный отбор проб (100-300 точек отбора проб на изученный стенд на полевой зонд) по методу иглы требуется для количественной оценки среднего контактного номера и правильного получения значения LAI10,20,33.

Tehанализатор растительного навеса(например, LAI-2000 или LAI-2200 PCA) является широко используемым портативным инструментом для выполнения косвенной оценки LAI, принимая измерения передачи света по всему навесу7в отфильтрованную синюю часть светового спектра (320-490 нм)34,35чтобы свести к минимуму вклад света, который прошел через листья, был рассеян навесом и проходит через листву7,34. В синей части светового спектра достигается максимальный контраст между листом и небом, и листва кажется черной на фоне неба34. Таким образом, он основан на анализе фракции разрыва навеса7. Инструмент широко используется для проведения эко-физиологических исследований в растительных сообществах, таких как сельскохозяйственные культуры36Луга37, хвойные стенды8, и лиственные стенды38. Анализатор навеса завода использует оптический датчик рыбьего глаза с FOV 14835проецировать полусферическое изображение навеса на кремниевые детекторы, чтобы расположить их в пять концентрических колец39с центральными углами зенита 7 ", 23", 38 ", 53" и 68 "9,40,41. Пять колпачков для просмотра (т.е.,270 ", 180", 90 ", 45" и 10 ") могут быть использованы для ограничения азимута зрения оптического датчика27чтобы избежать затенения препятствиями на открытой местности (для вышеупомянутого чтения) или оператор в FOV датчика во время оценки LAI может настроить датчик FOV на открытую область для показаний выше навеса. Измерения с использованием анализатора растительного навеса проводятся выше (или на достаточно расширенной открытой местности) и ниже изученного навеса7. Одни и те же колпачки представлений должны использоваться как для выше, так и ниже показаний, чтобы избежать предубеждений по оценке фракции разрыва34. LAI-2000 PCA производит эффективный индекс области листьев (LAIe), как введено Чэнь и др.42, или, скорее, эффективный индекс площади завода (PAIe), так как древесные элементы включены в значение считывания датчика. В лиственных стендов с плоскими листьями, LAIe такой же, как геми-поверхность LAI. В случае вечнозеленых лесных стендов, LAIe необходимо исправить для слипания эффект на уровне побега (SPAR, STAR)43, индекс слипания в масштабах больше, чем стрелять (яп.E)44, и вклад древесных элементов, включая стебли и ветви (т.е.,коэффициент древесного к общей площади),45которые вызывают систематическое недооценку LAI20. Индекс слипания на более высокой пространственной шкале, чем побег или лист, может быть количественно оценен как очевидный индекс слипания (ACF), который может быть оценен с помощью анализатора растительного навеса при использовании более ограничительных колпачков представления27. Как утверждают эти авторы, что это ACF выводится из соотношения значений LAI рассчитывается из передачи различными процедурами для однородных и неоднородных навесов в соответствии с Ланг46, мы предполагаем, что этот индекс слипания описывает скорее однородность навеса. Помимо расчета ACF, новые крышки диффузора, которые позволяют более широкое применение LAI-2200 PCA в отношении погодных условий, меню пользователя вместо кодов Fct, и возможность принять гораздо больше измерений за файл сессии являются одними из основных технологические усовершенствования по сравнению с бывшим ИПХ ЛАИ-200034,47. Измерения и последующие внутренние расчеты программного обеспечения основаны на четырех предположениях: (1) свет блокирующие растительные элементы, включая листья, ветви и стебли, случайным образом распределены в навесе, (2) листва является оптически черным телом, которое поглощает все свет он получает, (3) все элементы завода являются той же проекцией на горизонтальную поверхность земли, как простая геометрическая выпуклая форма, (4) элементы растений малы по сравнению с областью, покрытой каждым кольцом11.

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 оценивается с использованием мусора ловушки

  1. Во-первых, провести полевое обследование, исследуя условия и структуру исследуемых стендов (т.е. наклон и экспозицию склона, типа леса или растительности, плотность леса или растительности, однородность закрытия навеса, кроны размер, и высота основания кроны).
  2. Выберите подходящий тип ловушки для размещения под навесом, выбрав размер сетки сетки на основе размера ассимиляционного аппарата изученных стендов (т.е. размер сетки должен быть меньше, чем размер захваченной ассимиляции аппарат), затем номер и распространять ловушки в рамках изученных стендов, а затем пометить их.
    1. Как правило, используйте ряд ловушек в диапазоне от 15 до 25 на исследованный стенд25,48 с площадью захвата от 0,18 м2 до 0,5 м2 или более, особенно для видов деревьев с большими листьями, такими как тополь10 ,17,48.
    2. Поместите ловушки на регулярном интервале на протяжении всего изученного стенда в течение одного или двух взаимно перпендикулярных трансектов или обычной сетки(рисунок 2). Надлежащая конструкция выборки, процедура и анализ падения мусора также описаны Ukonmaanaho et al.17 или Fleck et al.21.
      1. Определите расстояние между ловушками на размерах кроны, замыкание навеса и текстуру стенда.
      2. Увеличьте количество ловушек помета как с ростом площади стенда, так и с неоднородностью в текстуре.

Figure 2
Рисунок 1: Различные типы ловушек для мусора и их расположение в пределах стенда.
Слева: древесные, пластиковые, пластиковые коробки и металлическая конструкция. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

  1. Установите ловушки в начале вегетационного периода (скоро после промывки листьев, потому что падение листьев может произойти из-за повреждения насекомыми или чрезвычайно сухих погодных явлений в летний период).
    1. Твердо зафиксировать каждую из ловушек над поверхностью земли и под навесом стенда так, чтобы не было никаких изменений в зоне захвата. Поддерживайте каждую из ловушек в горизонтальном положении и стабильно нормализованной зоне захвата. Примеры различных видов ловушек представлены на рисунке 1 или, например, в Ukonmaanaho et al.17.

Figure 1
Рисунок 2: Регулярная схематическая схема распределения пометных ловушек в лесу отличается определенной однородностью.
Однородность уменьшается слева. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

  1. Поместите ловушки над поверхностью земли (минимум 0,1 м), чтобы воздух мог дуть под собираемые части ловушек. Как правило, высота ловушек составляет 1 м над поверхностью земли25,38,49.
  2. Выберите шаг времени для сбора мусора в отношении типичного течения погоды в исследуемом участке и интенсивности падения мусора. Стандартный шаг времени колеблется от 1 до 4 недель (более короткий шаг времени должен быть использован в дождливую погоду, чтобы избежать разложения мусора и во время интенсивных листьев падает).
    1. Во время каждого из измерений проверяйте прочность рам ловушки, компактность сетей или коробок и выравнивание всей ловушки (т.е. горизонтальное положение ловушки).
  3. Поместите собранный помет из каждой из ловушек в ранее маркированные бумажные пакеты.
    1. Транспортировать все образцы предпочтительно в холодных коробках, или при необходимости, временно хранить при 4 градусах Цельсия, но не замораживать17 из-за повреждения тканей листьев.
  4. После транспортировки образцов в лабораторию отделите аппарат ассимиляции от других компонентов мусора (ветви, семена, кора, цветы; в зависимости от вида деревьев при необходимости).
  5. Сразу же после сортировки проанализируйте часть смешанного (перемешиваемого) образца каждой пометной ловушки для выполнения оценки SLA (т.е. соотношения между прогнозируемой площадью листьев и ее сухой массой).
    1. Учитывая, что различные виды деревьев и даже виды листвы (солнечные и затененные) с различиями в свойствах происходят в пределах вертикального профиля кроны, тщательно перемешать образец из каждой ловушки перед выбором листьев для выполнения SLA (LMA) оценки11 . Как есть разница между свежим и сухим листом прогнозируемой области из-за усадки, оценка коэффициента коррекции усадки из подобразца свежих (зеленых) листьев26.
      1. Собирайте листья пропорционально (так же, как в смешанном подобразце из ловушки) со всех видов деревьев, расположенных на стенде.
    2. Отделить подобразия подсчета по крайней мере 100-200 листьев от всех используемых ловушек21,27 для выполнения оценки SLA.
      1. Поместите листья в плоской, прямой манере либо на доску сканирования или измеритель площади листа, и необходимо избегать перекрытия листьев там.
      2. Как сушеные листья помета можно сложить или локон, замочить их в горячей воде (60-70 градусов по Цельсию) в течение короткого времени17,21. Это было установлено, чтобы сгладить листья достаточно для принятия измерений, но особенно после долгого времени замачивания, они теряют вес.
      3. Если измеритель площади сканера или листа не позволяет верхнему освещению (чтобы избежать отражения и затенения), используйте подходящее распределение листьев либо на сканирующей доске, либо на конвейере счетчика площади листа (т.е. листья помещаются перпендикулярно сканирующей фаре), так что тени не образуются во время сканирования движения фар, потому что трудно удалить тени во время последующей обработки данных.
      4. Если используется сканер, подключенный к ПК, используйте разрешение черно-белых снимков 200 dpi как минимум на основе достаточной точности области.
        1. Чтобы избежать отражения, которое видно как световые пиксели в листьях, при использовании обычного сканера, отрегулируйте яркость сканирования, чтобы достичь соответствующего порога(рисунок 3). Программное обеспечение (например, WinFOLIA) затем оценивает область листа, подсчитывая темные пиксели в сканировании и преобразует их с помощью известного разрешения dpi.
    3. Высушите этот подобразий, предназначенный для оценки SLA в течение 48 часов при 80 или 105 градусах По Цельсия, чтобы достичь постоянного веса. Используйте вентилируемую духовку с термостатом для гомогенизации и поддержания внутренней температуры (например, IncuMax CV150).
      ПРИМЕЧАНИЕ: Содержание воды в листьях остается фиксированной водой в клетках, когда сушка печи происходит при более низких температурах. При сушке при 105 градусах Цельсия в пробе растения не остаетсяводы 17.
    4. Взвешивание сухой массы этого подобразца с использованием лабораторных весов с высокой степенью точности 1 г как минимум.
      1. Проверьте выравнивание лабораторных весов и избегайте внешних эффектов (например, дует сильный ветер в лаборатории во время взвешивания).
    5. Рассчитайте значение SLA как свежую прогнозируемую площадь листьев подобразца, предназначенного для оценки SLA, разделенной на ее сухой массой массы.

Figure 3
Рисунок 3: Сканирование образца листа с примером правильного сканирования качества (на левой стороне) и неправильное сканирование (правая сторона)
когда яркость должна быть скорректирована для устранения отражения видны как белые пиксели внутри тела листьев и / или где поверхности грязи (a) и любой эффект края (b ) должны быть удалены, прежде чем сделать анализ области.

  1. Печь-сухой остальной образец (т.е.собранные листья) для каждой ловушки в течение 48 часов при той же температуре, которая была использована для оценки SLA, т.е., на 80 или 105 градусов по Цельсию, чтобы достичь постоянного веса.
  2. Умножьте сухой массовый вес остальной части образца для каждой конкретной ловушки помета на правильное значение SLA, чтобы достичь общей прогнозируемой площади листа в ловушку.
  3. Повторите шаги от 1,5 до 1,9 для каждого из изученных стендов и каждой даты сбора мусора.
  4. Рассчитайте LAI как соотношение совокупной общей площади листьев оценивается с использованием мусора ловушки и захвата области мусора ловушки.

2. Техника иглы для принимать измерения LAI

  1. Первоначально, выполнить полевое обследование, исследовать условия участка и структуру изученных стендов (т.е. наклон и экспозиция склона, леса или растительности типа, лес или плотность растительности, однородность закрытия навеса, размер кроны, и высота основания кроны).
  2. Сразу же после полного лист-падения подготовьте все необходимое оборудование, включая достаточно длинную острую металлическую иглу с максимально малым диаметром (максимально 2,0 мм в диаметре).
  3. Выберите подходящее количество случайно распределенных точек выборки (не менее 100)10,20,38 на основе структуры навеса каждого изученного стенда.
    ПРИМЕЧАНИЕ: Как правило, чем больше точек выборки, тем выше точность оценки LAI в исследуемом стенде (количество точек выборки должно увеличиваться по отношению к размеру исследуемого участка и структуре навеса).
  4. Используя металлическую иглу, прокалывай листья под более или менее похожим углом через слой свежевыпавших листьев, лежащих на поверхности земли в каждой из проверенных точек отбора проб.
    1. Используйте любой угол удара, так как эти опавшие листья не имеют никакого отношения к их предыдущей позиции в пределах навеса.
  5. Проверьте, чтобы убедиться, что только свежевыпавшие листья присутствуют на игле. В случае наличия частично разложившихся листьев с предыдущего года, удалите их из иглы.
  6. Подсчитайте количество листьев, пронизывают иглу с каждым ударом в каждой точке отбора проб.
  7. Повторите шаги от 2,4 до 2,6 для всех проверенных точек выборки.
  8. Подсчитайте общее количество всех листьев, пронизывают иглу в пределах всегостенда (т.е. не менее 100 точек отбора проб).
  9. Разделите эту сумму на количество ударов (т.е. считая арифметическое среднее). В результате арифметическое среднее значение равняется реальному значению LAI на уровне стенда. Примечание: Среднее количество всех свежих листьев, собранных на игле, соответствует истинному значению LAI исследуемого лесного стенда.

3. Завод навес анализатор оптического устройства для выполнения оценки LAI

  1. В начале, выполнить полевое обследование, в том числе изучение условий участка и структуры изученных стендов (т.е. наклон и экспозиция склона, леса или растительности типа, леса или растительности плотность, однородность замыкание навеса, размер кроны и высота основания кроны).
  2. Найти подходящую открытую область (очистку) с идентичными условиями неба, как над наблюдаемым участком, расположенный на максимальном расстоянии 1 кмот 21, который требуется для чтения над подохнув датчика.
    1. Как завод навес анализатор позволяет пользователю использовать различные FOV в обоих azimuth (по ограничению просмотра шапки), а также зенит (через обработку программного обеспечения кольцом маскировки) направления, применять тот же колпачок (и его ориентация) как выше, так и ниже навеса Показания.
    2. Выизуйте размер открытой площади и использование соответствующего ограничения представления из сферы Действия FOV. Известный FOV датчика из вертикали в зенитной ориентации и оценка высоты ближайших препятствий (деревья, местность, здания) обеспечивают наиболее подходящее решение, где достаточный размер открытой площади может быть рассчитан в соответствии с уравнение 1:
      Y й H'tg (1),
      Где Y является необходимым расстоянием от ближайшего барьера; H означает высоту препятствия; - означает FOV в направлении от вертикального(рисунок 4). Вместо открытой зоны, башня выше, чем стенд исследуемых стенд может быть использован для принятия выше навеса чтения21.
      1. При расчете размера открытой местности примите во внимание наклон и неоднородность местности.

Figure 4
Рисунок 4: Схематичное изображение FOV датчика (серая область).
- это датчик FOV; H обозначает высоту ближайшего препятствия; Y означает горизонтальное расстояние между оператором и препятствием63.

  1. На основе структурных параметров стенда (однородность навеса), определить подходящий номер точки выборки, расположение равноудаленных точек отбора проб, расположенных в либо трансекта, или сетки для принятия ниже навеса показания в изученном стенде9.
    1. Вывести соответствующее расстояние от изменчивости ниже навеса чтения в поле.
      1. Медленно двигайтесь с датчиком ниже навеса в трансекте и наблюдайте за изменчивостью самых верхних кольцевых показаний. Небольшая изменчивость, прерванная более высокими значениями, является общим результатом. Половину расстояния между этими пиковыми значениями изменчивости следует считать уместным.
    2. Если проводится наблюдение за сезонной динамикой LAI, используйте постоянную фиксацию трансектов или точек отбора проб в исследуемом стенде (например, деревянными кольями или геологическими металлическими палочками).
      ПРИМЕЧАНИЕ: Количество и интервал трансектов зависят от конкретной структуры навеса стенда(рисунок5).
    3. В однородных стендах достаточное количество трансектов колеблется от 1 до 3. В случае высокой неоднородности, применять регулярную сетку точек отбора проб. Выберите ориентацию трансектов в отношении наклона и распределения деревьев на стенде, особенно в случае интервала строки. Расстояние между конкретными точками отбора проб определяется в отношении неоднородности стенда, размеров кроны, высоты основания кроны и датчика FOV(рисунок6). В однородных стендах количество точек отбора проб обычно колеблется от 5 до 36 46,50. Особые образцы выборки также описаны Baret et al.51; Majasalmi et al.52; Вудгейт и др.50; Флек и др.21; Колдерс и др.53.
      1. С наклонной местности, сориентировать вид датчика вдоль уровня кривых.

Figure 5
Рисунок 5: Планы измерений в чистых лиственных стендах.
(A), (B) Layouts оптимального размещения конкретных трансектов в чистой плантации, установленной по посадке линии (т.е. прямоугольный интервал). (C) Расположение оптимального размещения конкретных трансектов в чистой плантации, установленной по посадке линии на треугольном интервале. (D) Расположение оптимального размещения конкретных трансектов в чистой плантации, установленной по линии посадки с двумя совершенно разными частями. (E) Расположение оптимального размещения конкретных трансектов в стенде с четырьмя заметно отдельными частями стенда. (F) Расположение оптимального размещения конкретных трансектов в чистой плантации, установленной по линии посадки с двумя различными частями. (G) Расположение оптимального размещения конкретных трансектов в чистой плантации, установленной по линии посадки с тремя заметно различных частей, представляющих 50%, 25%, и 25% от всей площади стенда. (H) Макет размещения трансектов на стендах, установленных естественной регенерации, где примерно 12 точек измерения на трансекта достаточно с точки зрения точности. Серые трансекты могут быть исключены из измерения.

Figure 6
Рисунок 6: Схематичное изображение интервала между точками измерения в пределах трансектов в отношении FOV, плотности стенда и высоты основания кроны.
a:подходящее расстояние интервала в случае схематично отображаемого датчика высоты и вида, и высота основания кроны, c: неподходящее расстояние интервала, так как некоторые части навеса (d - в белом) не видны датчиком. Таким образом, расстояние между курсом должно быть исправлено (по b, т.е. a q c - b), c': также исправлено, подходящее расстояние интервала из-за исправленного увеличенного угла обзора датчика (тонкая пунктирная линия).

  1. Хотя некоторые возможности и корректировки оценки LAI в солнечных условиях представлены47,54, провести все измерения под рассеянным световым небом (стандартный пасмурный) и безветренной условиях55, 56 (см. рисунок 7). Несмотря на то, что анализатор навеса завода позволяет коррекцию рассеяния света для измерений в солнечных условиях21,производитель датчика рекомендует использовать его в стандартных условиях пасмурности34.
    1. Используйте анализатор растительного навеса из прямых солнечных лучей, так как залитая солнцем листва может выглядеть как яркие пиксели на изображении и неправильно классифицировать как небо (эффект полутени). В идеале, принимать измерения в полностью пасмурные условия (с равномерной облачности), когда диффузный свет равномерно разбросаны по всему небу.
    2. Отражение также, очевидно, выше под солнечным светом по сравнению с диффузной условия неба. В качестве альтернативы, принимать измерения до восхода солнца или после захода солнца, когда солнце скрыто ниже горизонта, и растительность не подсветка солнца (имейте в виду, что в это время дня, световая среда быстро меняется). Однако, также имейте в виду, что из-за чувствительности датчика значения чтения должны быть выше, чем около 3 в открытой области.
    3. Избегайте дождя, потому что капли дождя на датчике влияют на точность измерений. Влажный навес отражает больше света, что может привести к недооценке LAI.
    4. Предотвращение сильного ветра, потому что движущиеся элементы растений могут влиять ниже навеса показания, и, таким образом, они могут привести к неправильным результатам.
    5. Избегайте туманных условий в навесе, а также.

Figure 7
Рисунок 7: Оптимальные погодные условия для выполнения оценки LAI с помощью анализатора растительного навеса. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

  1. Если наблюдение за сезонным течением ЛАИ не требуется, провести все измерения с июня по середину сентября, потому что LAI большинства видов деревьев достигает своего максимального значения и остается (за исключением сухого лета). Таким образом, этот период является наиболее подходящим для проведения сравнения LAI в течение вегетационного периода38,57,58,59.
    ПРИМЕЧАНИЕ: Этот период должен быть короче или изменен в условиях засухи на листья падения или сенесценции.
  2. Оцените woody индекс области (WAI, Рисунок 10) в период лист-офф (т.е., как до бутон разорвать в начале весны и после полного лист-осень в конце осени).
    ПРИМЕЧАНИЕ: Учитывая, что анализатор растительного навеса имеет только одну видимую полосу (320-490 нм)34,35 и не может отличить лист и древесные компоненты, результаты, полученные в течение вегетационного периода представляют собой индекс площади завода (PAI), который является суммой LAI и WAI (PAI - LAI - WAI)60. Таким образом, вычесть среднее значение обоих измерений WAI, принятых в период лист-офф из каждого из измерений PAI оценивается в период листа на получение правильного значения LAI (LAI - PAI - WAI)20,38.
    1. Выполните выше показания навеса в качестве первого измерения каждого стенда трансекта или сетки в достаточно открытой области (см. шаг 3.2).
      ПРИМЕЧАНИЕ: Можно принимать двухрежимные измерения, потому что LAI-2000 PCA (или его улучшенные версии LAI-2200 PCA и LAI-2200C) позволяют делать одновременные оценки с двумя датчиками вместе (т.е.один для ниже- и один для вышепоказаний). В этом случае датчики должны быть откалиброваны в соответствии с инструкцией (LI-COR 2011). Вкратце, рекомендуется, чтобы пользователь подключить оба датчика к одному блоку управления, чтобы унифицировать показания и время, размещение датчика для выше навеса чтения в верхней части штатива в открытой области, выравнивание его, и с помощью той же крышки обзора ограничения. Ориентация на вид датчика должна быть такой же в направлении азимута, как это было использовано для принятия ниже навеса показания.
    2. Выполните показания ниже навеса в пространственной конструкции измерения, подробно описанной в 3.3. Датчик обычно удерживается от 0,5 до 2,0 м над землей21,38,т.е. выше недооцененной растительности, ниже навеса и с видимым уровнем пузыря датчика.
      1. Уровень пузыря является компонентом датчика. Используйте крышки обзора ограничения, если датчик удерживается ниже 2,0 м, чтобы исключить оператора из FOV. Используйте идентичную крышку представления как ниже, так и выше чтения.
      2. Используйте минимальное расстояние между датчиком и ближайшим элементом надземных частей растения (стебли, ветви) диаметром или шириной компонента, по крайней мере, в четыре раза больше диаметра или ширины компонента.
    3. Рассчитайте значения WAI из полевых измеренных исходных данных с помощью бесплатного программного обеспечения LAI-2200 File Viewer (FV2200), которое доступно в https://www.licor.com/env/products/leaf_area/LAI-2200C/software.html.
      1. Ограничьте fOV датчика в направлении зенита верхними тремя кольцами (т.е. 0-43), чтобы исключить эффект края и большие размеры зазора20,61,62.
      2. Обработайте данные с помощью стандартных алгоритмов для LAI-2000 PCA и установите параметры для проведения оценок с использованием FV2200 в соответствии с руководством пользователя34.
    4. Определите годовое значение WAI как арифметическое среднее обоих измерений, выполненных до начала вегетационного периода (т.е.до разрыва бутона) и после полного лист-падения (рисунок10).
  3. Оцените PAI с использованием той же процедуры, что и для оценки WAI (от шага 3.6.1-3.6.3.)
  4. Рассчитайте фактическое значение LAI на уровне стенда, как разница между средними значениями PAI и 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

Средние значения LAI на уровне стенда всех исследованных стендов в вегетационный сезон 2013 года представлены на рисунке 8. На всех участках, кроме А, самые высокие значения измерялись ловушками для мусора, которые служат эталонным уровнем. Напротив, самое высокое среднее значение LAI оценивалось с помощью техники иглы на участке А. Все различия между значениями LAI, оцениваемыми с помощью ловушек помета и анализатором растительного навеса, не были значительными (р.г.; 0,05; Рисунок 8, слева). На участках B, C и D техника иглы значительно недооценила LAI, полученный из ловушек помета. И наоборот, на участке А, эта техника переоценила LAI измеряется с помощью мусора ловушки, однако, на не значительный уровень (р 0,01; Рисунок 8, средний). Значительные различия между значениями LAI, оцениваемыми анализатором навеса растений и техникой иглы, были обнаружены во всех случаях(рисунок 8, справа).

Figure 8
Рисунок 8: Сравнение статистически значимых различий между средними значениями LAI, оцениваемыми с использованием ловушек для мусора, техники иглы и подходов LAI-2000 PCA.
A-C: Европейские буковые участки, D: сикамор клен участок, р-л; 0,05 (яп.), р-л; 0,001 (к), p ' 0.05 (нс). Усы показывают стандартные отклонения. Эта цифра была изменена с разрешения38. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Отклонения недо- или завышенной оценки LAI, полученные анализатором растительного навеса и техникой иглы, оба по сравнению с значениями LAI, полученными из ловушек помета, которые считаются эталонным уровнем, отображаются на рисунке 9. Недооценки значений LAI, измеренных с использованием ловушек помета и анализатора навеса растений на участках A, B, C и D, составили 15,3%, 11,0%, 18,9% и 5,8% соответственно. Среднее отклонение значений LAI на буковых участках и всех исследованных участках вместе составило 15,1% и 12,7%, соответственно. На участках B, C и D техника иглы недооценила LAI, полученную из ловушек помета, на 41,0%, 38,0% и 40,0% соответственно. Напротив, на участке А была обнаружена переоценка 13,0% между значениями LAI, полученными техникой иглы и ловушками для мусора. Средние отклонения значений LAI на буке и всех исследованных участках независимо от состава видов деревьев составили 39,7% и 26,5%, соответственно.

Figure 9
Рисунок 9: Среднее отклонение значений LAI, оцениваемых с использованием техники иглы и PCA LAI-2000 от значений LAI, полученных из ловушек помета, считающихся эталонными.
A-C: Европейские бук участки, D: sycamore клен участок, все - среднее отклонение всех участков, независимо от видов деревьев. Усы показывают стандартные отклонения. Эта цифра была изменена с разрешения38. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

После полного листа-падения и до разрыва бутона (т.е. в апреле), WAI можно легко измерить с помощью анализатора растительного навеса. Средние сезонные значения WAI для участков A, B, C и D достигли 1,33, 0,26, 0,99 и 0,38 соответственно(рисунок 10). Наиболее быстрое развитие LAI было отмечено в период с разрывом бутонов, происходящих в апреле до начала мая (часть 1, рисунок 10). С мая по конец июня (часть 2, рисунок 10),продолжение быстрого развития LAI листьев наблюдалось; однако, с меньшей интенсивностью по сравнению с частью 1. Со второй половины июня до конца июля значение LAI снизилось на 0,46 на участке B. Участок А был намеренно выбран для более детального мониторинга LAI, где сезонные измерения LAI были сделаны с более короткими временными интервалами. Таким образом, стагнация LAI была более очевидной в течение летних месяцев на этом участке (часть 3, рисунок 10). Во всех исследованных лесных стендах листья начали падать в конце сентября, о чем свидетельствует снижение кривой LAI (часть 4, рисунок 10).

Figure 10
Рисунок 10: Сезонная динамика LAI в течение вегетационного сезона 2013 года.
LAI: индекс площади листа, WAI: woody индекс области, A-C: Европейские участки бука, D: клен участок, DOY: день года. Пустые алмазы обозначает средний сезонный WAI вычитается из PAI для получения правильного LAI (LAI - PAI - WAI). Период 3, как представляется, наиболее подходящий этап для сравнения LAI лиственных стендов ы в течение всего вегетационного периода. Усы отображают стандартные отклонения оценки LAI, а серая зона означает доверительный интервал средней кривой LAI. Эта цифра была изменена с разрешения38. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Печати A B C D
Географические координаты 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
Высоте 600 м с. л. 450 м с. л. 460 м с. л.
Основой Кислотный гранодиорит Гранодинорит
Классификация почвы (тип почвы) Модал олиготрофический Камбисоль Модал мезотрофический Камбисол
Среднегодовое количество осадков (мм) 592 596
Средняя годовая температура (КК) 7.0 7.0
Ориентация на склон Nw Ж N Nw
Наклон наклона (%) 10 15 20 10
Тип леса Абието-Фагетум олиго-мезотрофик; Питательный Средний Фир-Бук Фагетум калькарий; Известняковый бук Fagetum мезотрофик ; Богатый питательными веществами бук Fagetum illimerosum mesotrophicum; Ломиный бук

Приложение A: Характеристики сюжетов исследования. A-C: Европейский бук, D: сикамор клен. Классификация типа лесов основана на экологических факторах (т.е. почве и климате) и их взаимосвязи с лесными стоит. Каждый из участков имел площадь 400 м2 (20 х 20 м). Эта таблица была изменена с разрешением38.

Печати A B C D
Возраст стенда (годы) 46 19 77 13
Плотность стенда (деревья ха-1) 2300 2700 900 5800
Высота (м) 18,3 и 4,6 6,0 и 1,3 22,6 и 11,3 5,6 и 0,8
DBH (см) 13,4 и 5,7 7,0 и 1,3 24.1 и 4.1 3,9 и 1,6
BA1,3 2 га-1) 38,8 и 0,01 10,4 и 0,01 40,9 и 0,10 6,9 и 0,01
Представление видов деревьев (%) EB (100) EB (100) EB (100) SM (100)

Приложение B: Структурные характеристики (средний sD) исследуемых стендов. A-C: Европейские бука участков, D: sycamore клен участок, DBH: диаметр на высоте груди, BA1.3: базальная область на высоте груди в конце 2013 вегетационного сезона, EB: Европейский бук, SM: sycamore клен. Эта таблица была изменена с разрешением38.

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

Помет ловушки считаются одним из наиболее точных методов для выполнения LAI оценки8, но они являются более трудоемкими и трудоемкими, чем косвенные методы35,64, которые были включены в этот протокол. В рамках всей процедуры оценки LAI с использованием мусора ловушки, точная оценка SLA является наиболее критической точкой10, потому что SLA может варьироваться с видами растений65, дата и год, продолжительность времени в ловушках, погода66, и сайт плодовитость67. Хотя ловушки помета, как правило, рассматриваются в качестве эталонного уровня, и инструмент калибровки для косвенных методов38,49, возможное несоответствие оценки LAI с помощью помет ловушки могут произойти из-за потока ветра, число и распределение ловушек внутри стенда независимо от покрытия навеса и конструкции стенда, размером с площадь стенда,68,69 или это также может быть вызвано отклонением ловушки помета от ее уровня, горизонтальное положение. Кроме того, значения LAI, полученные ловушками для мусора, также могут зависеть от погоды и климата70,особенно путем разложения мусора-падения10,11 или увядающего листьев в ловушках, которые могут быть вызваны сильная засуха в летние месяцы. Поэтому коэффициент коррекции усадки должен применяться в этом случае25,26,27. Достаточное количество ловушек помета для выполнения оценки LAI колебался между 15 и 25 25,48, однако, более высокая общая площадь захвата ловушек на исследованный стенд, более точная оценка LAI. Помет ловушки не позволяют пользователям оценить распределение листьев в вертикальном профиле крон11, или определить точное значение LAI в один момент времени в течение вегетационного периода60, однако в период листа-падения, это полезно в оценке динамики LAI и для проведения межгодового сравнения его динамики48,71. Хотя точная оценка LAI по мусорным ловушкам связана с полным ежегодным лист-падение16, этот подход также уже успешно применяется в смешанных вечнозеленых лиственных лесов72.

Техника иглы без усилий в использовании и применима только для лиственных лесных стендов и подходит специально для лесных стендов крупных листов, таких как дуб(кверкус sp.) или бук(Fagus sp.) род. Это самый простой в использовании на сайтах, где помет полностью разлагается каждый год10. Если используется тонкая и острая игла, этот метод дает точные оценки LAI. Основными преимуществами техники иглы являются ее простое использование, не нуждающееся в метре или балансе области листа, и гораздо меньше времени, чем использование классических ловушек помета20. Кроме того, он привлекателен для применения, так как предположение о случайном распределении листьев не является необходимым и из-за его неразрушающего характера11. Тем не менее, измерения LAI, основанные на этом методе, систематически недооценивают значения LAI, полученные из ловушек для мусора (на 6-37%),20, которые также поддерживаются «Ern» et al.38. Недооценка LAI(Рисунок 8, Рисунок 9) может быть вызвана либо диаметром использованной иглы, либо микро-рельеф грунтовой поверхности ниже изученного навеса, где листья могут быть ветром либо в падаемость местности или из от крошечных ударов поверхности, или сочетание обоих упомянутых факторов. Помимо этих недостатков, метод иглы осложнен для использования в лиственных видах хвойных деревьев, таких как Larch sp. из-за размера и формы его ассимиляционного аппарата.

Анализатор растительного навеса является одним из косвенных оптических неразрушающие методы. Основное преимущество его легкого полевого применения для оценки LAI заключается в возможности проведения повторных измерений, что позволяет оценить сезонный курс LAI в течение всего вегетационного сезона,11 и позволяет провести масштабные масштабные измерения реализации и долгосрочного мониторинга LAI28. ЛАИ-2000 PCA требует относительно специфических погодных условий для выполнения точной оценки LAI (шаг 3.4). Этот потенциальный недостаток заметно устраняется улучшенными версиями, LAI-2200 PCA и LAI-2200C, которые являются более надежными в отношении синоптической ситуации при принятии оценки LAI41 из-за его лучшей способности выполнять рассеяние света преобразование47. Несмотря на это, оценка LAI с помощью этих датчиков рекомендуется либо в стандартных пасмурных условиях34 или солнечных условиях, где стабильное яркое небо с солнцем высоко над горизонтом21. Этот метод требует измерения только 1252 до 25 пунктов выборки21 на стенде для достижения требуемого уровня точности. Тем не менее, оптический разрыв фракции измерения не подходят для стендов с высокой площадью листьев, потому что эти косвенные оценки LAI насыщены на значенияLA около 614. Для выполнения точной оценки LAI, еще одна потенциальная слабость подхода LAI-2x00 PCA является требованием для выше навеса ссылка чтения6. Однако этот недостаток можно устранить за счет возможности проведения одновременных и автоматизированных измерений в двойном режиме, когда два датчика управляются одним блоком LAI-2000 PCA73 или его улучшенными преемниками LAI-2200 PCA и LAI-2200C34 ,41.

Использование анализатара навеса завода для оценки WAI в безлистные периоды и его вычитание из оптического PAI (т.е. эффективного индекса площади растений) в лиственный период, кажется, практично72. В отличие от этого, потенциал этого инструмента ограничен его общей тенденцией к недооценке LAI в прерывистых и неоднородных навесах15,20,43,49,74 который в основном приписывается вклад древесных материалов и слипания эффекты в навес10,72. Напротив, переоценка LAI можно наблюдать на стендах, состоящих из видов (например, тополя), которые могут заменить их листья во время вегетационного сезона11. Deblonde et al.75 количественно очищают древесный материал прямыми разрушительными методами, которые очень трудоемки и трудоемки. Можно также оценить древесный вклад с помощью косвенного измерения, отличающего его в ближнем инфракрасном диапазоне76,или с помощью наземного лазерного сканирования либо с помощью лазерного сканера77 или точечных облаков LIDAR78 . LAI недооценка была особенно замечена в этих навесах с неслучайным распределением (например, вечнозеленый лес), где анализатор навеса растений недооценивает значения LAI примерно на 35-40% из-за слипания листвы на уровне съемки39 , 79. В качестве одного из возможных методов для выполнения точной оценки LAI, Chen et al.8 и Leblanc et al.80 рекомендуют сочетать анализатор навеса растений и отслеживание радиации и архитектуры навесов (TRAC), которые количественно слипания эффект и древесные компоненты. Тем не менее, в настоящее время также можно исправить слипания либо конечной длины усреднения метод81 или разрыв размера распределения метод82 или сочетание распределения разрыв размера и конечной длины усреднения методы83 или метод распределения длины пути84, как указано в Yan et al.35 в их обзорном исследовании. Хотя значительный прогресс был достигнут в разработке расчетов LAI с использованием косвенных оптических методов, некоторые проблемы остаются, особенно в том, что касается оценки распределения угла листа, где применение активного лазерного сканирования технология является одним из методов, которые могут обнаружить его, но его трехмерная информация еще не была полностью изучена и реализована35.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Авторам нечего раскрывать. Репрезентативные результаты были использованы из статьи «Зерне J», Haninec P, индекс площади листьев Покорне R (2018) Индекс области листьев, оцениваемый прямыми, полупрямыми и косвенными методами на европейских стендах бука и клена сикамора. В журнале лесных исследований. doi: 10.1007/s11676-018-0809-0 (онлайн-версия) на основе любезного разрешения редакционной коллегии Journal of Forestry Research.

Acknowledgments

Мы в долгу перед редакционной коллегией журнала лесных исследований за поощрение и разрешение нам использовать репрезентативные результаты в этом протоколе из статьи, опубликованной там. Мы также благодарим двух анонимных рецензентов за их ценные комментарии, которые существенно улучшили рукопись. Исследование финансировалось Министерством сельского хозяйства Чешской Республики, институциональной поддержкой МЗЕ-РО0118 и Национальным агентством сельскохозяйственных исследований (проект No. К1810126).

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).
Оценка индекса листа, используя три различных метода в чистых лиственных стендах
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