Waiting
Login processing...

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

Environment

Estimación del índice de área hoja utilizando tres métodos distintos en soportes caducifolios puros

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

Summary

Una estimación precisa del índice de área de hoja (LAI) es crucial para muchos modelos de flujos de material y energía dentro de los ecosistemas de la planta y entre un ecosistema y la capa límite atmosférica. Por lo tanto, tres métodos (trampas de basura, técnica de aguja y PCA) para tomar mediciones precisas de LAI estaban en el protocolo presentado.

Abstract

Las estimaciones precisas del índice de área de hoja (LAI), definidas como la mitad de la superficie total de la hoja por unidad de superficie del suelo horizontal, son cruciales para describir la estructura vegetal en los campos de la ecología, la silvicultura y la agricultura. Por lo tanto, los procedimientos de tres métodos utilizados comercialmente (trampas de basura, técnica de aguja y un analizador de dosel de planta) para realizar la estimación de LAI se presentaron paso a paso. Se compararon enfoques metodológicos específicos y en este protocolo se discutieron sus ventajas actuales, controversias, desafíos y perspectivas futuras. Las trampas de basura generalmente se consideran como el nivel de referencia. Tanto la técnica de la aguja como el analizador de dosel de la planta (por ejemplo, LAI-2000) suelen subestimar con frecuencia los valores laAI en comparación con la referencia. La técnica de la aguja es fácil de usar en soportes caducifolios donde la camada se descompone por completo cada año (por ejemplo, soportes de roble y haya). Sin embargo, es necesaria una calibración basada en trampas de basura o métodos destructivos directos. El analizador de dosel de la planta es un dispositivo comúnmente utilizado para realizar la estimación de LAI en ecología, silvicultura y agricultura, pero está sujeto a un posible error debido a la acumulación de follaje y la contribución de elementos leñosos en el campo de visión (FOV) del sensor. Se discutió la eliminación de estas posibles fuentes de error. El analizador de dosel de la planta es un dispositivo muy adecuado para realizar estimaciones de LAI a un alto nivel espacial, observando una dinámica laI estacional y para el monitoreo a largo plazo de LAI.

Introduction

LAI, definida como la mitad de la superficie total de la hoja por unidad de superficie terrestre horizontal1, es una variable clave utilizada en muchos modelos de intercambio biogeofísico y químico centrados en los flujos de carbono y agua2,3, 4. LAI es directamente proporcional a la superficie activa de las hojas donde impulsa la producción primaria (fotosíntesis), transpiración, intercambio de energía y otros atributos fisiológicos relacionados con una serie de procesos ecosistémicos en plantas comunidades5.

Se han desarrollado numerosos enfoques e instrumentos para realizar la estimación de LAI, y actualmente están disponibles en el mercado6,7,8,9. Los métodos basados en tierra para realizar la estimación de LAI se pueden agrupar en dos categorías principales: i) métodos directos y ii) indirectos10,11,12. El primer grupo incluye métodos que miden el área de la hoja directamente, mientras que los métodos indirectos deducen LAI a partir de mediciones de parámetros más fácilmente medibles, utilizando la teoría de la transferencia radiativa (en términos de tiempo, intensidad de mano de obra y tecnología)13 ,14.

Este protocolo se ocupa del uso práctico de las trampas de basura y la técnica de la aguja, como métodos semidirectos no destructivos10; y el analizador de dosel dela planta de dispositivos ópticos como método indirecto 6,7 para realizar la estimación de LAI en una muestra elegida de los establos forestales caducifolios templados en Europa Central (ver sus características estructurales y dendrométricas en Apéndice A y Apéndice B).

En los bosques y cultivos caducifolios, es posible realizar estimaciones de LAI semidirectas no destructivas utilizando trampas de basura11 distribuidas por debajo de la capa de dosel15. Las trampas de basura proporcionan valores de LAI precisos para especies caducifolios en las que LAI alcanza una meseta dentro de la temporada de crecimiento. Sin embargo, para las especies que pueden reemplazar las hojas durante la temporada de crecimiento, como el álamo, el método sobreestima LAI11. Este método supone que el contenido de las trampas representa la cantidad media de hojas que caen durante un período de caída de hojas en el stand16,especialmente durante los meses de otoño. Las trampas son cajas o redes abiertas (Figura1) con un tamaño suficiente predeterminado (mínimo 0,18 m2, pero preferiblemente más de 0,25 m2)10,17, lados laterales que impiden que el viento sople hojas dentro /fuera de las trampas, y con un fondo perforado evitando la descomposición de las hojas; que se encuentran debajo de la capa de dosel del soporte estudiado, sin embargo, por encima de la superficie del suelo11. La distribución de las trampas puede ser aleatoria18 o sistemática en transectos19 o una rejilla de espaciado regular20. El número y la distribución de las trampas son un paso metodológico crucial para realizar una estimación precisa de LAI que refleje la estructura única del stand, la homogeneidad espacial, la velocidad y dirección esperadas del viento, especialmente en el caso de soportes dispersos (o callejones y huertos), y la capacidad de trabajo para evaluar los datos. La precisión de la estimación de LAI aumenta conla creciente frecuencia de trampas dentro de los puntos estudiados 11,21 (ver Figura 2).

La frecuencia recomendada de recolección de muestras de la caída de la basura de cada trampa es de al menos10 mensuales e incluso dos veces por semana en períodos de fuertes caídas, que pueden coincidir con fuertes lluvias. Es necesario evitar la descomposición de la camada en las trampas y la lixiviación de nutrientes del material durante los episodios de lluvia en el caso de análisis químico. Después de recoger las hojas en un campo, se utiliza una submuestra mixta para estimar el área específica de la hoja (SLA, cm2 g-1)22, definida como el área fresca proyectada de las hojas a su relación de peso de masa seca. El resto de la basura recogida se seca a un peso constante y se utiliza para calcular la masa seca de la camada como g cm-2 en el laboratorio. La masa seca de hoja en cada fecha de recolección se convierte en la zona de la hoja multiplicando la biomasa recogida por SLA o masa seca de hoja por área (LMA, g cm-2) como parámetro inverso a SLA23,24. Un área proyectada fresca de hojas particulares se puede determinar utilizando un enfoque planimétrico. El método planimétrico se basa en la dependencia entre el área de una hoja específica y el área cubierta por la hoja en la superficie horizontal. La hoja se fija horizontalmente a la pantalla de escaneo, y su promedio se mide usando un medidor de área de hoja. A continuación, se calcula su área. Muchos medidores de área de hoja basados en diferentes principios de medición están disponibles en el mercado. Algunos de ellos incluyen, por ejemplo, el medidor de área de hoja portátil LI-3000C, que utiliza el método de proyección ortogonal, y el medidor de área LI-3100C, que mide el promedio de la hoja utilizando una fuente de luz fluorescente y una cámara de escaneo semi-conducida. El siguiente dispositivo, el medidor de área de hoja láser portátil CI-202, codifica una longitud de hoja utilizando un lector de código. Además de ellos, los medidores de área de hoja portátiles AM350 y BSLM101 también se utilizan comúnmente para realizar una estimación precisa del área de hoja.

Además, existen medidores de área de hoja basados en sistemas que analizan el vídeo. Estos medidores de área de hoja consisten en una cámara de vídeo, un marco de digitalización, una pantalla y un PC, incluido el software adecuado para realizar el análisis de datos como WD3 WinDIAS Leaf Image Analysis System11. Actualmente, los escáneres convencionales conectados a un PC se pueden utilizar para un área de hoja de estimación. Después, el área de la hoja se calcula como un múltiplo del número de píxeles negros y su tamaño depende de la resolución seleccionada (puntos por pulgada – ppp), o el área de la hoja se mide a través de software específico, por ejemplo, WinFOLIA. Finalmente, la masa seca total de hojas recogidas dentro de una superficie del suelo conocida se convierte en la LAI multiplicando por SLA y un coeficiente de contracción25 que refleja los cambios en el área de las hojas frescas y secas. La contracción depende de las especies de árboles, el contenido de agua y la suavidad de las hojas. La contracción de las hojas en longitud y anchura (lo que afecta a la zona proyectada) suele ser de hasta 10%26,por ejemplo, oscila entre 2,6 y 6,8% para el roble27. La clasificación de las hojas por especie para el pesaje y el establecimiento de la relación específica de la superficie de la hoja es necesaria para determinar la contribución de cada especie al TOTAL DE LAI28.

La determinación de LAI mediante la técnica de la aguja es un método económico derivado del método de cuadrador de punto inclinado29,30,31,32. En los soportes caducifolios, es una alternativa para realizar la estimación de LAI sin utilizar trampas10 basadas en la suposición de que el número total de hojas y su área en un árbol son iguales a lo que se recoge en la superficie del suelo después de una hoja completa-otoño20 . Una aguja delgada y afilada se perfora verticalmente en la camada que se encuentra en el suelo inmediatamente después de la caída de la hoja10. Después de la caída completa de la hoja, las hojas se recogen del suelo en una aguja de una sonda vertical, están relacionadas con el número de contacto e iguales al valor LAI real. Se requiere un muestreo intensivo (100-300 puntos de muestreo por soporte estudiado por sonda de campo) por la técnica de la aguja para cuantificar un número de contacto medio y derivar el valor LAI correctamente10,20,33.

elanalizador de dosel de la planta(por ejemplo, LAI-2000 o LAI-2200 PCA) es un instrumento portátil de uso común para realizar una estimación de LAI indirecta al tomar una medición de la transmisión de luz en todo el dosel7dentro de la porción azul filtrada del espectro de luz (320-490 nm)34,35para minimizar la contribución de la luz que ha pasado a través de las hojas, fue esparcida por el dosel y está pasando a través del follaje7,34. En la parte azul del espectro de luz, se logra el contraste máximo entre la hoja y el cielo, y el follaje aparece negro contra el cielo34. Por lo tanto, se basa en el análisis de la fracción de brecha de dosel7. El instrumento ha sido ampliamente utilizado para realizar estudios ecofisiológicos en comunidades vegetales como36Pastizales37, los soportes de las coníferas8, y soportes caducifolios38. El analizador de dosel de la planta utiliza un sensor óptico ojo de pez con un FOV de 148o35para proyectar una imagen hemisférica del dosel en los detectores de silicio para organizarlos en cinco anillos concéntricos39con ángulos cenites centrales de 7o, 23o, 38o, 53o y 68o9,40,41. Cinco tapas de vista (es decir,,Se pueden utilizar 270o, 180o, 90o, 45o y 10o) para restringir la vista de acimut del sensor óptico27para evitar el sombreado por obstáculos en un área abierta (para la lectura mencionada anteriormente) o el operador en el FOV del sensor durante la estimación de LAI puede ajustar el sensor FOV a un área abierta para lecturas por encima del dosel. Las mediciones que utilizan el analizador de dosel de la planta se toman por encima (o en un área abierta suficientemente extendida) y por debajo del dosel estudiado7. Las mismas tapas de vista deben utilizarse tanto para las lecturas superiores como para debajo de ellas para evitar sesgos de estimación de la fracción de brecha34. El LAI-2000 PCA produce un índice de área hoja eficaz (LAIe) introducido por Chen et al.42, o más bien un índice de área de planta eficaz (PAIe) como elementos leñosos se incluyen en el valor de lectura del sensor. En soportes caducifolios con hojas planas, el LAIe es el mismo que el LAI de superficie hemi. En el caso de las gradas forestales perennes, la LAIe es necesaria para corregir el efecto de aglomeración a nivel de brote (SPAR, STAR)43, el índice de aglutinación a escalas más grandes que el brote (a)E)44, y la contribución de los elementos leñosos, incluidos los tallos y las ramas (es decir,,relación de área leñosa a total),45que causan una subestimación sistemática de LAI20. El índice de aglutinación en una escala espacial más alta que el brote u hoja podría cuantificarse como un índice de agrupación aparente (ACF), que se puede estimar utilizando el analizador de dosel de la planta cuando se utilizan tapas de vista más restrictivas27. Como estos autores afirman que este ACF se deduce de una relación de valores LAI calculados a partir de la transmisión por diferentes procedimientos para las marquesinas homogéneas y no homogéneas según Lang46, suponemos que este índice de aglomerado describe una homogeneidad más bien del dosel. Además del cálculo ACF, las nuevas tapas difusoras que permiten una aplicación más extensa de LAI-2200 PCA con respecto a las condiciones climáticas, un menú de usuario en lugar de códigos Fct, y la posibilidad de tomar muchas más medidas por sesión de archivo se encuentran entre los principales actualizaciones tecnológicas en comparación con el antiguo LAI-2000 PCA34,47. Las mediciones y los cálculos de software internos subsiguientes se basan en cuatro suposiciones: (1) los elementos de la planta de bloqueo de luz, incluidas las hojas, las ramas y los tallos, se distribuyen aleatoriamente en el dosel, (2) el follaje es un cuerpo ópticamente negro que absorbe todo el cuerpo ópticamente negro que absorbe todo el luz que recibe, (3) todos los elementos de la planta son la misma proyección a la superficie horizontal del suelo que una forma geométrica convexa simple, (4) los elementos de la planta son pequeños en comparación con el área cubierta por cada anillo11.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. LAI estimado utilizando trampas de basura

  1. En primer lugar, realizar un estudio de campo, investigando las condiciones del sitio y la estructura de los stands estudiados (es decir, inclinación y exposición de la pendiente, tipo de bosque o vegetación, densidad de bosque o vegetación, homogeneidad del cierre del dosel, la corona tamaño, y la altura de la base de la corona).
  2. Seleccione un tipo de trampa de basura adecuado para el posicionamiento debajo del dosel eligiendo el tamaño de malla de la red en función del tamaño del aparato de asimilación de los soportes estudiados (es decir, el tamaño de la malla tiene que ser menor que el tamaño de la asimilación capturada aparato), a continuación, numerar y distribuir las trampas dentro de los soportes estudiados, y posteriormente etiquetarlos.
    1. Típicamente, utilizar una serie de trampas que van desde 15 a 25 por soporte investigado25,48 con un área de captura que va desde 0.18 m2 hasta 0.5 m2 o más, especialmente para especies arbóreas con hojas grandes como álamo10 ,17,48.
    2. Coloque las trampas en un espaciado regular a lo largo del soporte estudiado dentro de uno o dos transectos mutuamente perpendiculares o una rejilla regular (Figura2). Ukonmaanaho et al.17 o Fleck et al.21también describen el diseño, el procedimiento y el análisis adecuados de la caída de la camada.
      1. Determine la distancia entre las trampas en los tamaños de corona, el cierre del dosel y la textura del soporte.
      2. Aumente el número de trampas de basura tanto con el área del soporte creciente como con la heterogeneidad de soporte.

Figure 2
Figura 1: Diferentes tipos de trampas de basura y su ubicación dentro del stand.
Desde la izquierda: madera, plástico, cajas de plástico y construcción de metal. Haga clic aquí para ver una versión más grande de esta figura.

  1. Instalar las trampas al comienzo de la temporada de crecimiento (poco después del lavado de la hoja porque una caída de la hoja puede ocurrir debido a daños por insectos o eventos climáticos extremadamente secos en el período de verano).
    1. Fije firmemente cada una de las trampas por encima de la superficie del suelo y por debajo del dosel del soporte para que no haya cambios en el área de captura. Mantenga cada una de las trampas en una posición horizontal y un área de captura normalizada estable. Ejemplos de diferentes tipos de trampas se presentan en la Figura 1 o, por ejemplo, en Ukonmaanaho et al.17.

Figure 1
Figura 2: El patrón esquemático regular de distribución de trampas de basura en bosques se encuentra con una homogeneidad distinta.
La homogeneidad disminuye desde la izquierda. Haga clic aquí para ver una versión más grande de esta figura.

  1. Coloque las trampas por encima de la superficie del suelo (mínimo 0,1 m) para permitir que el aire sople debajo de la parte de recogida de las trampas. Comúnmente, la altura de las trampas es de 1 m por encima de la superficie del suelo25,38,49.
  2. Elija el paso de tiempo para la recolección de basura con respecto al curso típico del tiempo en el sitio estudiado y la intensidad de la caída de la basura. El paso de tiempo estándar oscila entre 1 y 4 semanas (se debe utilizar un paso de tiempo más corto durante el clima lluvioso para evitar la descomposición de la basura y durante las caídas intensivas de las hojas).
    1. Durante cada una de las mediciones, compruebe la resistencia de las tramas de trampa, la compacidad de las redes o cajas, y la nivelación de toda la trampa (es decir, la posición horizontal de la trampa).
  3. Coloque la basura recogida de cada una de las trampas en bolsas de papel previamente etiquetadas.
    1. Transportar todas las muestras preferiblemente en cajas frías, o si es necesario, almacenadas temporalmente a 4 oC, pero no congeladas17 debido a daños en los tejidos de las hojas.
  4. Después de transportar las muestras al laboratorio, separe el aparato de asimilación de los otros componentes de la camada (ramas, semillas, corteza, flores; según las especies de árboles si es necesario).
  5. Inmediatamente después de la clasificación, analizar una parte de una muestra mixta (entremezclada) de cada trampa de basura para realizar la estimación del SLA (es decir, la relación entre el área proyectada de las hojas y su peso de masa seca).
    1. Dado que diferentes especies de árboles e incluso tipos de follaje (soleado y sombreado) con diferencias en las propiedades se producen dentro del perfil vertical de la corona, mezcle a fondo la muestra de cada trampa antes de seleccionar las hojas para realizar la estimación de SLA (LMA)11 . Como hay una diferencia entre el área proyectada de hoja fresca y seca debido a la contracción, estimar un coeficiente de corrección de contracción de la submuestra de hojas frescas (verdes)26.
      1. Recoger las hojas proporcionalmente (de forma similar a la submuestra mixta de la trampa) de todas las especies arbóreas ubicadas en el soporte.
    2. Separe el recuento de submuestras al menos 100-200 hojas de todas las trampas usadas21,27 para realizar la estimación del SLA.
      1. Coloque las hojas de manera plana y recta, ya sea en la tabla de exploración o en el medidor de área de la hoja, y es necesario evitar la superposición de las hojas allí.
      2. Como las hojas de basura seca pueden doblarse o rizarse, remojarlas en agua caliente (60-70 oC) durante un corto período detiempo 17,21. Esto se ha encontrado para aplanar las hojas lo suficiente para tomar medidas, pero especialmente después de un largo tiempo de remojo, pierden peso.
      3. Si el escáner o el medidor de área de la hoja no habilita la iluminación superior (para evitar la reflectancia y las sombras), utilice una distribución adecuada de las hojas ya sea en una placa de exploración o en un transportador de medidor de área de hoja (es decir, las hojas se colocan perpendicularmente al faro de escaneado) de modo que Las sombras no se forman durante el movimiento de los faros de escaneado porque es difícil eliminar las sombras durante el procesamiento de datos posterior.
      4. Si se utiliza un escáner conectado a un PC, utilice una resolución de las imágenes en blanco y negro de 200 ppp como mínimo en función de la precisión suficiente del área.
        1. Para evitar la reflectancia, que es visible como píxeles de luz dentro de las hojas, cuando se utiliza un escáner ordinario, ajuste el brillo del escaneo para alcanzar un umbral adecuado (Figura3). El software (por ejemplo, WinFOLIA) calcula el área de la hoja contando los píxeles oscuros en el escaneo y los convierte utilizando la resolución de ppp conocida.
    3. Seque esta submuestra designada para la estimación del SLA durante 48 horas a 80 o 105 oC para alcanzar un peso constante. Utilice un horno ventilado con termostato para homogeneizar y mantener la temperatura interna (por ejemplo, IncuMax CV150).
      NOTA: El contenido de agua en las hojas permanece como agua fija en las células cuando el secado del horno se produce a temperaturas más bajas. Cuando se seca a 105 oC, no queda agua en la muestra de la planta17.
    4. Pesar la masa seca de esta submuestra utilizando básculas de laboratorio con un alto grado de precisión de 1 g como mínimo.
      1. Compruebe la nivelación de las básculas de laboratorio y evite efectos externos (por ejemplo, el soplado de viento fuerte en el laboratorio durante el pesaje).
    5. Calcule el valor de SLA como el área proyectada fresca de las hojas de la submuestra designada para la estimación del SLA dividida por su peso de masa seca.

Figure 3
Figura 3: Escaneo de una muestra de hoja con un ejemplo de un escaneo de calidad correcto (en el lado izquierdo) y un escaneo incorrecto (lado derecho)
cuando el brillo debe ajustarse para eliminar la reflectancia visible como píxeles blancos dentro de los cuerpos de las hojas y/o donde la suciedad de la superficie (a) y cualquier efecto de borde (b) deben eliminarse antes de realizar un análisis del área.

  1. Secar al horno el resto de la muestra (es decir, hojas recogidas) para cada trampa durante 48 horas a la misma temperatura que se utilizó para la estimación del SLA, es decir, a 80 o 105 oC para alcanzar un peso constante.
  2. Multiplique el peso de masa seca del resto de la muestra para cada trampa de basura en particular por el valor de SLA correcto para alcanzar el área total de la hoja proyectada por trampa.
  3. Repita los pasos del 1,5 al 1,9 para cada uno de los soportes estudiados y la fecha de recogida de cada camada.
  4. Calcule la LAI como la relación entre el área total de la hoja acumulada estimada mediante trampas de basura y el área de captura de las trampas de basura.

2. Técnica de aguja para tomar mediciones LAI

  1. Inicialmente, realizar un estudio de campo, investigar las condiciones del sitio y la estructura de los stands estudiados (es decir, la inclinación y exposición de la pendiente, tipo de bosque o vegetación, la densidad del bosque o la vegetación, la homogeneidad del cierre del dosel, el tamaño de la corona y la altura de la base de la corona).
  2. Inmediatamente después de una caída completa de la hoja, prepare todo el equipo necesario, incluida una aguja metálica afilada suficientemente larga con un diámetro lo más pequeño posible (máximo 2,0 mm de diámetro).
  3. Seleccione un número adecuado de puntos de muestreo distribuidos aleatoriamente (al menos 100)10,20,38 basado en la estructura del dosel de cada soporte estudiado.
    NOTA: Generalmente, cuantos más puntos de muestreo, mayor será la precisión de la estimación de LAI en el stand estudiado (el número de puntos de muestreo debe aumentar en relación con el tamaño de la gráfica investigada y la estructura del dosel).
  4. Usando la aguja metálica, perforar las hojas en un ángulo más o menos similar a través de la capa de hojas recién caídas que se encuentran en la superficie del suelo en cada uno de los puntos de muestreo sondeados.
    1. Utilice cualquier ángulo de puñalada ya que estas hojas caídas no tienen relaciones con su posición anterior dentro del dosel.
  5. Compruebe que solo haya hojas recién caídas en la aguja. En el caso de la presencia de hojas parcialmente descompuestas del año anterior, retírelas de la aguja.
  6. Cuente el número de hojas perforadas por la aguja con cada puñalada en cada punto de muestreo.
  7. Repita los pasos de 2.4 a 2.6 para todos los puntos de muestreo sondeados.
  8. Cuente el total de todas las hojas perforadas por la aguja dentro de todo el soporte (es decir, para al menos 100 puntos de muestreo).
  9. Divida esta suma por el número de puñaladas (es decir, contando la media aritmética). El promedio aritmético resultante es igual al valor LAI real en el nivel de stand. Nota: El número medio de todas las hojas frescas recogidas en la aguja corresponde al verdadero valor LAI del soporte forestal investigado.

3. Dispositivo óptico del analizador de dosel de la planta para realizar la estimación de LAI

  1. Al principio, realizar un estudio de campo, incluyendo la investigación de las condiciones del sitio y la estructura de los stands estudiados (es decir, la inclinación y exposición de la pendiente, el tipo de bosque o vegetación, la densidad del bosque o la vegetación, la homogeneidad de la cierre del dosel, el tamaño de la corona y la altura de la base de la corona).
  2. Encuentre un área abierta adecuada (limpieza) con condiciones de cielo idénticas a las anteriores a la parcela observada, situada a una distancia máxima de 1 km de distancia21,que es necesaria para las lecturas del sensor por encima del dosel.
    1. Como el analizador de dosel de la planta permite al usuario utilizar un FOV diferente tanto en acimut (por tapas de vista de restricción) como en cenit (a través del procesamiento de software por enmascaramiento de anillos) direcciones, aplicar la misma tapa (y su orientación) tanto para arriba como por debajo del dosel Lecturas.
    2. Derive el tamaño del área abierta y la utilización del límite de vista apropiado del ámbito del FOV. El FOV conocido del sensor desde la vertical en la orientación cenit y la estimación de la altura de los obstáculos más cercanos (árboles, terreno, edificios) proporcionan la solución más adecuada, donde el tamaño suficiente de la zona abierta se puede calcular de acuerdo con ecuación 1:
      Y - H-tg-(1),
      Donde Y es la distancia requerida de la barrera más cercana; H significa la altura del obstáculo; • denota el FOV en una dirección vertical (Figura4). En lugar de la zona abierta, una torre más alta que el soporte que se está investigando se puede utilizar para tomar las lecturas por encima del dosel21.
      1. Tenga en cuenta la pendiente y la heterogeneidad del terreno al calcular el tamaño del área abierta.

Figure 4
Figura 4: Una representación esquemática del FOV del sensor (un área gris).
Es el FOV del sensor; H denota la altura del obstáculo más cercano; Y significa la distancia horizontal entre el operador y el obstáculo63.

  1. Sobre la base de los parámetros estructurales del soporte (homogeneidad del dosel), determinar un número de punto de muestreo adecuado, la ubicación de los puntos de muestreo equidistantes situados en un transecto, o una rejilla para tomar lecturas por debajo del dosel en el soporte estudiado9.
    1. Deducir la distancia apropiada de la variabilidad de las lecturas por debajo del dosel en el campo.
      1. Muévete lentamente con el sensor debajo del dosel en transecto y observa la variabilidad de la mayoría de las lecturas del anillo superior. Una ligera variabilidad interrumpida por valores más altos es un resultado común. Se debe considerar apropiada la mitad de la distancia entre estos valores máximos en variabilidad.
    2. Si se está realizando una observación de la dinámica LAI estacional, utilice la fijación permanente de transectos o puntos de muestreo dentro del soporte estudiado (por ejemplo, por estacas de madera o palos metálicos geológicos).
      NOTA: El número y el espaciado de los transectos dependen de la estructura particular del dosel del soporte (Figura5).
    3. En los soportes homogéneos, un número suficiente de transectos oscila entre 1 y 3. En caso de alta heterogeneidad, aplique una cuadrícula regular de puntos de muestreo. Elija la orientación de los transectos con respecto a la pendiente y distribución de los árboles en el soporte, especialmente en caso de espaciado de filas. El espaciado entre determinados puntos de muestreo se determina con respecto a la heterogeneidad del soporte, los tamaños de la corona, la altura de la base de la corona y el FOV del sensor (Figura6). En soportes homogéneos, el número de puntos de muestreo suele oscilar entre 5 y 36 46,50. Baret et al.51también describen diseños de muestreo particulares; 52; 50; 21; 53.
      1. Con un terreno inclinado, oriente la vista del sensor a lo largo de las curvas de nivel.

Figure 5
Figura 5: Diseños de medidas en soportes caducifolios puros.
(A), (B) Disposiciones de la colocación óptima de transectos particulares en una plantación pura establecida por plantación en línea (es decir, espaciado rectangular). (C) La disposición de la colocación óptima de determinados transectos en una plantación pura establecida por plantación de línea a espaciado triangular. (D) La disposición de la colocación óptima de determinados transectos en una plantación pura establecida por plantación en línea con dos partes claramente diferentes. (E) El diseño de la colocación óptima de transectos particulares en un soporte con cuatro partes marcadamente distintas del soporte. (F) La disposición de la colocación óptima de determinados transectos en una plantación pura establecida por plantación en línea con dos partes diferentes. (G) El diseño de la colocación óptima de determinados transectos en una plantación pura establecida por plantación en línea con tres partes marcadamente distintas que representan el 50%, 25% y 25% de toda la superficie del stand. (H) El diseño de la colocación de transectos en soportes establecidos por regeneración natural, donde aproximadamente 12 puntos de medición por transecto son suficientes desde el punto de vista de la precisión. Los transectos grises podrían omitirse alternativamente de la medición.

Figure 6
Figura 6: Representación esquemática de una elección de espaciado entre puntos de medición dentro de transectos con respecto al FOV, la densidad del soporte y la altura de la base de la corona.
a: distancia de espaciado adecuada en el caso de la altura y vista del sensor visualizada esquemáticamente, y la altura de la base de la corona, c: distancia de espaciado inadecuada ya que algunas partes del dosel (d – en blanco) no son visibles por el sensor. Por lo tanto, el espaciado debe corregirse (por b, es decir,a a c – b), c*: también se corrige, distancia de espaciado adecuada debido al ángulo de visión ampliado corregido del sensor (línea de tablero fino).

  1. Aunque se presentan algunas posibilidades y correcciones de la estimación de LAI en condiciones de sol47,54, realizar todas las mediciones bajo un cielo de luz difusa (nublado estándar) y condiciones sin viento55, 56 (véase la figura 7). A pesar de que el analizador de dosel de la planta permite la corrección de la dispersión de la luz para las mediciones en condiciones de sol21, el productor del sensor recomienda usarlo en condiciones de nublado estándar34.
    1. Utilice el analizador de dosel de la planta fuera de la luz solar directa, ya que el follaje iluminado por el sol podría aparecer como píxeles brillantes en la imagen y clasificar incorrectamente como el cielo (el efecto penumbra). Idealmente, tome las medidas en condiciones completamente nubladas (con cubierta de nubes uniforme), cuando la luz difusa esté uniformemente dispersa por todo el cielo.
    2. La reflectancia también es obviamente más alta bajo la luz solar en comparación con las condiciones del cielo difuso. Como alternativa, tomar medidas antes del amanecer o después de la puesta del sol, cuando el sol está oculto debajo del horizonte, y la vegetación no es retroiluminada por el sol (tenga en cuenta que durante estas horas del día, el entorno de luz cambia rápidamente). Sin embargo, también tenga en cuenta que, debido a la sensibilidad del sensor, los valores de lectura deben ser superiores a ca. 3 en un área abierta.
    3. Evite la lluvia porque las gotas de lluvia en el sensor afectan la precisión de las mediciones. Un dosel húmedo refleja más luz, lo que puede conducir a la subestimación de LAI.
    4. Prevenir el viento pesado porque los elementos de la planta en movimiento pueden influir en las lecturas por debajo del dosel, y por lo tanto podrían causar resultados incorrectos.
    5. Evite las condiciones de niebla dentro del dosel también.

Figure 7
Figura 7: Condiciones climáticas óptimas para realizar la estimación de LAI utilizando un analizador de dosel de planta. Haga clic aquí para ver una versión más grande de esta figura.

  1. Si no se necesita una observación de un curso estacional de la LAI, tome todas las medidas de junio a mediados de septiembre porque la LAI de la mayoría de las especies de árboles alcanza su valor máximo y permanece (excepto durante los veranos secos). Por lo tanto, este período es el más adecuado para hacer una comparación LAI durante la temporada de crecimiento38,57,58,59.
    NOTA: Este período debe ser más corto o modificarse en condiciones de sequía de caída o senescencia de la hoja.
  2. Estimar el índice de área leñosa (WAI, Figura 10 ) durante el período de hoja baja (es decir, tanto antes de que se rompa a principios de primavera como después de la caída completa de la hoja a finales de otoño).
    NOTA: Dado que el analizador de dosel de la planta tiene sólo una banda visible (320-490 nm)34,35 y no puede distinguir los componentes de hoja y leñoso, los resultados obtenidos durante una temporada de cultivo representan un índice de área vegetal (PAI) que es la suma de la LAI y WAI (PAI - LAI + WAI)60. Por lo tanto, reste el valor medio de ambas mediciones WAI tomadas en un período de hoja de salida de cada una de las mediciones PAI estimadas en el período hoja-on para obtener los valores de LAI correctos (LAI - PAI – WAI)20,38.
    1. Realice las lecturas anteriores del dosel como la primera medición de cada transecto o rejilla de soporte en un área abierta suficiente (véase el paso 3.2).
      NOTA: Es posible tomar mediciones de modo dual porque el LAI-2000 PCA (o sus versiones mejoradas LAI-2200 PCA y LAI-2200C) permiten realizar estimaciones simultáneas con dos sensores juntos (esdecir, uno para lecturas inferiores y otra para lecturas superiores). En este caso, los sensores deben calibrarse de acuerdo con el manual de instrucciones (LI-COR 2011). En resumen, se recomienda que el usuario conecte ambos sensores a una unidad de control para unificar las lecturas y el tiempo, colocando el sensor para lecturas por encima del dosel en la parte superior de un trípode en un área abierta, nivelándolo y utilizando la misma tapa de vista de restricción. La orientación de la vista del sensor debe ser la misma en la dirección acimutal que se utilizó para tomar lecturas por debajo del dosel.
    2. Realice las lecturas por debajo del dosel en el diseño de medición espacial descrito en detalle en 3.3. El sensor se mantiene generalmente de 0,5 a 2,0 m por encima del suelo21,38,es decir, por encima de la vegetación del sotobosque, por debajo del dosel y con el sensor visible a nivel de burbuja.
      1. Un nivel de burbuja es un componente del sensor. Utilice las tapas de la vista de restricción si el sensor se mantiene por debajo de 2,0 m para excluir al operador del FOV. Utilice el límite de vista idéntico para las lecturas inferiores y superiores.
      2. Utilice una distancia mínima entre el sensor y el elemento más cercano de las partes sobre el suelo de la planta (tallos, ramas) de al menos cuatro veces el diámetro o la anchura del componente.
    3. Calcule los valores WAI a partir de datos sin procesar medidos en campo utilizando el software gratuito LAI-2200 File Viewer (FV2200), que está disponible en https://www.licor.com/env/products/leaf_area/LAI-2200C/software.html.
      1. Restringir el FOV del sensor en dirección cenit a los tres anillos superiores (es decir, 0-43o) para excluir un efecto de borde y grandes tamaños de hueco20,61,62.
      2. Procesar los datos utilizando los algoritmos estándar para LAI-2000 PCA, y establecer parámetros para realizar evaluaciones utilizando FV2200 de acuerdo con el manual de usuario34.
    4. Determinar el valor anual de WAI como la media aritmética de ambas mediciones realizadas antes del comienzo de la temporada de cultivo (es decir, antes de la rotura de brotes) y después de la caída completa de la hoja (Figura10).
  3. Estimar PAI utilizando el mismo procedimiento que se utilizó para realizar la estimación de WAI (del paso 3.6.1-3.6.3.)
  4. Calcule el valor LAI real en el nivel de stand como la diferencia entre los valores medios de PAI y WAI (LAI - PAI – WAI)20,38.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Los valores medios de LAI a nivel de stand de todos los stands estudiados en la temporada de crecimiento 2013 se presentan en la Figura8. En todas las parcelas excepto A, los valores más altos se midieron mediante trampas de basura, que sirven como nivel de referencia. Por el contrario, el valor medio más alto de LAI se estimó a través de la técnica de la aguja en la parcela A. Todas las diferencias entre los valores de LAI estimados utilizando trampas de basura y un analizador de dosel de planta no fueron significativas (p > 0.05; Figura 8, izquierda). En las parcelas B, C y D, la técnica de la aguja subestimó significativamente el LAI obtenido de las trampas de basura. Por el contrario, en la parcela A, esta técnica sobrestimó el LAI medido utilizando las trampas de basura, sin embargo, a un nivel no significativo (p a 0,01; Figura 8, medio). En todos los casos (Figura 8, derecha) se encontraron diferencias significativas entre los valores de LAI estimados por el analizador de dosel de la planta y la técnica de la aguja (Figura8, derecha).

Figure 8
Figura 8: Una comparación de las diferencias estadísticamente significativas entre los valores promedio de LAI estimados utilizando trampas de basura, la técnica de la aguja y enfoques DE PCA LAI-2000.
A-C: Parcelas de haya europeas, D: parcela de arce sicomoro, p < 0,05 (*), p < 0,001 (**), p a 0,05 (ns). Los bigotes muestran desviaciones estándar. Esta cifra se ha modificado con permiso38. Haga clic aquí para ver una versión más grande de esta figura.

Las desviaciones de la subestimación o sobreestimación del LAI obtenida por el analizador de dosel de la planta y la técnica de la aguja, ambas en comparación con los valores de LAI obtenidos de las trampas de basura consideradas como el nivel de referencia se muestran en la Figura9. Las subestimaciones de los valores de LAI medidos utilizando trampas de basura y el analizador de dosel de la planta en las parcelas A, B, C y D fueron del 15,3%, 11,0%, 18,9% y 5,8%, respectivamente. La desviación media de los valores de LAI en parcelas de haya y todas las parcelas investigadas juntas fue del 15,1% y del 12,7%, respectivamente. En las parcelas B, C y D, la técnica de la aguja subestimó la LAI obtenida de las trampas de basura en un 41,0%, 38,0% y 40,0%, respectivamente. Contrariamente, en la parcela A, se encontró una sobreestimación del 13,0% entre los valores de LAI obtenidos por la técnica de la aguja y las trampas de basura. Las desviaciones medias de los valores de LAI en el haya y todas las parcelas estudiadas, independientemente de la composición de las especies arbóreas, fueron del 39,7% y del 26,5%, respectivamente.

Figure 9
Figura 9: Desviación media de los valores de LAI estimados utilizando la técnica de la aguja y un PCA LAI-2000 a partir de valores LAI obtenidos a partir de trampas de basura consideradas como referencia.
A-C: Parcelas de haya europeas, D: parcela de arce sicomoro, TODO – desviación media de todas las parcelas independientemente de las especies arbóreas. Los bigotes muestran desviaciones estándar. Esta cifra se ha modificado con permiso38. Haga clic aquí para ver una versión más grande de esta figura.

Después de la caída completa de la hoja y antes de la rotura de brotes (es decir, en abril), la WAI se puede medir fácilmente utilizando un analizador de dosel de planta. Los valores estacionales medios de WAI para las parcelas A, B, C y D alcanzaron 1,33, 0,26, 0,99 y 0,38, respectivamente (Figura10). El desarrollo más rápido de LAI se observó durante el período desde la rotura de brotes que tuvo lugar en abril hasta principios de mayo (parte 1, Figura 10). Desde mayo hasta finales de junio (parte 2, Figura 10),se observó la continuación del rápido desarrollo laI alaNdo de las hojas; sin embargo, con menos intensidad en comparación con la parte 1. Desde la segunda quincena de junio hasta finales de julio, el valor de LAI disminuyó en 0,46 en la parcela B. La gráfica A fue seleccionada deliberadamente para un monitoreo de LAI más detallado donde se tomaron mediciones de LAI estacionales en intervalos de tiempo más cortos. Por lo tanto, el estancamiento de LAI fue más evidente durante los meses de verano en esta parcela (parte 3, Figura 10). En todas las gradas forestales estudiadas, las hojas comenzaron a caer a finales de septiembre, ilustradas por la disminución de la curva LAI (parte 4, Figura 10).

Figure 10
Figura 10: Dinámica de LAI estacional durante la temporada de crecimiento 2013.
LAI: índice de área de hoja, WAI: índice de área leñosa, A–C: parcelas de haya europeas, D: parcela de arce, DOY: día del año. Los diamantes vacíos significan wai estacional promedio restado del PAI para obtener la LAI correcta (LAI - PAI - WAI). El período 3 parece ser la fase más adecuada para comparar la LAI de los stands caducifolios durante toda la temporada de crecimiento. Los bigotes muestran desviaciones estándar de la estimación de LAI, y el área gris significa el intervalo de confianza de la curva LAI media. Esta cifra se ha modificado con permiso38. Haga clic aquí para ver una versión más grande de esta figura.

conspirar Un B C D
Coordenadas geográficas 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
Altitud 600 m a.s.l. 450 m a. s.l. 460 m a. s.l.
Bedrock Granodiorit ácido Granodiorit
Clasificación del suelo (tipo de suelo) Modal oligotrófico Cambisol Modal mesotrofico Cambisol
Precipitación media anual (mm) 592 596
Temperatura media anual (C) 7.0 7.0
Orientación de talud Nw W N Nw
Inclinación de la pendiente (%) 10 15 20 10
Tipo de bosque Abieto-Fagetum oligo-mesotrophicum; Nutrient Medium Fir-Beech Fagetum calcarium; Haya de piedra caliza Fagetum mesotrophicum; Haya rica en nutrientes Fagetum illimerosum mesotrophicum; Haya loamy

Apéndice A: Características de las parcelas de estudio. A-C: haya europea, D: arce sicomoro. La clasificación del tipo de bosque se basa en factores ecológicos (es decir, el suelo y el clima) y sus relaciones con los establos forestales. Cada una de las parcelas tenía una superficie de 400 m2 (20 x 20 m). Esta tabla se ha modificado con el permiso38.

conspirar Un B C D
Edad del stand (años) 46 19 77 13
Densidad del soporte (árboles ha-1) 2300 2700 900 5800
Altura (m) 18,3 a 4,6 6,0 a 1,3 22,6 a 11,3 5,6 a 0,8
DBH (cm) 13,4 x 5,7 7,0 a 1,3 24,1 a 4,1 3,9 x 1,6
BA1,3 (m2 ha-1) 38,8 a 0,01 10,4 á 0,01 40,9 a 0,10 6,9 á 0,01
Representación de especies arbóreas (%) EB (100) EB (100) EB (100) SM (100)

Apéndice B: Características estructurales (promedio de SD) de los soportes investigados. A–C: Parcelas europeas de haya, D: parcela de arce de sicomoro, DBH: diámetro a la altura del pecho, BA1.3: área basal a la altura del pecho al final de la temporada de crecimiento 2013, EB: haya europea, SM: arce de sicomoro. Esta tabla se ha modificado con el permiso38.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Las trampas de basura se consideran como uno delos métodos más precisos para realizar la estimación de LAI 8, pero requieren más mano de obra y consumen mucho tiempo que los métodos indirectos35,64 que se incorporaron a este protocolo. Dentro de todo el procedimiento de estimación de LAI utilizando trampas de basura, una estimación precisa del SLA es el punto más crítico10 porque el SLA puede variar con las especies vegetales65,fecha y año, duración del tiempo en las trampas, tiempo66,y sitio fertilidad67. Aunque las trampas de basura se consideran generalmente como el nivel de referencia, y una herramienta de calibración para los métodos indirectos38,49, una posible discrepancia de la estimación de LAI utilizando trampas de basura puede ocurrir debido al flujo de viento, el número y distribución de las trampas dentro del soporte independientemente de la cubierta del dosel y la estructura del soporte, el tamaño de la zona del soporte,68,69 o también puede ser causada por una desviación de la trampa de la basura desde su nivel, posición horizontal. Además, los valores LAI obtenidos por las trampas de basura también pueden verse afectados por el clima y el clima70,especialmente por la descomposición de la caída de la camada10,11 o la marchitamiento de hojas en las trampas, que pueden ser sequía sin efecto durante los meses de verano. Por lo tanto, se debe aplicar un coeficiente de corrección de contracción en este caso25,26,27. El número suficiente de trampas de basura para realizar una estimación de LAI osciló entre 15 y 25 25,48,sin embargo, el área de captura total más alta de las trampas por soporte investigado, la estimación de LAI más precisa. Las trampas de basura no permiten a los usuarios estimar la distribución de la hoja dentro del perfil vertical de las coronas11,ni determinar un valor laI preciso en un solo momento en el tiempo durante la temporada de crecimiento60, sin embargo, en el período de caída de la hoja, es útil en la estimación de la dinámica de LAI y para hacer una comparación interanual de sus dinámicas48,71. Aunque una estimación precisa de la ILA por trampas de basura está relacionada con la hoja anual completa16, este enfoque también se ha aplicado con éxito en bosques mixtos de hoja perenne caducifolio72.

La técnica de la aguja es fácil de usar y aplicable simplemente para los soportes forestales caducifolios y es adecuada especialmente para los soportes forestales de especies de hojas grandes como el roble(Quercus sp.) o el haya (Fagus sp.). Es el más fácil de usar en sitios donde la basura se descompone por tomás cada año10. Si se utiliza una aguja delgada y afilada, este método proporciona estimaciones precisas de LAI. Las principales ventajas de la técnica de la aguja son su uso sencillo, no necesita un medidor de área de hoja o equilibrio, y es mucho menos lento que el uso de trampas de basura clásicas20. Además, es atractivo para su aplicación, porque la asunción de la distribución aleatoria de hojas no es necesaria y debido a su carácter no destructivo11. Sin embargo, las mediciones de LAI basadas en este método subestiman sistemáticamente los valores de LAI obtenidos de las trampas de basura (por 6-37%),20, que también es apoyado por el s.38. La subestimación de la IA (Figura8, Figura 9) puede ser causada principalmente por el diámetro de la aguja usada, o un microrrelieve de la superficie del suelo por debajo del dosel estudiado donde las hojas pueden ser sopladas por el viento ya sea en una depresión del terreno o fuera de pequeñas protuberancias de la superficie, o una combinación de ambos factores mencionados. Además de estas deficiencias, el método de la aguja es complicado de usar en una especie de árbol de conífera caducifolio como el sp. de alerce debido al tamaño y la forma de su aparato de asimilación.

El analizador de dosel de la planta es uno de los métodos ópticos no destructivos indirectos. La principal ventaja de su fácil aplicación de campo para la estimación de LAI consiste en la posibilidad de tomar mediciones repetidas, lo que permite evaluar el curso estacional de LAI durante toda la temporada de crecimiento,11 y permite una aplicación y monitoreo a largo plazo de la LAI28. El LAI-2000 PCA exige condiciones climáticas relativamente específicas para realizar una estimación precisa de LAI (paso 3.4). Este inconveniente potencial se elimina notablemente por las versiones mejoradas, LAI-2200 PCA y LAI-2200C, que son más robustas con respecto a la situación sinóptica al hacer una estimación de LAI41 debido a su mejor capacidad para realizar la dispersión de la luz conversión47. A pesar de este hecho, la estimación de LAI utilizando estos sensores se recomienda ya sea en condiciones nubladas estándar34 o condiciones de sol donde un cielo brillante estable con el sol alto por encima del horizonte21. Este método requiere medir sólo 1252 hasta 25 puntos de muestreo21 por stand para alcanzar el nivel requerido de precisión. Sin embargo, las mediciones basadas en fracciones de brecha óptica no son adecuadas para soportes con un área de hoja alta porque estas estimaciones de LAI indirectas están saturadas a valores LAI alrededor de 614. Para realizar una estimación precisa de LAI, otra debilidad potencial del enfoque DE LAI-2x00PCA es el requisito de una lectura de referencia por encima del dosel 6. Sin embargo, este inconveniente puede eliminarse por la posibilidad de tomar mediciones simultáneas y automatizadas en modo dual cuando dos sensores son controlados por una unidad del LAI-2000 PCA73 o sus sucesores mejorados LAI-2200 PCA y LAI-2200C34 ,41.

El uso del analizador de dosel de la planta para estimar la WAI en períodos sin hojas y su resta de PAI óptico (es decir, índice de área de planta eficaz) en el período frondoso parece ser práctico72. Por el contrario, el potencial de este instrumento está restringido por su tendencia general a subestimar la ILA en las marquesinas discontinuas y heterogéneas15,20,43,49,74 que se atribuye principalmente a la contribución de materiales leñosos y efectos de aglomeración dentro del dosel10,72. Por el contrario, la sobreestimación de la LAI se puede observar en soportes compuestos por especies (por ejemplo, álamos) que pueden reemplazar sus hojas durante la temporada de crecimiento11. 75 cuantificaron el material leñoso por métodos destructivos directos que consumen mucho tiempo y consumen mucho trabajo. También es posible estimar la contribución leñosa utilizando la medición indirecta distinguiéndola dentro de la banda infrarroja cercana76, o mediante el escaneo láser terrestre, ya sea utilizando un escáner láser77 o nubes puntuales de LIDAR78 . La subestimación de LAI se vio especialmente dentro de esas marquesinas con una distribución no aleatoria (por ejemplo, bosque perenne) donde el analizador de dosel de la planta subestima los valores de LAI en aproximadamente un 35-40% debido a la acumulación de follaje en el nivel de brote39 , 79. Como uno de los métodos posibles para realizar una estimación precisa de la LAI, Chen yotros 8 y Leblanc et al.80 recomiendan combinar un analizador de dosel de planta y la radiación de seguimiento y la arquitectura de las marquesinas (TRAC), que cuantifica el efecto de aglutinación y los componentes leñosos. Sin embargo, actualmente también es posible corregir el aglutinamiento mediante el método de promediación de longitud finita81 o el método de distribución de tamaño de brecha82 o una combinación de la distribución del tamaño de la brecha y los métodos de promediación de longitud finito83 o el método de distribución de longitud de trayecto84 según lo indicado por Yan et al.35 en su estudio de revisión. Aunque se han logrado avances significativos en el desarrollo de cálculos de LAI utilizando métodos ópticos indirectos, siguen existiendo algunos desafíos, especialmente implicando la estimación de la distribución del ángulo de la hoja donde la aplicación de escaneo láser activo tecnología es uno de los métodos que pueden detectarla, pero su información tridimensional aún no ha sido completamente explorada e implementada35.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Los autores no tienen nada que revelar. Los resultados representativos se utilizaron a partir del artículo "Ern" J, Haninec P, Pokorn-R (2018) El índice de la hoja se estimó mediante métodos directos, semidirectos e indirectos en los stands europeos de haya y arce sicomoro. Journal of Forest Research (Revista de Investigación Forestal). doi: 10.1007/s11676-018-0809-0 (versión en línea) basado en el amable permiso del consejo editorial de Journal of Forestry Research.

Acknowledgments

Estamos en deuda con el consejo editorial de la Revista de Investigación Forestal por animarnos y autorizarnos a utilizar los resultados representativos de este protocolo del artículo publicado allí. También agradecemos amablemente a dos revisores anónimos por sus valiosos comentarios, que han mejorado sustancialmente el manuscrito. La investigación fue financiada por el Ministerio de Agricultura de la República Checa, el apoyo institucional MZE-RO0118 y la Agencia Nacional de Investigación Agrícola (Proyecto 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).

Tags

Ciencias Ambientales Número 150 índice de área de hoja trampas de basura área específica de la hoja técnica de aguja analizador de dosel de plantas bosques caducifolios haya europea arce de sicomoro caída de basura fracción de separación
Estimación del índice de área hoja utilizando tres métodos distintos en soportes caducifolios puros
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Černý, J., Pokorný,… More

Černý, J., Pokorný, R., Haninec, P., Bednář, P. Leaf Area Index Estimation Using Three Distinct Methods in Pure Deciduous Stands. J. Vis. Exp. (150), e59757, doi:10.3791/59757 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter