Summary

Estimation de l'indice de la zone des feuilles à l'aide de trois méthodes distinctes dans les peuplements à feuilles caduques pures

Published: August 29, 2019
doi:

Summary

Une estimation précise de l’indice de la surface foliaire (LAI) est cruciale pour de nombreux modèles de flux de matériaux et d’énergie dans les écosystèmes végétaux et entre un écosystème et la couche limite atmosphérique. Par conséquent, trois méthodes (pièges de litière, technique d’aiguille, et PCA) pour prendre des mesures précises de LAI étaient dans le protocole présenté.

Abstract

Des estimations précises de l’indice de la surface foliaire (LAI), définie comme la moitié de la surface totale des feuilles par unité de surface horizontale du sol, sont cruciales pour décrire la structure de la végétation dans les domaines de l’écologie, de la foresterie et de l’agriculture. Par conséquent, les procédures de trois méthodes utilisées commercialement (pièges à litière, technique d’aiguille et analyseur de la canopée végétale) pour effectuer l’estimation de LAI ont été présentées étape par étape. Des approches méthodologiques spécifiques ont été comparées, et leurs avantages actuels, controverses, défis, et perspectives futures ont été discutés dans ce protocole. Les pièges à litière sont généralement considérés comme le niveau de référence. La technique de l’aiguille et l’analyseur de la canopée végétale (p. ex., LAI-2000) sous-estiment fréquemment les valeurs de LAI par rapport à la référence. La technique de l’aiguille est facile à utiliser dans les peuplements à feuilles caduques où la litière se décompose complètement chaque année (p. ex., peuplements de chênes et de hêtres). Cependant, l’étalonnage basé sur des pièges à litière ou des méthodes destructrices directes est nécessaire. L’analyseur de la canopée végétale est un dispositif couramment utilisé pour effectuer l’estimation DE LAI en écologie, en foresterie et en agriculture, mais il est sujet à une erreur potentielle due à l’amas de feuillage et à la contribution d’éléments ligneux dans le champ de vision (FOV) du capteur. L’élimination de ces sources d’erreurs potentielles a été discutée. L’analyseur de la canopée végétale est un dispositif très approprié pour effectuer des estimations LAI au niveau spatial élevé, en observant une dynamique saisonnière DE LAI, et pour la surveillance à long terme de LAI.

Introduction

LAI, défini comme la moitié de la surface totale des feuilles par unité de surface horizontale du sol1, est une variable clé utilisée dans de nombreux modèles d’échange biogéophysique et chimique axés sur les flux de carbone et d’eau2,3, 4. LAI est directement proportionnelle à la surface active des feuilles où elle conduit la production primaire (photosynthèse), la transpiration, l’échange d’énergie, et d’autres attributs physiologiques liés à une gamme de processus d’écosystème dans la plante communautés5.

De nombreuses approches et instruments d’exécution de l’estimation LAI ont été développés, et ils sont actuellement disponibles sur le marché6,7,8,9. Les méthodes au sol pour effectuer l’estimation de LAI peuvent être regroupées en deux catégories principales : (i) directe, et (ii) les méthodes indirectes10,11,12. Le premier groupe comprend des méthodes mesurant directement la surface des feuilles, tandis que les méthodes indirectes infèrent l’ILA à partir de mesures de paramètres plus facilement mesurables, en utilisant la théorie du transfert radiatif (en termes de temps, d’intensité de main-d’œuvre et de technologie)13 ,14.

Ce protocole traite de l’utilisation pratique des pièges à litière et de la technique de l’aiguille, comme méthodes semi-directes non destructives10; et l’analyseur de la canopée de l’usine d’appareils optiques comme méthode indirecte6,7 pour effectuer l’estimation DE LAI sur un échantillon choisi à partir de peuplements de forêts à feuilles caduques tempérées en Europe centrale (voir ses caractéristiques structurelles et dendrométriques dans L’Annexe A et l’Annexe B).

Dans les forêts à feuilles caduques et les cultures, il est possible d’effectuer une estimation semi-directe non destructive de la LAI à l’aide de pièges à litière11 distribués sous la couche de canopée15. Les pièges à litière fournissent des valeurs LAI précises pour les espèces à feuilles caduques dans lesquelles LAI atteint un plateau au cours de la saison de croissance. Cependant, pour les espèces qui peuvent remplacer les feuilles pendant la saison de croissance, comme le peuplier, la méthode surestime LAI11. Cette méthode suppose que le contenu des pièges représente la quantité moyenne de feuilles qui tombent au cours d’une période de chute des feuilles dans le stand16,surtout pendant les mois d’automne. Les pièges sont des boîtes ou des filets ouverts (figure 1) avec une taille suffisante prédéterminée (minimum 0,18 m2, mais de préférence plus de 0,25 m2)10,17, côtés latéraux empêchant le vent de souffler des feuilles dans / hors de les pièges, et avec un fond perforé en évitant la décomposition des feuilles; qui sont situés sous la couche de la canopée du support étudié, cependant, au-dessus de la surface du sol11. La distribution des pièges peut être soit aléatoire18 ou systématique dans les transects19 ou une grille d’espacement régulier20. Le nombre et la distribution des pièges sont une étape méthodologique cruciale pour effectuer une estimation précise de LAI reflétant la structure unique du peuplement, l’homogénéité spatiale, la vitesse et la direction du vent attendus, en particulier dans le cas des peuplements clairsemés (ou des ruelles et vergers) et la capacité de travail pour l’évaluation des données. La précision de l’estimation de LAI augmente avec la fréquence croissante des pièges dans les peuplements étudiés11,21 (voir Figure 2).

La fréquence recommandée pour prélever des échantillons de la litière-chute de chaque piège est au moins mensuelle10 et même deux fois par semaine dans les périodes de forte chute, qui peuvent coïncider avec de fortes pluies. Il est nécessaire d’empêcher la décomposition de la litière dans les pièges et le lessivage des nutriments de la matière pendant les épisodes de pluie dans le cas de l’analyse chimique. Après la collecte des feuilles dans un champ, un sous-échantillon mixte est utilisé pour estimer la zone spécifique des feuilles (SLA, cm2 g-1)22, définie comme la zone fraîche projetée des feuilles à son rapport de poids de masse sèche. Le reste de la litière recueillie est séché à un poids constant et utilisé pour calculer la masse sèche de la litière comme g cm-2 dans le laboratoire. La masse sèche des feuilles à chaque date de collecte est convertie en zone foliaire en multipliant la biomasse collectée par SLA ou la masse sèche des feuilles par zone (LMA, g cm-2) comme paramètre inverse à SLA23,24. Une nouvelle zone projetée de feuilles particulières peut être déterminée à l’aide d’une approche planimétrique. La méthode planitmétrique est basée sur la dépendance entre la zone d’une feuille spécifique et la zone couverte par la feuille dans la surface horizontale. La feuille est fixée horizontalement à l’écran d’analyse, et sa moyenne est mesurée à l’aide d’un mètre de surface foliaire. Ensuite, sa superficie est calculée. De nombreux compteurs de surface de feuille basés sur différents principes de mesure sont disponibles sur le marché. Certains d’entre eux comprennent, par exemple, le compteur de surface de feuilles portative LI-3000C, qui utilise la méthode de projection orthogonale, et le compteur de zone LI-3100C, qui mesure la moyenne des feuilles à l’aide d’une source de lumière fluorescente et d’une caméra de balayage semi-conduite. Le dispositif suivant, le compteur portatif CI-202 de la zone des feuilles laser, code une longueur de feuille à l’aide d’un lecteur de code. En plus d’eux, les compteurs AM350 et BSLM101 Portable Leaf Area sont également couramment utilisés pour effectuer une estimation précise de la surface des feuilles.

En outre, les compteurs de surface de feuille basés sur des systèmes qui analysent la vidéo existent. Ces compteurs de zone de feuille se composent d’une caméra vidéo, d’un cadre de numérisation, d’un écran, et d’un PC, y compris le logiciel approprié pour faire l’analyse de données telle que wD3 WinDIAS Leaf Image Analysis System11. Actuellement, les scanners conventionnels connectés à un PC peuvent être utilisés pour estimer la surface des feuilles. Ensuite, la zone de la feuille est calculée comme un multiple du nombre de pixels noirs et sa taille dépend de la résolution sélectionnée (points par pouce – dpi), ou la zone de la feuille est mesurée par un logiciel spécifique, par exemple, WinFOLIA. Enfin, la masse sèche totale de feuilles récoltées dans une surface de surface connue est convertie en LAI en se multipliant par LLA et un coefficient de rétrécissement25 qui reflète les changements dans la zone des feuilles fraîches et séchées. Le rétrécissement dépend de l’espèce d’arbre, de la teneur en eau et de la douceur des feuilles. Le rétrécissement des feuilles dans la longueur et la largeur (ce qui affecte la zone projetée) est généralement jusqu’à 10%26, par exemple, il varie de 2,6 à 6,8% pour le chêne27. Le tri des feuilles par espèce pour la pesée et l’établissement du rapport spécifique de la superficie foliaire est nécessaire pour déterminer la contribution de chaque espèce au LAI28total.

LAI détermination par la technique de l’aiguille est une méthode peu coûteuse dérivée de la méthode de quadrat point incliné29,30,31,32. Dans les peuplements à feuilles caduques, il s’agit d’une solution de rechange pour effectuer l’estimation de LAI sans utiliser de pièges10 en partant du principe que le nombre total de feuilles et leur superficie dans un arbre sont égaux à ce qui est recueilli à la surface du sol après une chute complète de feuilles20 . Une fine aiguille pointue est percée verticalement dans la litière couchée sur le sol immédiatement après la chute des feuilles10. Après la chute complète des feuilles, les feuilles sont prélevées du sol sur une aiguille d’une sonde verticale, sont liées au numéro de contact et égales à la valeur réelle de LAI. Un échantillonnage intensif (100-300 points d’échantillonnage par stand étudié par sonde de champ) par la technique de l’aiguille est nécessaire pour quantifier un nombre de contact moyen et pour obtenir correctement la valeur LAI10,20,33.

leanalyseur de la canopée végétale(p. ex., LAI-2000 ou LAI-2200 PCA) est un instrument portatif couramment utilisé pour effectuer une estimation indirecte de LAI en prenant une mesure de la transmission de lumière dans toute la canopée7dans la partie bleue filtrée du spectre lumineux (320-490 nm)34,35pour minimiser la contribution de la lumière qui a traversé les feuilles, a été dispersée par la canopée et passe à travers le feuillage7,34. Dans la partie bleue du spectre lumineux, le contraste maximal entre la feuille et le ciel est atteint, et le feuillage apparaît noir contre le ciel34. Par conséquent, il est basé sur l’analyse de la fraction de l’écart de la canopée7. L’instrument a été largement utilisé pour réaliser des études écophysiologiques dans les communautés végétales telles que les cultures36Prairies37, stands de conifères8, et les stands à feuilles caduques38. L’analyseur de la canopée de la plante utilise un capteur optique fisheye avec un FOV de 14835projeter une image hémisphérique de la canopée sur des détecteurs de silicium pour les organiser en cinq anneaux concentriques39avec des angles de zénith central de 7, 23, 38, 53 et 68 degrés9,40,41. Cinq bouchons d’vue (c.-à-d.,270, 180, 90, 45 et 10 degrés) peuvent être utilisés pour restreindre la vue azimuth du capteur optique27pour éviter l’ombrage par des obstacles dans une zone ouverte (pour la lecture ci-dessus) ou l’opérateur dans le FOV du capteur pendant l’estimation DE LAI peut ajuster le capteur FOV à une zone ouverte pour les lectures au-dessus de la canopée. Les mesures à l’aide de l’analyseur de la canopée végétale sont prises ci-dessus (ou dans une zone ouverte suffisamment étendue) et au-dessous de la canopée étudiée7. Les mêmes plafonds de vue doivent être utilisés pour les lectures ci-dessus et ci-dessous afin d’éviter les biais de l’estimation des fractions d’écart34. Le PCA LAI-2000 produit un indice efficace de surface foliaire (LAIe) tel qu’introduit par Chen et coll.42, ou plutôt un indice efficace de la zone végétale (PAIe) car les éléments ligneux sont inclus dans la valeur de lecture du capteur. Dans les peuplements à feuilles caduques avec des feuilles plates, le LAIe est le même que le LAI hemi-surface. Dans le cas des peuplements forestiers à feuilles persistantes, le LAIe est nécessaire pour corriger l’effet d’agglutination au niveau du pousse (SPAR, STAR)43, l’indice d’agglutination à des échelles plus grandes que le tournageE)44, et la contribution d’éléments ligneux, y compris les tiges et les branches (c.-à-d.,rapport de zone ligneuse/totale),45qui causent une sous-estimation systématique DE LAI20. L’indice d’agglutination à une échelle spatiale plus élevée que la pousse ou la feuille pourrait être quantifié comme un indice d’agglutination apparent (ACF), qui peut être estimé à l’aide de l’analyseur de la canopée végétale lorsque des bouchons de vue plus restrictifs sont utilisés.27. Comme ces auteurs affirment que cet ACF est déduit d’un rapport de valeurs LAI calculéeà de la transmission par différentes procédures pour les auvents homogènes et non homogènes selon Lang46, nous supposons que cet indice agglomérant décrit plutôt l’homogénéité de la canopée. Outre le calcul ACF, les nouveaux bouchons de diffuseur qui permettent une application plus étendue de LAI-2200 PCA en ce qui concerne les conditions météorologiques, un menu utilisateur au lieu de codes Fct, et la possibilité de prendre beaucoup plus de mesures par session de fichier sont parmi les principaux mises à niveau technologiques par rapport à l’ancien LAI-2000 PCA34,47. Les mesures et les calculs logiciels internes subséquents sont basés sur quatre hypothèses : (1) les éléments de la lumière bloquant les plantes, y compris les feuilles, les branches et les tiges, sont distribués au hasard dans la canopée, (2) le feuillage est un corps électriquement noir qui absorbe tous les la lumière qu’il reçoit, (3) tous les éléments de la plante sont la même projection à la surface horizontale du sol comme une forme géométrique simple convexe, (4) éléments végétaux sont petits par rapport à la zone couverte par chaque anneau11.

Protocol

1. LAI estimé à l’aide de pièges à litière Tout d’abord, effectuer un levé sur le terrain, étudier les conditions du site et la structure des peuplements étudiés (c.-à-d., inclinaison et exposition de la pente, du type de forêt ou de végétation, densité forestière ou végétale, homogénéité de la fermeture de la canopée, la couronne taille, et la hauteur de base de la couronne). Sélectionnez un type approprié de piège à litière pour le positionnement sous la canopée e…

Representative Results

Les valeurs moyennes de LAI au niveau du stand de tous les stands étudiés au cours de la saison de croissance 2013 sont présentées à la figure 8. Sur toutes les parcelles sauf A, les valeurs les plus élevées ont été mesurées par des pièges à litière, qui servent de niveau de référence. En revanche, la valeur moyenne la plus élevée de LAI a été estimée par la technique d’aiguille sur la parcelle A. Toutes les différences entre les valeurs DE LAI estimées à l’aide de pi?…

Discussion

Les pièges à litière sont considérés comme l’une des méthodes les plus précises pour effectuer l’estimation LAI8, mais ils sont plus laborieux et longs que les méthodes indirectes35,64 qui ont été incorporées dans ce protocole. Dans l’ensemble de la procédure d’estimation LAI à l’aide de pièges à litière, une estimation précise de l’ALS est le point le plus critique10 parce que l’ALS peut varier ave…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Nous sommes redevables au comité de rédaction du Journal of Forestry Research de nous avoir encouragés et autorisés à utiliser les résultats représentatifs de ce protocole de l’article publié là-bas. Nous remercions également avec bienveillance deux critiques anonymes pour leurs précieux commentaires, qui ont considérablement amélioré le manuscrit. La recherche a été financée par le Ministère de l’agriculture de la République tchèque, le soutien institutionnel MZE-RO0118 et l’Agence nationale de la recherche agricole (Projet No. QK1810126).

Materials

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/

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. , (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. , (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, &. #. 2. 2. 0. ;. 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. , (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. , (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. , (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. , (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, &. #. 2. 2. 0. ;., 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. , (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. , (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).

Play Video

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).

View Video