روش‌های زمینی به منظور اندازه‌گیری مستقیم مقدار شاخص سطح برگ (LAI)

مقاله مروری

فصلنامه انسان و محیط زیست، شماره 60، بهار 1401، صص 105-116

روش­های زمینی به منظور اندازه­گیری مستقیم مقدار شاخص سطح برگ (LAI)

سید محمدمعین صادقی[1]^*

moeinsadeghi@ut.ac.ir

ناصح میری[2]

تاریخ دریافت: 26/04/94                                                                          تاریخ پذیرش: 06/05/95

چکیده

زمینه و هدف: شاخص سطح برگ (LAI) از مهم‌ترین مشخصه­های ساختاری در بوم­سازگان­های کشاورزی، مرتعی و جنگلی است که بیش‌ترین تاثیر را در تغییرات انرژی، آب و گاز دارد. با توجه به نوپا بودن مطالعات مقادیر LAI در داخل کشور، هدف از این مقاله، بررسی انواع روش­های زمینی مستقیم تعیین مقدار LAI است.

روش بررسی: این پژوهش با استفاده از مرور منابع علمی و به کارگیری پایگاه داده­های اینترنتی به بررسی موضوع پرداخته است. روش­های اندازه­گیری مقدار LAI به دو دسته روش‌های زمینی و سنجش از دور تقسیم می­شوند که روش­های زمینی نیز به دو زیردسته روش­های مستقیم و غیرمستقیم (برآوردی) دسته­بندی می­شوند.

یافته­ها: با وجود اینکه در دو دهه اخیر، گرایش به استفاده از روش­های غیرمستقیم زمینی و سنجش از دور در برآورد مقدار LAI افزایش یافته است، اما به دلایلی هم­چون نیاز به دستگاه‌های نیمه­پیشرفته و پیشرفته و عدم دسترسی به تصاویر ماهواره­ای به صورت رایگان در بیش­تر نقاط دنیا، سبب شده است که هنوز روش­های زمینی مستقیم محاسبه مقدار LAI کاربرد وسیعی داشته باشد. هم­چنین دقت و صحت بالای روش­های زمینی مستقیم در مقایسه با روش­های غیرمستقیم زمینی و سنجش از دور، دلیل دیگر بر ارجح بودن روش­های مستقیم زمینی در اندازه­گیری مقدار LAI است.

بحث و نتیجه­گیری: نتایج این بررسی نشان داد که روش تله لاشبرگ، می­تواند به عنوان کاراترین روش به دلیل صحت و دقت بالا که درجه تخریب آن به طبیعت بسیار اندک است، در پژوهش­های پیش­رو مورد استفاده پژوهشگران قرار بگیرد.

کلمات کلیدی: رابطه­ی وزن برگ به سطح برگ، روش پلانی­متر، روش تله­ لاشبرگ، روش درخت مدل، روش کوادرات نقطه­ای.

Human and Environment, No. 60, Spring 2022, pp. 105-116

Ground-Based Methods for Direct Measuring of Leaf Area Index (LAI)

Seyed Mohammad Moein Sadeghi[3]^*

moeinsadeghi@ut.ac.ir

Naseh Miri[4]

Abstract

Background and Objectives: Leaf Area Index (LAI) is one of the most important structural parameters in agricultural, range and forest ecosystems and variation of energy, water, and gases are tightly coupled to LAI. According to the novelty of LAI research in Iran, this study aimed to evaluate different direct ground-based methods for determining LAI.

Material and Methodology: This research has been done by literature reviews by using internet databases. There are two main categories of procedures to measure LAI: ground-based and remote sensing methods, and ground-based methods divided into direct and indirect (estimation) methods.

Findings: Although, in the past two decades, the tendency to use indirect ground-based as well as remote sensing methods for estimating g LAI has increased, but for reasons such as needing semi-sophisticated and sophisticated instruments and lack of free access to satellite images in the greater part of the world, caused the direct ground-based methods for calculating LAI has been widely used. Moreover, the high precision and accuracy of direct ground-based methods compared to direct ground-based and remote sensing methods is another reason for preferring direct ground-based methods.

Discussion and Conclusion: The results of this study showed that the Litter Trap method could be the most efficient method for measuring LAI, and we proposed this method in future research, concerning very less destruction to nature as well as high accuracy and precision.

Keywords: Litterfall Collection Method, Model Tree Method, Planimeter, Leaves Weight to Leaves Area Ratio, Point Quadrat Method.

مقدمه

در حال حاضر در کشورهای پیشرفته برای شناخت وضعیت اکوسیستم­ها، پایش و ارزیابی تغییرات ایجاد شده طی زمان در آن­ها، از شاخص­های اکولوژیک استفاده می­کنند. این موضوع برای کشور ایران که از یک سو منابع طبیعی آن بر اثر عوامل مختلف دستخوش تخریب و ناپایداری و از سوی دیگر فقدان اطلاعات پایه، امکان برقراری سامانه پایش منابع را با مشکل جدی روبرو ساخته، از اهمیت زیادی برخوردار است. از جمله شاخص­های اکولوژیک که ضعف اطلاعات مربوط به آن در داخل کشور به­خوبی مشهود است، آگاهی از مقدار شاخص سطح برگ (LAI) بوم­سازگان­های جنگلی است (1).

مقدار LAI برابر است با سطح کل یک طرف برگ پوشش گیاهی در واحد سطح زمین و اولین بار این تعریف توسط Watson در سال 1947 میلادی ارایه شد (2 و 3). این تعریف مناسب پهن­برگان بوده و برای درختان سوزنی‌برگ، به­صورت نیمی از سطح سوزن­ها در واحد سطح زمین تعریف می­شود (4 و 5). از آن جایی که این شاخص، بیان­کننده­ی نسبت سطح برگ به سطح زمین است، بنابراین بدون واحد است.

در نیمکره شمالی، غالباً فصل بهار و پاییز به عنوان متغیرترین فصول از نظر مقدار LAI شناخته می­شوند و پژوهشگران بر این اعتقادند که می­بایستی مقدار LAI به صورت روزانه اندازه­گیری شود، زیرا که مقدار آن در هر روز تفاوت پیدا می­کند. هم­چنین، فصل تابستان را به عنوان اوج رویش در نظر می­گیرند که مقدار LAI تغییرات اندکی را شامل می­شود (6) و در این فصل، اندازه­گیری­های غالباً هفتگی یا دو هفته یک بار انجام می­گیرد. پیشینه پژوهش نشان می­دهد (جدول 1) که مقدار LAI در بوم­سازگان­ها و پوشش­های گیاهی مختلف می‌تواند بین 82/0 (توندرا) تا 91/9 (جنگل­کاری­های مناطق گرمسیری) متغیر باشد (7).

جدول 1- اندازه­گیری جهانی میانگین مقدار شاخص سطح برگ (LAI) بر اساس طبقات بوم­منظر (منبع: 7).

Table 1- Global measurement of average value of leaf area index (LAI) based on landscape classes (reference: 7)

کاربرد LAI

LAI تحت تاثیر ریزاقلیم داخل تاج­پوشش و زیر تاج­پوشش قرار می­گیرد و از آن جایی که تاج­پوشش محل وقوع فرآیندهای فیزیکی و زیست-شیمیایی در بوم­سازگان جنگلی می­باشد (5 و 7)، پایش طولانی مدت شاخص LAI می­تواند درک درستی از تغییرات پویایی جنگل و اثرات تغییر اقلیم در بوم­سازگان­های جنگلی را فراهم نماید و این شاخص، یک پارامتر ورودی مهم در مدل­های کارکرد پوشش گیاهی، حاصلخیزی، فیزیولوژی و اکوهیدرولوژی جنگل می­باشد (5، 8، 9، 10، 11، 12 و 13). علاوه بر این، LAI می­تواند به عنوان متغیر واکنش در جنگل­ها به­کار رود، یعنی نشان­دهنده­ی تغییرات محیطی باشد. منظور از متغیر واکنش این است که می­توان از این شاخص در بررسی تنش وارده به بوم­سازگان، به عنوان یک شاخص از عکس­العمل پوشش گیاهی از آن استفاده کرد.

LAI از مهم‌ترین مشخصه­های پوشش گیاهی است که بیشترین تاثیر را در تغییرات انرژی، آب و گاز دارد و نگه­داشتن این متغیر در مقدار مناسب، می­تواند منجر به تولید بیشتر بوم­سازگان گردد (5، 9، 13، 14 و 15). همچنین LAI به­عنوان یک متغیر کلیدی در فرآیندهای زیستی پوشش گیاهی محسوب می­شود، زیرا سطح اصلی تبادل ماده و انرژی بین تاج‌پوشش درختان و هواسپهر می­باشد (15). بین مقدار شاخص LAI و درجه حاصلخیزی، میزان زی­توده و نرخ رویش و محصول در جنگل همبستگی مثبتی وجود دارد (5، 16 و 17). هم­چنین، هرچه مقدار LAI بیشتر باشد، مقدار باران­ربایی و نورربایی تاج­پوشش گیاهی بیش­تر خواهد بود (8).

روش­های اندازه­گیری LAI

روش­های اندازه­گیری مقدار LAI به دو دسته روش­های زمینی (Ground-based Methods) و سنجش از دور تقسیم می­شوند (18) که روش­های زمینی نیز به دو زیردسته روش­های مستقیم و غیرمستقیم (برآوردی) دسته­بندی می­شوند (19 و 20). البته دسته‌بندی دیگری نیز وجود دارد که روش­های اندازه­گیری LAI را به دو دسته روش­های مستقیم و غیرمستقیم (شامل روش­های برآوردی زمینی و سنجش از دور) تقسیم می­کنند.

مرور منابع نشان می­دهند که تاکنون شش روش اندازه­گیری زمینی مستقیم مقادیر LAI شامل روش‌های نمونه­برداری تخریبی (Destructive Sampling Method)، درخت مدل (Model Tree Method)، کوادرات نقطه­ای (Point Quadrat Method)، استفاده از دستگاه پلانی­متر (Planimeter)، استفاده از نسبت وزن به سطح برگ (Leaves Weight to Leaves Area Ratio)، تله­ لاشبرگ (Litterfall Collection Method) وجود دارند (20، 21 و 22).

تاکنون مقالات متعددی در ارتباط با مقایسه روش­های زمینی مستقیم و غیر مستقیم در محاسبه مقدار LAI در دنیا به چاپ رسیده است (5، 21، 24، 25 و 26) که نتایج آن‌ها همگی دلالت بر این موضوع دارند که اندازه­گیری LAI به­صورت مستقیم، اولین و دقیق­ترین روش اندازه‌گیری مقدار LAI است (21). از سوی دیگر، جهت کالیبره کردن روش­های غیرمستقیم زمینی و سنجش از دور، استفاده از روش‌های مستقیم لازم و ضروری است (6، 20، 26، 27 و 28). طولانی بودن زمان برآورد، هزینه­های زیاد، نیاز به نیروی کار فراوان و همچنین اجرای آن در مقیاس­ها بزرگ، از محدودیت‌های روش مستقیم زمینی است (13، 20، 22، 26 و 29). روش­های غیرمستقیم که در آن سطح برگ از مشاهدات متغیر دیگری به­دست می­آید مخرب نیستند و عموماً می­توان مقدار LAI را سریع­تر برآورد کرد (جدول 2). این روش­ها به طور عمده بر پایه تجزیه و تحلیل میزان نور عبوری از میان تاج­پوشش درختان و با استفاده از ابزارهای پیشرفته نوری استوار می­باشند (5). هرچند بزرگ­ترین عیب روش­های غیرمستقیم، بیش­برآوردی آن­ها است، به طوری که مقدار LAI را بیش­تر از مقدار واقعی آن نشان می‌دهند (21، 30 و 31). هم­چنین نیاز به دستگاه­های نیمه­پیشرفته و پیشرفته که گران قیمت می­باشند، سبب شده است که روش­های مستقیم در کشورهایی در حال توسعه مانند ایران، کاربرد وسیع داشته باشد.

جدول 2- معایب (-) و مزایای (+) روش­های مستقیم و غیر مستقیم برای تعیین شاخص سطح برگ (منبع: 32)

Table 2- Disadvantages (-) and advantages (+) of direct and indirect methods for determining leaf area index (reference: 32)

با توجه به نوپا بودن این نوع تحقیقات در جنگل­های ایران و فقدان وسایل و ابزار­های مورد نیاز برآورد غیر مستقیم LAI، همچنین دقیق­تر بودن روش­های مستقیم، هدف از این مقاله، بررسی انواع روش­های مستقیم زمینی تعیین مقدار LAI است.

روش نمونه­برداری تخریبی

روش نمونه­برداری تخریبی در سطوح کوچک انجام می­گردد و بر فرض همگنی زیاد در توده (Forest Stand) استوار است (توده قسمتی از یک جنگل است که به علت تفاوت در مشخصاتی مانند نوع گونه، تراکم، سن، مقدار LAI و غیره، از قسمت­های مجاور قابل تفکیک است و حداقل سطح توده 5/0 هکتار است (33)). منظور از همگنی زیاد در توده این است که درختان یک توده از لحاظ سن، ارتفاع، قطر برابر سینه و نوع گونه شباهت زیادی به هم داشته باشند، مانند توده­های جوان سوزنی­برگ (21). در این روش برای برآورد مقدار LAI، دو روش اصلی برداشت کامل و برداشت جزئی وجود دارد. در روش برداشت کامل، کلیه برگ­های پوشش گیاهی (درختی، درختچه­ای یا علفی) برداشت شده و سطح تمام برگ­ها در آزمایشگاه اندازه­گیری می­شود، که این روش برای محصولات کشاورزی و نیز پوشش علفی در مراتع، به صورت گسترده­ای استفاده می­شود (13، 34 و 35). این روش هم در سطح تک درخت و هم در سطح توده قابل اجرا است و سطح برگ تمامی درختان موجود در توده، باید قطع و اندازه­گیری شود (آماربرداری 100 درصد). این روش برای گیاهان با اندازه کوچک مناسب است ولی برای درختان بزرگ به دلیل خسارت بالا و نیز زمان­بر بودن، قابل توصیه نیست (13، 34 و 36). از آن‌جایی که روش‌های قطع کامل، معمولاً سخت، پیچیده و پرهزینه هستند، از روش‌های برداشت جزئی (Partially-destructive methods) استفاده می‌شود و معمولاً یک سوم از برگ­های درختان را قطع و شاخص سطح برگ را محاسبه و به کل درخت تعمیم می‌دهند (37). به ‌این منظور چند شاخه معرف از درخت مورد نظر قطع شده و وزن خشک برگ­ها اندازه‌گیری می‌شود (38). مرور منابع نشان می­دهد که روش­های تخریبی دقیق­ترین روش در اندازه­­گیری LAI می­باشند که به دلیل کامل از بین بردن پوشش گیاهی، کاربرد محدودی دارند (21).

روش درخت مدل

روش درخت مدل شامل نمونه­برداری تخریبی از تعدادی از درختان خارج از جنگل، که در نزدیکی جنگل مورد نظر قرار دارند، است که در آن مقدار LAI از طریق برداشت مستقیم برگ از درختان، اندازه­گیری می­شود. این روش بر این فرض استوار است که درختان خارج از جنگل، شبیه به درختان داخل جنگل می­باشند و بنابراین عدد LAI بدست آمده درختان داخل جنگل و درختان خارج از جنگل، مشابه است. در یک جنگل همسال، که پراکنش درختان در آن به­صورت نرمال است، نمونه­برداری از سه تا پنج درخت می­تواند کافی باشد. این روش نسبت به نمونه­برداری تخریبی، میزان تخریب کمتری دارد، زیرا تعداد کم­تری درخت مورد آسیب واقع می­شوند (39). در گذشته، این روش به­طور گسترده در ارزیابی محصولات کشاورزی و همچنین در جنگل‌کاری­ها و جنگل­های همسال -به دلیل همگنی زیاد-، مورد استفاده قرار داشت (21). هم­چنین این روش در پوشش­های گیاهی با تراکم کم –به دلیل سهولت در نمونه­گیری برگ- کاربرد زیادی دارد (21). هرچند امروزه با پیشرفت علم، ثابت شده است که درختان خارج از جنگل، با درختان درون جنگل تفاوت­های زیادی از نظر ساختار تاج­پوشش (33) و در نتیجه مقدار LAI دارند و بنابراین امروزه از این روش به ندرت استفاده می­شود. درختان داخل جنگل دارای ارتفاع بیش­تر، تنه بلندتر و تاج کوتاه­تری می­باشند و تنه­ای استوانه­ای­تر دارند (33) که برآیند این عوامل سبب می­شود که مقدار LAI در درختان خارج از جنگل، متفاوت از درختان داخل جنگل باشد.

روش کوادرات نقطه­ای

روش کوادرات نقطه­ای اولین بار در سال­ 1933 میلادی ابداع شد (40). در این روش یک سوزن باریک به ابعاد یک میلی­متر را به صورت عمودی، در اولین فرصت برای جلوگیری از تجزیه برگ­ها، در داخل لاشبرگ­های که بر روی خاک افتاده‌اند، فرو می­برند. تعداد برگ­های جمع­آوری شده بر روی سوزن، به تعداد تماس مربوط است (41). در این روش نمونه­برداری، به 100 تا 300 نقطه نیاز است. سپس با مشخص کردن تعداد تماس­ها و استفاده از روابط ریاضی (جمع تعداد تماس سوزن‌های برخورد کرده به برگ تقسیم بر تصویر تاج­پوشش)، مقدار LAI محاسبه می­­شود (42 و 43). مطالعات نشان می­دهد که تا زاویه­ی 5/57 درجه نسبت به سطح تاج‌پوشش درختان پهن­برگ و تا 62 درجه نسبت به سطح تاج‌پوشش درختان سوزنی­برگ، برگ درختان افتاده بر روی سطح خاک، مطمئناً مربوط به درخت مورد نظر است و در زوایه­ی بیش­تر از آن، برگ­های روی سطح خاک احتمالاً مربوط به درختان دیگر می­باشند (3 و 44). این روش برای گونه­های پهن­برگ که دارای سطح برگ بزرگ می­باشند (مانند بلوط و راش)، بسیار مناسب است (5) و در پژوهشی، این روش را بهترین روش اندازه­گیری مستقیم در پوشش­های درختچه­ای (با ارتفاع درختچه­ها تا یک متر) در اکوسیستم‌های مناطق خشک و نیمه­خشک معرفی کرده­اند (41). هم­چنین این روش در جنگل­های خالص پهن­برگ، دقت بیش­تری در محاسبه­ی LAI دارد. نیاز به فرد متخصص برای شناسایی برگ­های در حال پوسیدن درختان، وقت­گیر بودن اندازه‌گیری­ها و هم­چنین تغییر شکل برگ درختان بر اثر فعالیت ارگانیسم­های در سطح خاک، سبب شده است که این روش در بین محققین طرفداران اندکی داشته باشد (21).

روش پلانی­متر

در این روش سطح برگ به وسیله کاغذ میلی­متری یا توسط نرم­افزار Image-J تعیین و سپس مساحت برگ توسط دستگاه پلانی­متر تعیین می­شود (45) و این روش در سال 1958 میلادی، ابداع شده است (46). در این روش نیاز است که برگ از پوشش گیاهی مورد نظر جمع­آوری شده و روشی بسیار وقت­گیر است (47 و 48). در گذشته، نمونه­های برگ از پوشش گیاهی مدنظر تهیه و سپس در آزمایشگاه توسط دستگاه پلانی­متر، سطح برگ تعیین می­شد که به دلیل تخریب زیاد و هم­چنین سرعت پایین، امروزه این روش کاربرد زیادی ندارند و دستگاه­های پرتابل پلانی­متر جایگزین آن شده است (48). با استفاده از دستگاه­های پرتابل پلانی­متر، به زیر پوشش گیاهی رفته و سطح برگ تعیین می­شود، هرچند بزرگ­ترین عیب دستگاه­های پرتابل پلانی­متر این است که تنها مناسب پوشش گیاهی با برگ‌های کوچک و با تعداد کم است و برای پوشش درختی به علت برگ­های بزرگ، تعداد زیاد برگ و هم­چنین ارتفاع زیاد درختان، غیر قابل استفاده است (48، 49 و 50).

استفاده از نسبت وزن به سطح برگ

در این روش سطح برگ­ها توسط سیلندرهایی با قطر معین بریده و سپس توزین و تعداد آنها شمارش و سطح آنها با توجه به قطر هر کدام مشخص می­شود و از طریق رابطه وزن به سطح برگ، مقدار سطح برگ تعیین می­شود. رابطه­ی وزن برگ به سطح برگ بسته به نوع گونه، درجه حاصلخیزی رویشگاه و سن گونه، در نوسان است (45) و معمولاً از رابطه­ی بین وزن برگ خشک با سطح برگ خشک، در تعیین شاخص سطح برگ استفاده می­شود (51). در این روش، چندین قطاع از برگ پوشش گیاهی مورد نظر را گرفته و سپس با تلفیق آن، یک نمونه معمولاً 500 گرمی از برگ خشک را وزن و سپس نسبت سطح به برگ را بر اساس این نمونه تلفیقی، تعیین و به کل پوشش گیاهی تعمیم می­دهند (52). این روش به دلیل بریدن برگ­های زنده، از درجه­ی تخریبی بالایی برخوردار است. در این روش می بایست برگ‌های خشک، بیمار و آفت‌زده از نمونه برگ کل قبل از توزین جدا شوند تا از خطای اندازه­گیری مقدار LAI کاسته شود. این روش به دلیل اینکه تنها نیاز به ترازوی دیجیتال با دفت بالا دارد، در بسیاری از نفاط کشور استفاده می­شود (53). انتخاب برگ­های نمونه در این روش بسیار اهمیت دارد، زیرا که برگ­های قسمت­های پایین تاج درختان، در مقایسه با قسمت­های بالایی تاج درختان، سطح بزرگ­تری دارند و اگر تنها از قسمت­های پایینی تاج جمع­آوری شوند، مقدار LAI بدست آمده بیشتر از مقدار واقعی بدست خواهد آمد (15)، بنابراین بهتر است از کلیه­ی قیمت­های تاج­پوشش، برگ جمع‌آوری شود.

روش­ تله لاشبرگ

در پایه­های درختی خزان­کننده، جمع­آوری لاشبرگ­ها در تعدادی تله با یک سطح جمع­آوری مشخص انجام می­گیرد و در ماه­های اوج خزان (مثلاً آبان و آذر ماه در جنگل­های شمال کشور) این جمع­آوری­ها هر دو هفته یک‌بار انجام می­شود و در مابقی سال، هر دو ماه یک بار انجام می­شود (54). این روش برای جنگل­های پهن­برگ خزان­کننده مناسب است (28 و 55)، زیرا که یک دوره خزان در سال دارند که زمان تقریبی آن مشخص است، ولی در جنگل­های همیشه‌سبز (مانند اکثر سوزنی­برگان)، به دلیل این که در کل سال خزان وجود دارد، استفاده از تله لاشبرگ کاری زمان­بر و پر هزینه و غالباً کم­دقت محسوب می­شود (18). در روش تله لاشبرگ، مقدار LAI با استفاده از جمع­آوری دستی برگ درختان موجود در تله­های لاشبرگ برآورد می­شود. راه­اندازی تله­های لاشبرگ کاری نسبتاً ساده به شمار می­آید و دارای اندازه­ای از پیش تعیین‌شده هستند (معمولاً به صورت مربع­شکل: 56، 57، 58 و 59) و لازم است آن­ها را در ارتفاع نیم­متری از سطح زمین نصب کرد (59). پروتکل مشخصی در ارتباط با تعداد و ابعاد تله­های لاشبرگ وجود ندارد. ابعاد تله لاشبرگ­ها بستگی به ابعاد برگ درختان و میزان ریزش برگ درختان در هر جنگل دارد و معمولاً با ابعاد نیم­متری در جنگل مستقر می­شوند و هرچه ابعاد برگ درختان بزرگ­تر و میزان ریزش برگ درختان بیش­تر باشد، ابعاد این تله­ها بزرگ­تر می­شود (58 و 60). تعداد تله لاشبرگ ارتباط زیادی با درجه­ی همگنی تاج­پوشش دارد و مقالات متعدد، تعداد آن را متفاوت بیان می­دارند و در پژوهش­های متفاوت، تعداد تله لاشبرگ، یک عدد (57)، سه عدد (58)، 24 عدد (9) و 64 عدد (59) در نوسان است. روش تله لاشبرگ نیاز به کار کمتری نسبت به روش­های مخرب دارد و آسیب­رسانی آن به جنگل در مقایسه با روش­های تخریبی و درخت مدل، کم­تر است (28 و 61). هم­چنین، محققین استفاده از این روش را هم در سطح توده و هم تک درخت، توصیه می­کنند. در مورد پراکنش مکانی تله­ها اتفاق نظر وجود ندارد. برخی از محققان بر این عقیده­اند که محل قرار دادن تله­های لاشبرگ در زیر تاج­پوشش، بایستی به­طور تصادفی باشد (60)، در حالی که برخی دیگر طراحی نمونه­برداری منظم (43) یا ترانسکت (62) را ترجیح می‌دهند. از جمله بزرگ­ترین عیب­های این روش، شناسایی لاشبرگ­ها است که در جنگل­های شمال به دلیل سرعت تجزیه بالا و نیز فراهم بودن عوامل محیطی، لاشبرگ گونه­های مختلف، نرخ تجزیه متفاوتی دارند و گونه­های مختلف بین سه ماه تا سه سال، زمان می­برد تا لاشبرگشان تجزیه شود (33) و بنابراین در یک نقطه، ممکن است لاشبرگ­هایی با سنین متفاوت و از گونه­های مختلف یافت شود که سبب اریبی در برآورد مقدار LAI شود، بنابراین نیاز است که در بازه­ی زمانی کوتاه، تله از لاشبرگ خالی و مورد بررسی قرار گیرد (59). دقت و صحت بالای این روش در بسیاری از مطالعات تایید شده است (55، 63، 64).

نتیجه­گیری

با وجود اینکه در دو دهه اخیر، گرایش به استفاده از روش­های غیرمستقیم زمینی و سنجش از دور در برآورد مقدار LAI افزایش یافته است، اما به دلایلی هم­چون نیاز به دستگاه­های نیمه­پیشرفته و پیشرفته و عدم دسترسی به تصاویر ماهواره­ای به صورت رایگان در بیش­تر نقاط دنیا، سبب شده است که هنوز روش­های زمینی مستقیم محاسبه مقدار LAI کاربرد وسیعی داشته باشد. هم­چنین دقت و صحت بالای روش­های زمینی مستقیم، دلیل دیگر ارجح بودن این روش­ها در اندازه­گیری مقدار LAI است. نتایج این بررسی نشان داد که روش تله لاشبرگ، می­تواند به عنوان کارآترین روش که درجه تخریب آن به طبیعت بسیار اندک است، در پژوهش­های پیش­رو در علوم طبیعی، مورد استفاده محققین قرار بگیرد. در دیگر مقالات مروری در سال­های اخیر (5 و 21) کارآیی این روش در اندازه­گیری مستقیم LAI تایید شده است. پیشنهاد می­شود در پژوهش­های آتی در کشور، بر روی ابعاد و تعداد مناسب تله­های لاشبرگ در اکوسیستم­های مختلف کشور مطالعه شود تا بتوان با صحت بیش­تری از این روش در اندازه­گیری مقدار LAI بهره جست.

منابع

• Sadeghi, S. M. M., Attarod, P., Van Stan, J. T., & Pypker, T. G. (2016). The importance of considering rainfall partitioning in afforestation initiatives in semiarid climates: A comparison of common planted tree species in Tehran, Iran. Science of the Total Environment, 568, 845–
• Watson, D. J., (1947). Comparative physiological studies in the growth of field crops. I: Variation in net assimilation rate and leaf area between species and varieties, and within and between years. Annals of Botany, 11, 41–
• Sadeghi, S.M.M., Van Stan, J.T., Pypker, T.G., Tamjidi, J., Friesen, J., & Farahnaklangroudi, M. (2018). Importance of transitional leaf states in canopy rainfall partitioning dynamics. European Journal of Forest Research, 137, 121–130
• Chen, J. M. (1996). Optically-based methods for measuring seasonal variation of leaf area index in boreal conifer stands. Agricultural and Forest Meteorology, 80, 135–
• Breda, J. (2003). Ground based measurements of leaf area index: a review of methods, instruments and current controversies. Journal of Experimental Botany, 54(392), 2403–
• Rahbarisisakht, S., Moayeri, M. H., Hayati, E., Sadeghi, S. M. M., Kepfer-Rojas, S., Pahlavani, M. H., Kappel Schmidt, I., & Borz, S. A. (2021). Changes in soil’s chemical and biochemical properties induced by road geometry in the Hyrcanian temperate forests. Forests, 12(12), 1805.
• Asner, G. P., Scurlock, J. M. O., & Hicke, J. A. (2003). Global synthesis of leaf area index observations: implications for ecological and remote sensing studies. Global Ecology & Biogeography, 12, 191–
• Sadeghi, S. M. M., Van Stan II, J. T., Pypker, T. G., & Friesen, J. (2017). Canopy hydrometeorological dynamics across a chronosequence of a globally invasive species, Ailanthus altissima (Mill., tree of heaven). Agricultural and Forest Meteorology, 240, 10–
• Maass, J. M., Vose, J. M., Swank, W. T., & Martinez-Yrizar, A. (1995). Seasonal changes of leaf area index (LAI) in a tropical deciduous forest in west Mexico. Forest Ecology and Management, 74, 171–
• Potter, C., Bubier, J., Crill, P., & Lafleur, P. (2001). Ecosystem modeling of methane and carbon dioxide fluxes for boreal forest sites. Canadian Journal of Forest Research, 31, 208–
• Breuer, L., Eckhart, K., & Frede, H. G. (2003). Plant parameter values for models in temperate climates. Ecological Modelling, 169, 237–
• Hakimi, L., Sadeghi, S. M. M., Van Stan, J. T., Pypker, T. G., & Khosropour, E. (2018). Management of pomegranate (Punica granatum) orchards alters the supply and pathway of rain water reaching soils in an arid agricultural landscape. Agriculture, Ecosystems & Environment, 259, 77–85.
• Sadeghi, S. M. M., Gordon, D. A., & Van Stan II, J. T. (2020). A global synthesis of throughfall and stemflow hydrometeorology. In Precipitation partitioning by vegetation (pp. 49-70). Springer, Cham.
• Johansson, T. (2002). Increment and biomass in 26- to 91- year – old European aspen and some practical implication. Journal of Biomass and Bioenergy, 23, 245–
• Eriksson, H., Eklundh, L., Hall, K., & Lindroth, A. (2005). Estimating LAI in deciduous forest stands. Agricultural and Forest Meteorology, 129, 27–
• Arias, D. (2007). Calibration of LAI-2000 to estimate leaf area index and assessment of its relationship with stand productivity in six native and introduced tree species in Costa Rica. Forest Ecology and Management, 247, 185–193.
• Afas, N., Pellis, A., & Niinemets, U. (2005). Growth and production of a short rotation coppice culture of poplar. II. Clonal and year-to-year differences in leaf and petiole characteristic and stand leaf area index. Journal of Biomass and Bioenergy, 28: 536–547.
• Liu, Z., Chen, J. M., Jin, G., & Qi, Y. (2015). Estimating seasonal variations of leaf area index using litterfall collection and optical methods in four mixed evergreen-deciduous forest. Agricultural and Forest Meteorology, 209–210, 36–
• Gower, S. T., Kucharik, C. J., & Norman, J. M. (1999). Direct and indirect estimation of leaf area index, f_APAR, and net primary production of terrestrial ecosystems. Remote Sensing of Environment, 70, 29–
• Shen, L., Li, Z., & Guo, X. (2014). Remote sensing of leaf area index (LAI) and a spatiotemporally parameterized model for mixed grasslands. International Journal of Applied Science and Technology, 4(1), 46–
• Jonckheere, I., Fleck, S., Nackaerts, K., Coppin, P., Muys, B., Weiss, B., & Baret, F. (2004). 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–
• Campillo, C., Garcia, M. I., Dazza, C., & Prieto, M. H. (2010). Study of a non-destructive method for estimating the leaf area index in vegetable crops using digital images. HortScience, 45(10), 1459–
• Chason, J., Baldocchi, D., & Hutson, M. (1991). A comparison of direct and indirect methods for estimating forest leaf area. Agricultural and Forest Meteorology, 57, 107–
• Brenner, A. J., Cueto Romero, M., Garcia Haro, J., Gilabert, M. A., Incoll, L. D., Martinez Fernandez, J., Porter, E., Pugnaire, F. I., & Younis, M. T. (1995). A comparison of direct and indirect methods for measuring leaf and surface areas of individual bushes. Plant, Cell and Environment, 18, 1332–1340.
• Levy, P.E., and Jarvis, P. G. (1999). Direct and indirect measurements of LAI in millet and fallow vegetation in HAPEX-Sahel. Agricultural and Forest Meteorology, 97, 199–212.
• Atzberger, C., Darvishzadeh, R., Immitzer, M., Schlerf, M., Skidmore, A., & Le Maire, G. (2015). Comparative analysis of different retrieval methods for mapping grassland leaf area index using airborne imaging spectroscopy. International Journal of Applied Earth Observation and Geoinformation, 43, 19–
• Kalacska, M. E. R., Sanchez-Azofeifa, G. A., Calvo-Alvarado, J. C., Rivard, B., & Quesada, M. (2005). Effects of season and successional stage on leaf area index and spectral vegetation indices in three Mesoamerican tropical dry forest. Biotropica, 37(4), 486–
• Ishihara, M. I., & Hiura, T. (2011). Modeling leaf area index from litter collection and tree data in a deciduous broadleaf forest. Agricultural and Forest Meteorology, 151, 1016–
• Deljouei, A., Sadeghi, S. M. M., Abdi, E., Bernhardt-Römermann, M., Pascoe, E. L., & Marcantonio, M. (2018). The impact of road disturbance on vegetation and soil properties in a beech stand, Hyrcanian forest. European Journal of Forest Research, 137(6), 759–770.
• Sampson, D. A., & Allen, H. L. (1995). Direct and indirect estimates of leaf area index (LAI) for lodgepole and loblolly pine stands. Trees, 9, 119–
• Baldocchi, D. D., Hutchison, B. A., Matt, D. R., & McMillen, R. T. (1985). Canopy radiative transfer models for spherical and known leaf inclination angle distributions: a test in an oak hickory forest. Journal of Applied Ecology, 22, 539–
• Bequet, R. (2011). Environmental determinants of the temporal and spatial variability of leaf area index in Fagus sylvatica, Quercus robur L., and Pinus sylvestris L. Forestry PhD thesis, Antwerpen University, 119 p.
• Sefidi, K., Copenheaver, C. A., & Sadeghi, S. M. M. (2022). Anthropogenic pressures decrease structural complexity in Caucasian forests of Iran. Écoscience, 29(3), 199–
• Wilhelm, W., Ruwe, K., & Schlemmer, M. R. (2000). Comparison of three leaf area index meters in a corn canopy. Publications from USDA-ARS / UNL Faculty, 71, 1179–
• Zhao, D., Xie, D., Zhou, H., Jiang, H., & An, S. (2012). Estimation of leaf area index and plant area index of a submerged Macrophyte canopy using digital photography. PLOS One, 7(12), 1–
• Villalobos F. J., Orgaz F., & Mateos L. (1995). Non-destructive measurement of leaf area in olive (Olea europaea) trees using a gap inversion method. Agricultural and Forest Meteorology, 73, 29–42.
• Jones, D. A., O’Hara, K. L., Battles, J.J., & Gersonde, R.F. (2015). Leaf area prediction using three alternative sampling methods for seven Sierra Nevada conifer species. Forests, 6, 2631–
• Abasi, L. (2014). Estimating the leaf area index of the Oak stand in the control and logged forests of Baneh, Master's Thesis, University of Kurdistan, 77 p. (In Persian)
• Schauvliege, M. (1995). C-accumulation in old stands of the Aelmoeseneie forest. Master Thesis, Universities Gent, Faculteit van de landbouwkundige en Toegepaste Biologische Wetenschappen, 99 p.
• Levy, E. B., & Madden, E. A. (1933). The point method of pasture analysis. New Zealand Journal of Agricultural Research, 46, 267–
• Goreneveld, D. P. (1997). Vertical point quadrat sampling and an extinction factor to calculate leaf area index. Journal of Arid Environments, 36, 475–485.
• Nizinski, J. J., & Saugier, B. (1988). A model of leaf budding and development for a mature QuercusJournal of Applied Ecology, 25, 643–655.
• Dufrêne, E., & Breda, N. (1995). Estimation of deciduous forest leaf area index using direct and indirect methods. Oecologia. 104, 156–162.
• Zheng, G., & Moskal, L. M. (2009). Retrieving leaf area index (LAI) using remote sensing: theories, methods and sensors. Sensors, 9, 2719–
• Bourdin, F., Morell, F. J., Combemale, D., Clastre, P., Guérif, M., & Chanzy, A. (2017). A tool based on remotely sensed LAI, yield maps and a crop model to recommend variable rate nitrogen fertilization for wheat. Advances in Animal Biosciences, 8(2), 672–
• Donald, C. M., & Balck, J. N. (1958). The significance of leaf area in pasture growth. Herbal, 28, 1–
• Sepaskha, A. R. (1977). Estimation of individual and total leaf areas of safflowers. Agronomy Journal, 73, 1027–
• Olfati, J. A., Peyvast, G., Shabani, H., & Nosratie-Rad, Z. (2010). An estimation of individual leaf area in cabbage and broccoli using non-destructive methods. Journal of Agricultural Science and Technology, 12, 627–
• Daughtry, C. (1990). Direct measurements of canopy structure. Remote Sensing Reviews, 5, 45–
• Nyakwende, E., Paull, C. J., & Atherton, J. G. (1997). Non-destructive determination of leaf area in tomato plants using image processing. Journal of Horticultural Science, 72, 225–
• Khayamim, S., Mazaheri, D., Banayan Aval, M., Gohari, J., & Jahansoz, M. R. (2004). Investigating the physiological and technological characteristics of sugar beet at different levels of density and nitrogen fertilizer. Research and Development in Agriculture and Horticulture, 60, 21– (In Persian)
• Kouchaki, A.R., & Sarmadnia, G. H. (1998). Physiology of Agricultural Plants, Mashhad University Press, Mashhad, 400 p. (In Persian)
• Pourhashemi, M., Eskandari, S., Dehghani, M., Najafi, T., Asadi, A., & Panahi, P. (2012). Biomass and leaf area index of Caucasian Hackberry (Celtis caucasica) in Taileh urban forest, Sanandaj, Iran. Iranian Journal of Poplar Research, 19(4), 609–620. (In Persian)
• Rahmani, R., Ghorbani, S., & Naghash Zargaran, M. (2014). Measurement and modelling litter biomass and leaf area index using allometry in a Beech-Hornbeam stand in the mid-elevation of the Hyrcanian region, Iran. Iranian Journal of Forest and Poplar Research, 22(4), 687– (In Persian)
• Neumann, H. H., Den Hartog G. D., & Shaw, R. H. (1989). Leaf-Area measurements based on hemispheric photographs and leaf-litter collection in a deciduous forest during autumn leaf-fall. Agricultural and Forest Meteorology, 45, 325–
• Hashemi, S. F., Hojati, S. M., & HosSeini Nasr, S. M. (2012). Soil chemical properties, amount of litterfall and nutrients recycling into Caucasian elm, maple and ash plantation stands at Darabkola Experimental Forest Station. Iranian Journal of Poplar Research, 20(4), 645– (In Persian)
• Bouriaud, O., Soudani, K., & Breda, N., (2003). Leaf area index from litter collection: impact of specific leaf area variability within a beech stand. Canadian Journal of Remote Sensing, 29(3), 371–
• Dewey, J. C., Roberts, S. D., & Hartley, I., (2006). A comparison of tools for remotely estimating leaf area index in loblolly pine plantations. Proceedings of the 13^th Biennial Southern Silvicultural Research Conference. Gen. Tech. Rep. SRS–92. Asheville, NC: U.S. Department of Agriculture, Forest Service, Southern Research Station. 71-75 p.
• Nazari, M., Sadeghi, S. M. M., Van Stan II, J. T., & Chaichi, M. R. (2020). Rainfall interception and redistribution by maize farmland in central Iran. Journal of Hydrology: Regional Studies, 27, 100656
• McShane, M. C., Carlile, D. W., & Hinds, W. T. (1993). The effect of collector size on forest litter-fall collection and analysis. Canadian Journal of Forest Research, 13, 1037–1042.
• Jurik, T. W., Briggs, G. M., & Gates, D. M., (1985). A comparison of four methods for determining leaf area index in successional hardwood forests. Canadian Journal of Forest Research, 15, 1154–1158.
• Battaglia, M., Cherry, M. L., Beadle, C. L., Sands, P. J., & Hingston, A., (1998). Prediction of leaf area index in Eucalypt Plantations: effects of water stress and temperature. Tree Physiology, 18(8-9), 521–528.
• Cutini, A., Matteucci, G., & Mugnozza, G. S. (1998). Estimation of leaf area index with the Li-Cor LAI 2000 in deciduous forests. Forest Ecology and Management, 105, 55–65.
• Mussche, S., Samson, R., Nachtergale, L., De Schrijver, A., Lemeur, R., & Lust, N. (2001). A comparison of optical and direct methods for monitoring the seasonal dynamics of leaf area index in deciduous forests. Silva Fennica, 35, 373–384.

[1]- پژوهشگر پسادکتری اکوهیدرولوژی جنگل، مدرسه جنگل، شیلات و علوم ژئوماتیک، دانشگاه فلوریدا، گنزویل، فلوریدا، آمریکا^* (مسئول مکاتبات(

[2]- دانشجوی دکتری جنگلداری، دانشکده منابع طبیعی، دانشگاه تهران

1- Postdoctoral Researcher of Forest Ecohydrology, School of Forest, Fisheries, and Geomatics Sciences, University of Florida, Gainesville, Florida, USA (*Corresponding author)

[4]- PhD Student of Forestry, Department of Forestry and Forest Economics, University of Tehran, I. R. Iran