수자원 잠재력 전체 연구자 가이드
수분 포텐셜의 정의, 필요한 이유, 측정 방법, 방법 비교 등 수분 포텐셜 측정에 대해 알아야 할 모든 것을 알아보세요. 또한 토양 수분 방출 곡선을 사용하여 실제로 확인해 보세요.
Leaf area index (LAI)는 식물 캐노피 구조를 설명하는 데 가장 널리 사용되는 측정법 중 하나입니다. 질량과 에너지의 많은 생물권-대기 교환이 잎 표면에서 일어나기 때문에 LAI는 캐노피 기능을 이해하는 데도 유용합니다. 이러한 이유로 LAI는 종종 생물지구화학, 수문 및 생태 모델에서 사용되는 주요 생물물리학적 변수입니다. Leaf area index 또한 대지부터 전 지구에 이르는 공간 규모에서 작물과 산림의 성장 및 생산성을 측정하는 척도로도 일반적으로 사용됩니다. 이 문서에서는 leaf area index 을 측정하는 방법과 그 정의 및 사용법에 대해 알아보세요.
과거에는 leaf area index (LAI)를 측정하는 것이 어렵고 시간이 많이 걸렸습니다. 하지만 최근 몇 년 동안 개발된 이론과 기술로 인해 다양한 캐노피에 대해 훨씬 더 간단하고 실현 가능한 LAI 측정이 가능해졌습니다. 이 애플리케이션 가이드를 다운로드하여 측정에 사용되는 이론과 기기에 대한 간략한 소개를 확인하세요( leaf area index). 몇 가지 시나리오와 특별한 고려사항이 설명되어 있어 각자가 자신의 연구 요구에 가장 적합한 방법을 선택하고 적용하는 데 도움이 될 것입니다.
Leaf area index (LAI)는 캐노피에 있는 잎의 양을 정량화합니다. 정의에 따르면 단위지면 면적당 일면 잎 면적의 비율입니다. LAI는 면적의 비율이기 때문에 단위가 없습니다. 예를 들어, LAI가 1인 캐노피는 잎 면적과 지면 면적의 비율이 1:1입니다. leaf area index 이 3인 캐노피는 지면 면적에 대한 잎 면적의 비율이 3:1입니다.
전 세계적으로 LAI는 매우 가변적입니다. 일부 사막 생태계는 leaf area index 1 미만인 반면, 가장 울창한 열대림은 LAI가 9까지 높습니다. 중위도 숲과 관목지대는 일반적으로 3에서 6 사이의 LAI 값을 보입니다.
계절에 따라 일년생 및 낙엽수 캐노피와 경작지는 LAI에 큰 변화를 보일 수 있습니다. 예를 들어, 옥수수( leaf area index )는 파종부터 성숙까지 0에서 6까지 다양할 수 있습니다. 분명한 것은 LAI는 캐노피의 성장과 생산성의 공간적, 시간적 패턴을 설명하는 데 유용한 지표라는 점입니다.
아래 동영상에서 leaf area index (LAI)의 기본 사항에 대해 자세히 알아보세요. 연구 과학자인 Jeff Ritter가 측정의 이론, 직접 및 간접 방법, 방법 간의 가변성, 방법 선택 시 고려할 사항, leaf area index 의 응용에 대해 설명합니다.
LAI를 측정하는 가장 좋은 방법은 없습니다. 각 방법에는 장단점이 있습니다. 어떤 방법을 선택할지는 연구 목적에 따라 크게 달라집니다. LAI의 단일 추정치가 필요한 연구자는 시간 경과에 따른 leaf area index 의 변화를 모니터링하는 연구자와는 다른 방법을 사용할 수 있습니다. 예를 들어 초원 연구자는 임업 연구자와는 다른 방법을 선호할 수 있습니다. 이 가이드에서는 각 주요 방법의 이론적 근거와 함께 주요 장점 및 한계에 대해 설명합니다.
직접 측정
전통적으로 연구자들은 줄거리에서 모든 잎을 수확하고 각 잎의 면적을 힘들게 측정하여 leaf area index 을 측정했습니다. 평판 스캐너와 같은 최신 장비가 이 과정을 더 효율적으로 만들었지만 여전히 노동 집약적이고 시간이 많이 걸리며 파괴적인 작업입니다. 키가 큰 숲의 캐노피에서는 이 작업이 불가능할 수도 있습니다. 하지만 개별 나뭇잎을 물리적으로 측정하기 때문에 leaf area index 가장 정확한 계산 방법으로 남아 있습니다. 쓰레기 트랩은 LAI를 직접 측정하는 또 다른 방법이지만, 상록수 캐노피에서는 잘 작동하지 않으며 식물에서 노화되어 탈락한 잎의 정보만 수집할 수 있습니다.
간접 측정
수십 년 전, 캐노피 연구자들은 시간을 절약하고 측정하려는 생태계를 파괴하지 않기 위해 LAI를 측정하는 새로운 방법을 모색하기 시작했습니다. 이러한 간접적인 방법은 캐노피를 통해 투과되거나 반사되는 빛의 양과 같은 관련 변수의 측정값으로부터 LAI를 추론합니다.
반구 사진은 간접적으로 추정하는 데 사용된 최초의 방법 중 하나였습니다 leaf area index. 연구자들은 어안 렌즈를 사용하여 지상에서 캐노피를 촬영했습니다. 원래는 연구자들이 직접 사진을 분석했습니다. 이제 대부분의 연구자들은 전문 소프트웨어를 사용하여 이미지를 분석하고 식생이 있는 픽셀과 식생이 없는 픽셀을 구분합니다.
장점: 반구형 사진에는 확실한 장점이 있습니다. 첫째, 단순한 leaf area index 측정값 그 이상을 제공합니다. 또한 간격 비율, 일사량 타이밍 및 지속 시간, 기타 캐노피 구조 메트릭과 같은 캐노피 측정값을 제공할 수 있습니다. 둘째, 캐노피 이미지를 보관하여 나중에 사용하거나 방법 변경 및 소프트웨어 프로그램 개선에 따라 재분석할 수 있습니다.
한계: 하지만 반구형 사진에는 단점이 있습니다. 이미지가 디지털 방식으로 처리된다는 사실에도 불구하고 사용자의 주관성은 여전히 중요한 문제로 남아 있습니다. 사용자는 하늘 픽셀과 초목 픽셀을 구분하는 이미지 밝기 임계값을 선택해야 하므로 사용자마다 또는 다른 이미지 분석 알고리즘을 사용할 때 LAI 값이 달라질 수 있습니다.
반구형 사진 촬영도 여전히 시간이 많이 걸립니다. 현장에서 좋은 품질의 이미지를 얻으려면 시간이 걸리고, 실험실에서 이미지를 분석하려면 더 많은 시간이 걸립니다. 또한 사진을 찍을 때 하늘 상태가 균일하게 흐려야 합니다. 반구형 사진은 카메라 본체, 렌즈, 삼각대가 캐노피 아래에 물리적으로 맞지 않을 수 있기 때문에 밀이나 옥수수와 같이 캐노피가 짧은 작물에서는 잘 작동하지 않습니다.
참고: 일부 사용자의 경우 PAR을 측정하는 도구에서 바로 가기를 제공합니다. 일부 모델은 LAI 값을 사용하여 PAR을 추정합니다. 이 경우 PAR 도구를 사용하여 캐노피 미만 수준의 PAR을 직접 추정하여 모델의 정확도를 높일 수 있습니다.
METER를 비롯한 여러 상용 계측기가 있습니다. LP-80 셉토미터는 반구형 사진 촬영에 대한 대안을 제시합니다. 식물 캐노피가 투과하는 빛 에너지의 양을 사용하여 LAI를 추정합니다. 매우 조밀한 캐노피는 드문드문한 캐노피보다 더 많은 빛을 흡수합니다. 이는 LAI와 빛 차단 사이에 어떤 관계가 있어야 한다는 것을 의미합니다. 비어의 법칙은 이 관계에 대한 이론적 근거를 제공합니다. 환경 생물 물리학의 목적을 위해 비어의 법칙은 다음과 같이 공식화됩니다.
여기서 PARt는 지표면 근처에서 측정된 투과 광합성 활성 복사(PAR), PARi는 캐노피 상단에 입사되는 PAR, z는 감쇠 매질을 통과하는 광자의 경로 길이, k는 소멸 계수입니다. 초목 캐노피의 경우, 나뭇잎이 광자가 감쇠되는 매질이기 때문에 z는 LAI를 설명합니다. k를 알고 PARt와 PARi를 측정하면 방정식 1을 반전시켜 LAI의 추정치로서 z를 계산할 수 있음을 알 수 있습니다. 이 접근 방식을 일반적으로 PAR 반전 기법이라고 합니다. 현실 세계는 조금 더 복잡하지만, 섹션 3에서 살펴보겠지만 비어의 법칙은 입사 및 투과된 PAR의 측정을 사용하여 LAI를 추정하는 기초가 됩니다.
장점: PAR 반전 기법은 비파괴적이기 때문에 캐노피를 오랜 시간에 걸쳐 광범위하고 반복적으로 샘플링할 수 있다는 명백하지만 중요한 장점이 있습니다. 또한 PAR 반전 기법은 복사 전달 이론과 생물 물리학에 탄탄한 기반을 두고 있으며 다양한 캐노피 유형에 적용할 수 있다는 점에서 매력적입니다. 이러한 이유로 PAR-반전 기법은 현재 표준 절차로 널리 사용되고 있습니다.
METER와 같은 휴대용 계측기 외에도 LP-80 셉토미터와 같은 휴대용 기기 외에도 표준 PAR 센서(일명 양자 센서)를 사용하여 PAR 반전 모델에 대한 투과 방사선을 측정할 수 있습니다. 특수 제작된 휴대용 LAI 기기가 아닌 PAR 센서를 사용할 때의 장점은 PAR 센서를 현장에 두고 PAR 투과율의 변화를 지속적으로 측정할 수 있다는 것입니다. 이는 캐노피 LAI의 급격한 변화를 연구하거나 휴대용 기기로 LAI의 시간적 변동성을 포착할 수 있을 만큼 자주 현장을 방문할 수 없는 경우에 유용할 수 있습니다.
제한 사항: PAR 반전 기법에는 몇 가지 한계가 있습니다. 이 기법은 동일하거나 매우 유사한 조명 조건에서 투과(캐노피 아래) 및 입사(캐노피 위) PAR을 모두 측정해야 합니다. 이는 매우 높은 숲 캐노피에서는 어려울 수 있지만, 큰 캐노피 틈새나 공터에서는 입사 PAR을 측정할 수 있습니다. 또한 매우 조밀한 캐노피에서는 PAR 흡수가 거의 완료되어 캐노피 아래쪽에서 측정할 수 있는 투과광이 거의 없을 수 있습니다. 따라서 LAI가 매우 높을 때 LAI의 변화나 차이를 구별하기 어렵습니다. 마지막으로, 투과된 PAR을 측정하여 얻은 LAI 추정치는 나뭇잎이 뭉쳐서 영향을 받을 수 있습니다. 일반적으로 공간적으로 분산된 수많은 투과 PAR 샘플을 수집하면 뭉침과 관련된 LAI 추정 오류를 완화할 수 있습니다.
LAI를 추정하는 또 다른 방법은 투과광이 아닌 반사광을 사용하는 것입니다. 녹색의 건강한 초목에서 반사된 방사선은 매우 뚜렷한 스펙트럼을 가지고 있습니다(그림 3). 실제로 일부 과학자들은 이 독특한 스펙트럼 신호를 찾아 태양계 밖에서 잠재적으로 거주할 수 있는 행성을 찾는 방법을 제안하기도 했습니다. 일반적인 초목의 반사율 스펙트럼은 전자기 스펙트럼의 가시광선 영역(~400~700nm, PAR 영역)에서 반사율이 매우 낮습니다. 그러나 근적외선(NIR) 영역(700nm 이상)에서는 반사율이 50%까지 높아질 수 있습니다. 각 파장에서의 정확한 반사율은 엽록소와 같은 다양한 잎 색소의 농도와 캐노피 구조(예: 잎의 배열 및 잎층 수)에 따라 달라집니다.
장점: 캐노피 속성을 정량화하기 위해 스펙트럼 반사율 데이터를 사용하려는 초기 시도에서 적색과 근적외선 반사율의 비율을 사용하여 주어진 면적의 캐노피 커버율을 추정할 수 있다는 사실을 발견했습니다. 이후 다양한 캐노피 속성과 관련된 여러 가지 파장 조합이 만들어졌습니다. 이러한 파장 조합 또는 스펙트럼 식생 지수는 이제 LAI의 프록시로 일상적으로 사용되거나 경험적 모델링을 통해 LAI를 직접 추정하는 데 사용됩니다.
최근까지 반사율 데이터를 수집하는 유일한 방법 중 하나는 현장용이 아닌 실험실용으로 설계된 값비싸고 섬세한 휴대용 분광기를 사용하는 것이었습니다. 하지만 특정 식생 지수를 측정하는 경량 멀티밴드 라디오미터의 개발로 센서 옵션이 확장되었습니다. 이 작은 센서는 저렴하고 전력이 많이 필요하지 않으므로 현장 모니터링에 적합합니다.
이는 현상학, 캐노피 성장, 캐노피 스트레스 및 쇠퇴 감지, 병든 식물 감지 등에 관심이 있는 연구자를 포함하여 시간에 따른 LAI의 변화를 모니터링하려는 모든 사람에게 희소식입니다.
식생 지수는 또 다른 이점을 제공합니다. Quickbird, Landsat, MODIS와 같은 많은 지구 관측 위성이 식생 지수를 계산하는 데 사용할 수 있는 반사율을 측정합니다. 이러한 위성은 넓은 지역을 관측하기 때문에 지역 단위의 관측을 훨씬 더 넓은 지역으로 확장하는 데 도움이 될 수 있습니다. 반대로, 멀티밴드 라디오미터로 지역 규모에서 측정한 값은 위성에서 파생된 식생 지수를 위한 실측 데이터의 유용한 원천이 될 수 있습니다.
멀티밴드 라디오미터는 짧은 초원이나 관목과 같이 매우 짧은 캐노피에 대한 하향식 옵션도 제공합니다. 이러한 캐노피에서는 장비가 너무 커서 캐노피 아래에 완전히 들어갈 수 없기 때문에 대부분의 LAI 추정 방법을 사용하는 것이 불가능하지는 않더라도 어렵습니다. 식생 지수는 캐노피를 위에서 아래로 내려다보는 센서를 사용하여 측정하므로 이러한 경우 훌륭한 대안이 될 수 있습니다.
한계: 식생 지수의 가장 큰 한계 중 하나는 단위가 없는 값이며 단독으로 사용할 경우 leaf area index 의 절대적인 측정값을 제공하지 못한다는 것입니다. 절대적인 LAI 값이 필요하지 않은 경우, 식생 지수 값을 LAI의 대용물로 사용할 수 있습니다. 그러나 절대값이 필요한 경우, 경험적 모델을 생성할 수 있을 만큼 충분한 데이터가 수집될 때까지 식생지수와 함께 다른 LAI 측정 방법을 사용해야 합니다. 이 방법도 센서의 위치로 인해 제한될 수 있습니다. 본질적으로 반사율은 식물 캐노피의 상단에서 측정해야 하는데, 일부 높은 캐노피에서는 불가능할 수 있습니다.
METER LP-80 는 leaf area index (LAI)를 계산하기 위해 PAR 반전 기법을 사용합니다. LP-80 은 Norman과 Jarvis(1975)가 개발한 캐노피 광 투과 및 산란 모델의 수정된 버전을 사용합니다. 입력으로 사용되는 5가지 주요 변수는 아래에 설명되어 있습니다.
τ (송신 및 입사 PAR의 비율): 모든 PAR 반전 모델에서 LAI를 결정하는 데 가장 영향력 있는 요소는 투과된 PAR과 입사된 PAR의 비율입니다. 이 비율(τ)은 지표면 근처의 투과된 PAR과 캐노피 위의 입사된 PAR을 측정하여 계산합니다.
τ는 비교적 직관적으로 이해할 수 있는 변수입니다. LAI가 낮으면 대부분의 입사 복사가 흡수되거나 반사되지 않고 캐노피를 통해 투과되므로 τ는 1에 가까워집니다. 캐노피의 잎의 양이 증가함에 따라 흡수되는 빛의 양이 비례적으로 증가하고 지표면으로 투과되는 빛의 비율은 감소합니다. LP-80 은 80개의 선형 간격으로 배치된 PAR 센서가 있는 라이트 바와 외부 PAR sensor 로 구성됩니다. 일반적인 시나리오에서 라이트 바는 캐노피 아래에서 PAR을 측정하는 데 사용되는 반면, 외부 센서는 캐노피 위나 공터에서 입사된 PAR을 정량화하기 위한 것입니다.
θ (태양 정점 각도): θ는 특정 시간, 날짜 및 지리적 위치에서 정점 또는 머리 바로 위에 있는 지점을 기준으로 하늘에서 태양의 각 고도입니다(그림 4). 태양 천정각은 캐노피를 통과하는 광자의 경로 길이를 설명하고(예: 닫힌 캐노피에서는 태양이 수평선에 가까워질수록 경로 길이가 증가) 빔 복사 및 잎 방향 간의 상호 작용을 결정하는 데 사용됩니다(아래 설명 참조).
θ는 현지 시간, 날짜, 위도, 경도의 입력을 사용하여 LP-80 에서 자동으로 계산됩니다. 따라서 LP-80 설정 메뉴에서 이러한 값이 올바르게 설정되어 있는지 확인하는 것이 중요합니다.
ƒb (빔 분율): 실외 환경에서 단파 방사선의 궁극적인 원천은 태양입니다. 하늘이 맑을 때는 대부분의 방사선이 태양으로부터 직접 빔 형태로 들어옵니다(그림 5a). 그러나 구름이나 안개가 있는 경우 빔 방사선의 일부가 대기 중의 수증기와 에어로졸에 의해 산란됩니다(그림 5b). 이 산란된 구성 요소를 확산 방사선이라고 합니다. ƒb는 확산 방사선과 빔 방사선의 비율로 계산됩니다. LP-80 에서는 지구 표면의 특정 시간과 장소에서 태양으로부터의 빛 에너지의 알려진 값인 태양 상수(맑은 하늘 조건 가정)와 입사 PAR의 측정값을 비교하여 ƒb를 자동으로 계산합니다.
χ (leaf angle distribution): The leaf angle distribution parameter (χ) describes the projection of leaf area onto a surface. Imagine, for example, a light source directly overhead. The shadow cast by a leaf with a vertical orientation would be much smaller than the shadow cast by a leaf with a horizontal orientation. In nature, canopies are typically composed of leaves with a mixture of orientations. This mixture is often best described by what is known as the spherical leaf distribution with a χ value = 1 (the default in the LP-80). Canopies with predominantly horizontal orientations, such as strawberries, have χ values > 1, whereas canopies with predominantly vertical orientations, like some grasses, have χ values < 1.
일반적으로 χ는 태양이 하늘을 가로질러 이동할 때 하루 중 다른 시간대에 캐노피의 나뭇잎이 흡수하는 빛의 양을 나타냅니다. PAR 반전 기법을 사용한 leaf area index 의 추정치는 특히 균일하게 확산된 하늘 조건에서 샘플링할 때 χ 값에 지나치게 민감하지 않습니다(Garrigues et al., 2008). χ 값은 극도로 수직 또는 수평 특성을 나타내는 캐노피로 작업할 때와 fb가 약 0.4 미만인 맑은 하늘 조건에서 작업할 때 가장 중요합니다. 잎 각도 분포에 대한 자세한 내용은 Campbell과 Norman(1998)을 참조하세요.
K (소멸 계수): 캐노피 소멸 계수인 K는 주어진 태양 정점 각도와 캐노피 잎 각도 분포에서 캐노피가 흡수하는 방사선의 양을 설명합니다. 소멸 계수의 개념은 비어의 법칙(방정식 1)에서 유래했습니다. 소멸 계수에 대한 자세한 설명은 금방 복잡해질 수 있습니다. LAI를 추정하려면 태양 광선 투과 각도가 잎 각도 분포와 상호 작용하여 광자가 잎에 의해 차단될 확률을 결정한다는 사실만 알면 충분합니다. LAI를 추정하기 위해 K는 다음과 같이 계산됩니다.
이 방정식을 보면 주어진 캐노피에 대해 K는 태양이 하늘을 가로질러 이동할 때만 변한다는 것을 알 수 있습니다. LP-80 은 LAI를 측정할 때마다 자동으로 K를 계산합니다. K가 계산되고 다른 모든 변수가 정량화되면 LAI는 다음과 같이 계산됩니다.
여기서 L은 LAI이고 A는 잎 흡수율입니다. 기본적으로 A는 LP-80 에서 0.9로 설정되어 있습니다. 잎 흡수율은 대부분의 건강한 녹색 잎에서 매우 일관된 특성이며, 0.9 값은 대부분의 상황에서 좋은 근사치입니다. 극단적인 경우(예: 극도로 어린 잎, 매우 사춘기이거나 왁스 같은 잎, 노화된 잎)에는 A가 0.9에서 벗어날 수 있으며, 이로 인해 LAI 추정치에 오류가 발생할 수 있습니다. 일반적인 조건이 아닌 곳에서 LP-80 을 사용하는 경우, LP-80 의 출력값을 수정된 A 값과 수동으로 결합하여 LAI를 계산해야 할 수 있습니다.
일반적인 시나리오에서는 캐노피 아래에서 LP-80 기압계를 일정한 높이로 잡고, 부착된 외부 PAR sensor 를 캐노피 위에 올려놓는 것이 가장 좋습니다. 부착된 버블 레벨을 사용하여 라이트 바와 외부 PAR sensor 가 수평을 유지하는지 확인합니다. 줄뿌림 작물이나 작은 샘플 플롯의 경우, 연구자들은 종종 외부 센서를 줄 사이 또는 캐노피 위에 삼각대에 장착합니다. 그리고 LP-80 버튼을 누를 때마다 캐노피 위와 아래에서 동시에 PAR을 측정하여 조명 조건의 변화를 고려합니다. 캐노피가 충분히 짧은 경우, 셉토미터를 사용하여 캐노피 위와 아래를 모두 측정하는 것이 훨씬 더 쉬운 방법입니다. LP-80 을 캐노피 위에 올려놓기만 하면 입사 PAR 측정값을 얻을 수 있습니다. 몇 분마다 또는 하늘 상태가 변할 때마다(예: 구름의 변화로 인해) 캐노피 위 측정을 업데이트하세요. 두 경우 모두 다른 모든 변수는 자동으로 측정 및 계산되며, leaf area index (LAI)는 각 캐노피 아래 측정값으로 업데이트됩니다.
높은 캐노피에서는 하나의 기기로 캐노피 위와 아래의 PAR을 측정하는 것이 실용적이지 않은 경우가 많습니다. 높은 캐노피에서 LP-80 를 사용하는 경우, 캐노피 위쪽 및 아래쪽의 PAR을 측정하는 데 사용할 수 있는 몇 가지 옵션이 있습니다.
한 가지 옵션은 캐노피 위나 하늘이 막히지 않는 넓은 공터에 PAR sensor 를 설치하는 것입니다. 이 방법은 약간의 추가 데이터 후처리가 필요하지만 좋은 결과를 얻을 수 있습니다. PAR sensor 을 자체 데이터 로거에 연결해야 하며, 주변 조도의 변화를 포착할 수 있도록 일정한 간격(예: 1~5분마다)으로 측정값을 수집하도록 구성해야 합니다. 셉토미터로 캐노피 아래 측정을 수집한 다음, 타임스탬프를 사용하여 사후 처리에서 데이터를 결합하여 각 캐노피 위와 아래 측정을 쌍으로 만듭니다. 각 쌍에 대해 τ를 계산한 다음 방정식 3의 입력으로 사용할 수 있습니다.
두 번째 옵션은 캐노피 위에 PAR sensor 를 설치할 수 없거나 PAR sensor 또는 데이터 로거를 사용할 수 없는 경우에 유용합니다. 이 경우 LP-80 을 사용하여 캐노피 외부의 하늘이 막히지 않는 위치에서 입사 PAR을 측정하세요. 측정 모드에서 입사 방사선을 측정할지 투과 방사선을 측정할지 선택합니다. LP-80 을 사용하여 캐노피 위와 아래의 수치를 측정할 때는 하늘 조건의 가변성을 고려하세요.
하늘이 맑은 날에는 20~30분 동안 조도가 크게 변하지 않으므로 한낮에 샘플을 채취하는 것이 가장 쉽습니다. 하늘 상태가 균일하게 흐린 날에는 PAR 상태가 더 오랜 시간 동안 유지될 수 있으므로 캐노피 이상의 측정값을 다시 얻어야 할 때까지 더 긴 측정 기간이 주어집니다.
그러나 하늘 조건이 매우 가변적인 경우, 입사 PAR 측정값을 지속적으로 업데이트할 수 없다면 이 방법을 권장하지 않습니다. LP-80 에서는 저장된 입사 PAR 측정값을 사용하여 각 아래 캐노피 측정값으로 LAI를 자동으로 계산합니다. 조명 조건이 변경될 때마다(예: cloud 이 태양 원반을 가리는 경우 또는 20~30분이 경과한 후) 입사 PAR 측정값을 다시 획득하여 LAI 계산의 오류를 방지하세요.
대부분의 캐노피에서 leaf area index 는 공간에 따라 가변적입니다. 예를 들어, 줄뿌리 작물에서 LAI는 1미터 거리 내에서 0에서 2-3까지 다양합니다. 숲과 기타 자연 캐노피에서도 나무 간격, 가지의 특성, 줄기의 잎 배열이 다양하기 때문에 덩어리가 생길 수 있습니다. 즉, 점 기반 LAI 측정은 편향성이 매우 높을 수 있습니다. Lang과 Yueqin(1986)은 수평 횡단선을 따라 여러 측정값의 평균을 구하면 미세한 공간 규모에서 군집과 관련된 편향을 완화하는 데 도움이 된다는 사실을 발견했습니다.
LP-80 에서는 유사한 접근 방식을 사용하여 80cm 길이의 프로브를 따라 위치한 10개 센서로 구성된 8개 그룹에서 측정한 빛의 평균을 구합니다. 이 접근 방식은 로컬 규모에서는 오류를 줄이지만, 캐노피 규모에서 leaf area index 의 변동성을 설명하지 못할 수 있습니다. 연구자들은 샘플링 체계를 개발할 때 캐노피 LAI의 공간적 가변성을 고려해야 합니다. 일반적으로 이질적인 캐노피가 많을수록 전체 캐노피를 대표하는 LAI 값을 얻기 위해 공간 전체에 걸쳐 더 많은 LAI 측정이 필요합니다.
LP-80 은 맑은 날씨와 흐린 날씨 모두에서 leaf area index 을 정확하게 측정할 수 있습니다. 이는 LP-80 에서 사용하는 LAI 모델이 확산 복사 및 빔 복사(ƒb), 태양 정점 각도(θ)의 변화를 설명하며, 위의 캐노피 PAR sensor 를 사용할 때 입사 복사 및 투과 복사를 동시에 측정하기 때문입니다. 잎각 분포(χ)를 잘못 지정하는 것과 관련된 오류는 맑은 하늘 조건에서 샘플링할 때 가장 두드러집니다(Garrigues et al., 2008). 이는 단일 각도(태양에서 직접 나오는 빔 복사)에서 나오는 방사선의 비율이 더 높기 때문입니다. 이러한 조건에서는 잎 각도와 빔 투과 각도가 상호 작용하는 방식을 정확하게 모델링하는 것이 중요합니다. 따라서 맑은 하늘 조건에서 샘플링할 때는 적절한 χ 값을 사용해야 합니다.
숲, 관목지 및 기타 목본류가 있는 지역에서는 LP-80 측정값이 잎 이외의 요소의 영향을 받습니다. 예를 들어, 나무 구멍, 가지, 줄기는 일부 방사선을 차단하여 PAR 역전 기법으로 얻은 LAI 추정치에 영향을 미칩니다. 실제로 일부 연구자들은 잎이 아닌 물질의 측정 기여도를 인정하기 위해 LP-80 및 유사한 기기에서 얻은 측정값을 LAI가 아닌 식물 면적 지수(PAI)로 지칭하기도 합니다. 특정 생태계에서 PAI가 LAI보다 높다는 것은 놀라운 일이 아닙니다. 그러나 일반적으로 잎 면적이 가지 면적보다 훨씬 크고 대부분의 가지가 잎에 의해 그늘져 있기 때문에 PAI와 LAI의 값은 크게 다르지 않은 경우가 많습니다(Kucharik et al., 1998). 낙엽 생태계에서는 잎이 떨어지는 단계에서 측정값을 획득하여 목질 물질의 기여도를 설명할 수 있습니다.
SRS-NDVI 센서는 적색 및 근적외선 파장의 캐노피 반사율을 측정하여 정규화된 차이 식생 지수(NDVI)를 계산할 수 있습니다. 차례로 NDVI 를 사용하여 LAI를 추정할 수 있습니다. 여기에서는 SRS-NDVI 작동 이론에 대한 간략한 개요를 제공합니다. SRS-NDVI 는 적색 및 근적외선 파장의 캐노피 반사율을 측정하며, 이 측정값을 사용하여 LAI를 계산하거나 근사치를 구할 수 있습니다. 적색 및 근적외선 반사율은 다음 공식에서 계산에 사용됩니다. NDVI
여기서 ρ는 근적외선 및 적색 파장에서의 반사율을 나타냅니다. 수학적으로 NDVI 범위는 -1에서 1까지입니다. LAI가 증가하면 일반적으로 캐노피 엽록소 함량이 증가하기 때문에 적색 반사율은 감소하는 반면, 중엽 세포가 확장되고 캐노피 구조의 복잡성이 증가하기 때문에 NIR 반사율은 증가합니다. 따라서 일반적인 현장 조건에서 NDVI 값의 범위는 0에서 1 사이이며, 각각 낮은 LAI와 높은 LAI를 나타냅니다.
LAI의 절대값이 필요하지 않은 현상학 및 녹색 유지 표현형 분석과 같은 경우에는 NDVI 값을 LAI의 프록시로 직접 사용할 수 있습니다. 예를 들어, 연구의 목적이 캐노피의 성장과 노쇠의 시간적 패턴을 추적하는 것이라면(그림 6), 단순히 NDVI 을 측정 지표로 사용하는 것이 적절할 수 있습니다. 연구 목적에 따라 실제 LAI를 추정해야 하는 경우 NDVI 을 LAI로 변환할 수 있는 캐노피별 모델을 설정할 수 있습니다. 이 방법은 다음 섹션에서 설명합니다.
NDVI 값을 사용하여 leaf area index 을 직접 추정하려면 사이트별 또는 작물별 상관 관계를 개발하세요. 가장 좋은 방법은 NDVI 및 LAI를 함께 측정하는 것입니다(예: LP-80 셉토미터 사용). 예를 들어, 캐노피가 빠르게 성장하는 기간 동안 LAI와 NDVI 를 함께 측정한 결과를 얻었습니다. 데이터에 선형 모델을 맞추기 위해 최소제곱 회귀를 사용했습니다(그림 7). 이 모델을 사용하면 독립적인 측정을 하지 않고도 NDVI 을 사용하여 LAI를 예측할 수 있습니다.
강력한 경험적 모델을 개발하려면 어느 정도 노력이 필요하지만, 일단 모델이 완성되면 플롯이나 캐노피에 배치된 SRS-NDVI 센서를 사용하여 LAI의 변화를 장기적으로 지속적으로 모니터링할 수 있습니다. 이 방법을 사용하면 장기적으로 상당한 노력과 시간을 절약할 수 있습니다.
SRS-NDVI 는 듀얼 뷰 센서로 사용하도록 설계되었습니다. 즉, 반구형 시야각을 가진 센서 하나는 하늘을 향해 장착해야 합니다. 36° 시야각(18° 반각)의 다른 센서는 캐노피의 아래쪽을 향해 장착해야 합니다. 각 센서에서 수집한 하향 및 상향 측정값은 적색 및 근적외선 대역의 반사율을 계산하는 데 사용됩니다. 반사율은 NDVI 방정식(방정식 4)의 입력으로 사용됩니다.
위쪽을 바라보는 센서는 센서의 하늘 시야를 가리는 장애물 위에 설치해야 합니다. 아래쪽 방향 센서는 측정할 캐노피 영역을 향해야 합니다. 하향식 센서로 측정되는 영역의 크기는 캐노피 위 센서의 높이에 따라 달라집니다. 다운룩 센서의 스팟 직경은 다음과 같이 계산됩니다.
여기서 γ는 시야각의 반각(SRS-NDVI)의 경우 18°이고, h는 캐노피 위 센서의 높이입니다. 이는 하향식 센서가 똑바로 아래를 향하고 있을 때(즉, 정점 시야각) 스팟 직경을 측정하는 데 유효합니다. 하향식 센서가 하강점을 가리키는 경우 스팟은 비스듬히 기울어지며 공식 5로 계산한 것보다 커집니다.
LAI의 공간적 변동성을 정량화하기 위해 캐노피의 여러 부분을 모니터링하기 위해 여러 개의 아래쪽을 바라보는 센서를 설치할 수 있습니다. 예를 들어, 낙엽수림의 캐노피 위에 여러 개의 센서를 설치하여 여러 나무의 봄철 현상 차이를 모니터링했습니다. NDVI 측정 결과, 측정 대상 나무들 간에 잎이 자라는 시기와 크기에 차이가 있는 것으로 나타났습니다(그림 8). 유사한 접근 방식을 사용하여 실험 조작 대상인 개별 플롯에서 식물의 반응을 모니터링하거나 여러 농업 단위에서 성장 패턴을 모니터링할 수 있습니다.
토양이 SRS-NDVI 센서의 시야에 있거나 캐노피 성장으로 인해 시야에 있는 토양의 양이 변하는 상황(예: 생육 초기부터 후기까지)에서는 NDVI 측정에 상당한 오차가 발생할 수 있습니다. (1994)의 연구에 따르면 NDVI 은 토양 질감과 토양 수분 모두에 민감합니다. 이러한 토양 민감도는 다른 위치 또는 다른 시기에 수집된 NDVI 값을 비교하기 어렵게 만들 수 있습니다. 또한 신뢰할 수 있는 NDVI-LAI 회귀 모델을 설정하기 어려울 수도 있습니다. 수정 토양 조정 식생 지수(MSAVI)는 토양 민감도가 거의 또는 전혀 없는 식생 지수로 Qi 등(1994)에 의해 개발되었습니다. MSAVI는 다음과 같이 계산됩니다.
MSAVI의 장점은 다음과 같습니다: (1) 토양 매개변수 조정이 필요 없고, (2) NDVI (적색 및 근적외선 반사율)과 정확히 동일한 입력을 사용하므로 NDVI 센서의 출력에서 계산할 수 있다는 점입니다.
토양 민감도 외에도 NDVI 는 캐노피에 따라 LAI가 약 3~4보다 클 때 LAI 변화에 대한 민감도가 부족합니다(그림 9). 높은 LAI에서 NDVI 민감도가 감소하는 것은 엽록소가 적색 복사를 매우 효율적으로 흡수하기 때문입니다. 따라서 어느 시점에서는 캐노피에 엽록소를 더 많이 추가해도(예: 잎 재료를 추가하는 등) 적색 반사율이 눈에 띄게 변하지 않습니다(그림 3 참조).
NDVI 포화도에 대한 몇 가지 솔루션이 개발되었습니다. 가장 간단한 솔루션 중 하나는 방정식 4의 분자와 분모 모두에 근적외선 반사율에 적용되는 가중치를 사용하는 것입니다. 결과 지수를 광역 동적 범위 식생 지수(WDRVI; Gitelson, 2004)라고 합니다. 가중치는 0에서 1 사이의 임의의 숫자가 될 수 있습니다. 가중치가 0에 가까워지면 희박한 캐노피에서 LAI 변화에 대한 민감도가 감소하는 대신 WDRVI-LAI 상관관계의 선형성이 증가하는 경향이 있습니다.
향상된 식생 지수(EVI)는 NDVI 에 비해 높은 LAI에 대한 감도가 높은 또 다른 식생 지수입니다. EVI는 원래 위성에서 측정하도록 설계되었으며 궤도에서 대기를 통해 지표면을 볼 때 발생하는 문제를 완화하기 위해 파란색 띠를 입력으로 포함했습니다. 최근에는 파란색 밴드가 필요 없는 새로운 형태의 EVI가 개발되었습니다. 이 수정된 버전의 EVI는 EVI2라고 합니다(Jiang et al., 2008). MSAVI 지수와 마찬가지로 EVI2는 NDVI (적색 및 근적외선 반사율)과 정확히 동일한 입력을 사용하며 다음과 같이 계산됩니다.
EVI2의 또 다른 장점은 NDVI 에 비해 토양 민감도가 낮다는 것입니다. 따라서 EVI2는 토양에 대한 민감도가 낮고 LAI와 선형 관계를 갖기 때문에 LAI를 추정하는 데 적합한 식생 지수입니다.
다음 웨비나에서는 스티브 개리티 박사가 NDVI 및 PRI 이론, 방법, 한계, 애플리케이션 등에 대해 설명합니다. 또한 분광 반사율 센서와 측정 고려 사항에 대해서도 설명합니다.
방법 | 상대적 비용 | 템포럴 샘플링 | 키가 큰 캐노피에 적합성 | 짧은 캐노피에 적합성 | 공간 스케일링 | 샘플 수집의 용이성 | 수직 프로파일링 샘플 |
---|---|---|---|---|---|---|---|
파괴적인 수확 | H* | 싱글 | L | H | L | VL | 예 |
쓰레기 함정 | M* | 싱글 | H | L | L - M | M | 아니요 |
반구형 사진 | M | 싱글 | H | L | M | M | 아니요 |
PAR 반전 (LP-80) | M | 둘 다* | H* | H | M | H | 예 |
식생 지수 | L - VH | 지속적 | M** | VH | M -H | VH | 아니요 |
표 1. KEY: VL = 매우 낮음 L = 낮음 M = 보통 H = 높음 VH = 매우 높음
정확도: 스펙트럼 조도 및 조도 값의 경우 10% 이상
치수 크기: 43 x 40 x 27 mm
캘리브레이션: 알려진 스펙트럼 조도 및 방사 조도에 대한 NIST 추적 가능 보정
Measurement type: < 300 ms
커넥터 유형: 3.5mm(스테레오) 플러그 또는 피복 벗겨지고 주석 도금된 전선
통신: SDI-12 디지털 센서
데이터 로거 호환성: (독점 제외) METER Em50/60 시리즈, Campbell Scientific
NDVI 대역: 630nm 및 800nm 중심, 각각 50nm 및 40nm 전폭 절반 최대(FWHM)
작동 환경: 0~50°C, 0~100% 상대 습도
프로브 길이: 86.5cm
센서 개수: 80
전체 길이: 102cm(40.25인치)
마이크로컨트롤러 치수: 15.8 x 9.5 x 3.3cm(6.2 x 3.75 x 1.3인치)
PAR 범위: 0 ~ >2,500µmol m-2 s-1
해상도: 1 µmol m-2 s-1
최소 공간 해상도: 1cm
데이터 저장 용량: 1MB RAM, 9000회 읽기
무인 로깅 간격: 사용자가 선택 가능, 1~60분 사이
기기 무게: 1.22kg(2.7파운드)
데이터 검색: RS-232 케이블을 통해 직접
전원: AA 알카라인 건전지 4개
외부 PAR sensor 커넥터: 잠금 3핀 원형 커넥터(2m 케이블)
연장 케이블 옵션: 7.6m(25피트)
질문에 대한 답변을 제공하는 추가 자료 leaf area index 란 무엇이며 어떻게 측정할 수 있나요 leaf area index.
캠벨, 게일론 S. 및 존 M. 노먼. "식물 캐노피의 빛 환경." 환경 생물 물리학 입문, 247-278 쪽. 247-278. 스프링거 뉴욕, 1998.
가리그스, 세바스티앙, N. V. 샤바노프, K. 스완슨, J. T. 모리셋, F. 바렛, R. B. 미네니. "LAI-2000에서 Leaf Area Index 검색, AccuPAR, 및 경작지에 대한 디지털 반구형 사진의 상호 비교 및 감도 분석." 농업 및 산림 기상학 148, 8 호 (2008): 1193-1209.
기텔슨, 아나톨리 A. "식생의 생물물리학적 특성을 원격으로 정량화하기 위한 넓은 동적 범위 식생 지수." 식물 생리학 저널 161, 2 호 (2004): 165-173.
하이어, 에드워드 J., 스콧 J. 괴츠. "LAI 추정을위한 기기 및 라디오 메트릭 방법의 비교 및 감도 분석 : 아한대 산림 현장의 평가." 농업 및 산림 기상학 122, no. 3 (2004): 157-174.
장얀, 알프레도 R. 후에테, 카멜 디단, 미우라 토모아키. "청색 밴드가없는 2 밴드 강화 식생 지수 개발." 환경의 원격 감지 112, 10 호 (2008): 3833-3845.
쿠차릭, 크리스토퍼 J., 존 M. 노먼, 스티스 T. 고워. "가지 면적 측정 및 leaf area index 간접 측정 조정." 농업 및 산림 기상학 91, 1 호 (1998): 69-88.
Lang, A. R. G., 및 Xiang Yueqin. "불연속 캐노피의 직사광선 투과로부터 leaf area index 추정." 농업 및 산림 기상학 37, no. 3 (1986): 229-243.
노먼, J. M. 및 P. G. 자비스. "시카 스프루스의 광합성 (Picea sitchensis (Bong.) Carr.). III. 캐노피 구조 측정 및 방사선 차단." 응용 생태학 저널 (1974): 375-398.
Rouse Jr, J_W, R. H. Haas, J. A. Schell 및 D. W. Deering. "ERTS로 대평원의 식생 시스템 모니터링.". (1974).
치, 지아구오, 압델가니 체흐부니, A. R. 후테, Y. H. 커, 소루시 소루시안. "수정 된 토양 조정 식생 지수." 환경의 원격 감지 48, 2 호 (1994): 119-126.
DR. GAYLON S. CAMPBELL
Leaf area index (LAI)는 특정 시점에 촬영한 캐노피의 통계적 스냅샷인 하나의 숫자에 불과합니다. 그러나 이 하나의 숫자는 방사선 차단, 에너지 변환, 운동량, 기체 교환, 강수 차단, 증발산 등 주요 캐노피 과정을 모델링하고 이해하는 데 사용할 수 있으므로 중요한 통찰력을 얻을 수 있습니다.
Leaf area index 는 단위 지면 면적당 캐노피 또는 식물 군락의 단면 녹색 잎 면적으로 정의됩니다. 단위 면적의 땅을 덮고 있는 캐노피의 모든 잎을 채취하여 그 면적을 측정함으로써 찾을 수 있습니다. 1981년, 앤더슨은 덜 파괴적인 방법으로 LAI를 찾는 방법을 개발했습니다. 위쪽을 바라보는 반구형 사진을 사용하여 캐노피를 투과하는 빛의 비율을 추정하고 예측 수학적 모델을 적용하여 대략적인 leaf area index.
"어안" 캐노피 사진을 평가하는 것은 지루한 작업이었습니다. 조교는 보통 각 사진 위에 격자를 깔고 사각형의 몇 퍼센트가 밝은지 세어 보곤 했습니다. 한 연구실 직원은 "너무 많은 시간 동안 사진을 보고 있으면 바둑판 꿈을 꾸곤 했다"고 회상합니다. "체커" 평가를 통해 연구자들은 무작위 광선이 캐노피의 특정 부분을 통과할 확률을 찾을 수 있었습니다.
leaf area index 의 값을 구하는 것은 종종 그 과정의 한 지점에 불과합니다. LAI를 사용하여 캐노피의 환경 상호작용을 모델링하려는 경우 광합성 활성 복사 (PAR)를 측정하는 것이 더 직접적인 방법일 수 있습니다. 그 이유는 이러한 모델 중 상당수가 애초에 LAI를 사용하여 PAR을 예측하기 때문입니다. 다른 방법으로 거슬러 올라가서 PAR을 사용하여 LAI를 추정할 수도 있습니다. 하지만 PAR이 정말로 원하는 수치라면 왜 그렇게 해야 할까요? LAI가 특정 애플리케이션에 가장 유용한 매개변수인지 평가하고 싶을 수 있습니다. 인터셉트된 PAR을 측정하고 해당 데이터를 적절한 모델에 직접 사용하는 것이 더 간단하고 일반적으로 더 정확할 때가 있습니다.
이 빛의 분수를 leaf area index 의 추정치로 변환하는 수학적 모델은 비교적 간단합니다. 작동 원리를 이해하려면 큰 흰색 정사각형 위에 가로로 10제곱센티미터 면적의 나뭇잎을 들고 있다고 상상해 보세요. 이 나뭇잎은 10제곱센티미터의 그림자를 드리울 것입니다. 그런 다음 사각형 위에 같은 크기의 나뭇잎을 무작위로 놓습니다. 잎이 겹칠 확률은 적지만 그림자는 이제 20제곱센티미터가 될 것입니다. 세 번째 잎이 추가되면 겹칠 확률이 높아집니다. 점점 더 많은 나뭇잎이 무작위로 배치되면 결국 흰색 사각형이 완전히 그늘지게 됩니다. 잎이 추가됨에 따라 잎의 면적은 증가하지만 모든 빛이 차단되었으므로 음영 처리된 면적은 일정하게 유지됩니다.
이 현상을 설명하는 방정식(수학적 도출은 아래 방정식 풀기 참조)은 다음과 같습니다.
τ는 광선이 캐노피를 투과할 확률, L은 캐노피의 leaf area index , K는 캐노피의 소멸 계수입니다. 화창한 날 캐노피 위와 아래에서 광합성 활성 복사를 측정하면 이 둘의 비율(아래 PAR과 위 PAR)은 τ와 거의 같습니다. K를 알고 있다면 방정식을 반전하여 leaf area index (L)을 구할 수 있습니다:
는 LP-80 는 기본적으로 이 방정식을 풀어서 leaf area index 를 구합니다. 하지만 몇 가지 복잡한 요소가 있습니다. 모델을 만들 때 인공 캐노피의 잎이 수평이고 검은색이며 모든 방사선이 태양에서 직접 나온다고 가정했습니다. 실제로 태양의 각도는 하루 종일 변하고 실제 캐노피는 매우 복잡한 구조를 가지고 있습니다. 또한 일부 방사선은 캐노피의 나뭇잎과 하늘에서 모두 산란됩니다. 광합성 활성 복사 측정값에서 leaf area index 을 구하기 위한 전체 모델에는 이러한 모든 요인에 대한 보정이 포함되어 있습니다.
이 방정식은 LP-80 에서 실제로 사용하는 방정식으로, 용어 A에서 나뭇잎이 흡수하는(산란되지 않고) 빛의 양을, 용어 fb에서 하늘이나 구름에서 확산되는 빛이 아닌 빔으로 캐노피에 들어오는 분광의 양을 조정합니다. 캐노피의 소멸 계수인 K에는 태양의 정점 각도 및 잎 분포에 대한 변수가 포함됩니다. 위치를 지정하고 내부 시계를 현지 시간으로 설정하면 LP-80 에서 각 측정 시점의 태양의 정점 각도를 계산합니다. 별도로 지정하지 않는 한 잎 각도 분포는 구형이라고 가정합니다.
무작위로 분포된 수평 검은색 잎으로 이루어진 캐노피를 각 층이 잎 면적의 무한히 작은 부분(dL)을 포함하도록 여러 층으로 나누면, 해당 층의 위에서 아래로 복사되는 복사량의 변화는 다음과 같습니다.
즉, 캐노피의 이 부분을 통과하는 평균 햇빛의 양(dSb)의 변화는 단위 면적당 평균 복사 전력량(Sb)에 leaf area index (dL)의 변화를 곱한 값에 음수(잎 면적이 증가할수록 빛의 양이 감소하므로)를 곱한 값과 같습니다. 이것은 가변 분리 가능한 미분 방정식입니다. 양변을 Sb로 나누고 캐노피 상단에서 아래로 적분하면 다음과 같이 구할 수 있습니다.
통합을 수행하면 다음과 같은 이점이 있습니다.
양쪽의 지수를 취하면 다음과 같이 계산됩니다.
Sbo는 캐노피 위 수평 표면의 방사선이며, τ는 광선이 캐노피를 통과할 확률로, 캐노피 아래쪽의 광선과 위쪽의 광선의 비율과 동일합니다(캐노피에 방사선의 산란이 없다고 가정하기 때문에). 수평이 아닌 잎이 있는 캐노피의 경우 L이 KL로 대체된다는 점을 제외하면 결과는 동일하며, 여기서 K는 캐노피의 소멸 계수입니다.
앤더슨, 마가렛 C. "호주 남동부 일부 산림의 잎 분포 기하학." 농업 기상학 25 (1981): 195-206. 기사 링크.
는 LP-80 는 캐노피의 광합성 활성 방사선(PAR)을 빠르고 직접 측정합니다. 전원을 켜면 즉시 PAR을 측정할 수 있으며, 다음과 같은 측정값도 제공합니다. Leaf Area Index-LAI. 하지만 이 LAI 측정값은 어디에서 나오는 것이며 얼마나 정확할까요?
Leaf area index 는 단위 지면 면적당 캐노피 또는 식물 군집의 일면 녹색 잎 면적을 의미합니다. LAI를 직접 측정하려면 단위 지면 면적 위에 있는 캐노피의 각 잎 면적을 측정해야 합니다. 이 방법은 파괴적이고 시간이 엄청나게 많이 소요되기 때문에 거의 사용되지 않습니다. 반구형 사진부터 광학 센서에 이르기까지 잎 면적 지수를 측정하는 다른 모든 방법은 이 값에 근사치를 구하려고 시도합니다. LP-80 은 광합성 활성 방사선을 측정하고 해당 PAR 값을 leaf area index 으로 변환하여 LAI를 찾습니다. LP-80 은 여러 변수를 사용하여 leaf area index 을 계산합니다. 이러한 변수 중 하나인 χ는 캐노피에서 잎의 방향을 설명합니다.
χ는 "캐노피 각도 분포 매개변수"입니다. 이는 캐노피의 구조, 즉 나뭇잎이 공간에서 어떻게 배치되는지를 설명합니다. 공간에 무작위로 분포된 나뭇잎을 구형 분포라고 하는데, 이는 캐노피의 각 나뭇잎을 방향을 바꾸지 않고 조심스럽게 움직이면 구의 표면을 덮을 수 있다는 것을 의미합니다. 잎이 구형으로 분포된 캐노피의 χ 값은 1입니다.
Many canopy architectures tend to be more horizontal (χ > 1) or vertical (χ < 1). Some canopy types have published χ values (see the LP-80 manual for a short list). But because this value can vary from species to species, it’s important to be able to approximate the value.
Leaf Area Index 의 값을 구하는 것은 종종 그 과정의 한 지점에 불과합니다. LAI를 사용하여 캐노피의 환경적 상호작용을 모델링하려는 경우 광합성 활성 복사(PAR)를 측정하는 것이 더 직접적인 방법일 수 있습니다. 이러한 수학적 모델 중 상당수가 내부 방정식에서 PAR을 예측하기 위해 LAI를 사용하기 때문입니다. 때때로 연구자들은 LAI를 예측하기 위해 PAR을 사용하다가 무의식적으로 다른 방향으로 되돌아가는 모델에 LAI 수치를 넣기도 합니다. 특정 애플리케이션에서 LAI가 가장 유용한 매개변수인지 평가하는 것이 중요합니다. 인터셉트된 PAR을 간단히 측정하고 해당 데이터를 적절한 모델에 직접 사용하는 것이 더 간단하고 일반적으로 더 정확할 때가 있습니다.
χ에 대해 소수점 이하 두 자리까지 정확한 숫자를 원하고 싶을 것입니다. 하지만 캐노피는 매우 다양하기 때문에 이러한 종류의 정확도를 달성하는 것은 불가능합니다. Leaf area index 숫자는 가치가 있지만 항상 근사치에 불과합니다. 좋은 χ 값은 이 leaf area index (LAI) 근사치의 정확도를 향상시킵니다. 그러나 χ 값이 정확도가 떨어지더라도 다른 조건에 따라 leaf area index 근사치는 상당히 정확할 수 있습니다(그림 1 참조).
캐노피의 χ 값을 근사화하려면 깊이와 너비가 같은 대표적인 캐노피 덩어리를 찾습니다. 그런 다음 수직 간격 비율(τ0)-클럼프를 통해 수직으로 보이는 빛과 그늘의 비율-과 수평 간격 비율(τ90)-클럼프를 통해 수평으로 보이는 빛의 비율-을 결정합니다. 예를 들어 완전히 수직으로 늘어선 나뭇잎의 캐노피에서는 수평으로 약 10%의 빛과 90%의 그늘이 (τ90) = 0.1, 수직으로 100%의 빛이 (τ0) = 1로 보입니다. χ는 다음의 간단한 방정식을 통해 구할 수 있습니다.
이 방정식을 사용하면 완벽한 수직 캐노피의 경우 χ = 0이 됩니다. 나뭇잎이 구형으로 분포되어 있고 수직과 수평 모두 약 10%의 빛이 보이는 경우 (τ90) = (τ0) = 0.1이 됩니다. 그런 다음 이 방정식 χ =1을 사용합니다. (참고로 LP-80의 기본 χ 설정입니다.)
현실적으로 캐노피의 '대표 덩어리'를 통해 보이는 빛의 양을 추정하는 것은 어려울 수 있습니다. 배경을 만들어 캐노피를 분석하는 데 사용하는 것이 더 쉬울 수 있습니다. (저희는 1미터×1미터 사각형의 컬러 포스터 보드를 사용했습니다.) 연구 중인 캐노피의 전형적인 덩어리를 찾습니다. 이 덩어리에는 캐노피의 모든 전형적인 요소가 포함되어야 합니다. 예를 들어 줄뿌리 작물을 연구하는 경우, 한 줄의 중앙에서 다음 줄의 중앙으로 이동하여 줄 사이에 발생하는 캐노피의 특징적인 간격을 포함하도록 덩어리를 만들어야 합니다. 덩어리를 정육면체로 분해한다고 상상해 보세요. τ를 추정하려면 배경을 사용하여 큐브의 뒷면을 형성하고 자신을 앞면에 배치하여 해당 정육면체 캐노피 섹션을 통해 수평으로 투과되는 빛의 비율을 추정합니다. τ0을 추정하려면 배경을 사용하여 큐브의 상단 또는 하단을 형성하고 반대쪽 끝에 자신을 배치하여 수직으로 투과되는 빛의 비율을 추정합니다. 그런 다음 방정식 1(위 그림)에서 χ를 구합니다.
수평 캐노피가 많을수록 χ 값이 1보다 크고 수직 캐노피가 많을수록 χ 값이 1보다 작다는 점을 기억하여 추정치의 합리성을 확인합니다. 캐노피의 χ 값은 설정 메뉴에서 "χ 설정"을 선택하여 지정할 수 있습니다. LP-80. 이 방법을 사용하면 최종 leaf area index 값의 불확실성을 최소화할 수 있는 χ 값을 추정할 수 있습니다.
이 그림은 LP-80 이 ? = 1로 설정되어 있고 캐노피의 실제 분포 매개 변수가 그림에 표시된 값인 경우 LP-80 계산의 L 오차 비율을 보여줍니다. 태양이 가득 찬 상태(fb= 0.8)를 가정합니다. 오차는 태양의 천정각에 따라 달라질 수 있습니다. 대부분의 측정은 30도 이상의 천정각에서 이루어지므로 캐노피 분포 매개변수 정보가 없는 보름달의 오차는 최악의 경우 20%입니다. 이 오차는fb 값이 감소함에 따라 감소하며,fb가 0이 되면 0이 됩니다. 캐노피 분포 파라미터를 10% 이상의 정확도로 추정할 수 있다면 정점 각도가 0인 경우에도 LAI의 오차는 5% 이상이 됩니다. 따라서 분포 파라미터의 불확실성은 LAI의 불확실성에 크게 기여하지 않습니다.
게일런 S. 캠벨 박사
광합성의 세부적인 과정은 복잡하고 모델링하기 어렵습니다. 그러나 많은 경우 동화의 한계 중 하나 이상에 집중하여 모델을 단순화할 수 있습니다.
간단히 말해서 탄소 동화는 식물의 잎에서 이산화탄소와 물이 탄수화물과 산소로 화학적으로 전환되는 것을 말합니다. 이 과정을 진행하려면 에너지가 필요하며, 이 에너지는 보통 태양으로부터 오는 빛에 의해 공급됩니다.이산화탄소는 대기로부터 유입되어 잎의 중엽 세포로 확산되어야 고정됩니다. 잎의 내부는 대기보다 훨씬 습하기 때문에CO2가 확산될 때 물이 밖으로 퍼져나갑니다. 실제 광합성 과정에서 사용되는 물의 양은 미미하지만CO2 흡수와 관련하여 손실되는 물의 양은 상당합니다.
이 간단한 설명을 바탕으로 빛이 동화의 제한 요인이 되는 상황과 물이 제한 요인이 되는 상황을 가정할 수 있습니다. 즉, 동화가 식물의 빛 포획 능력에 비례하거나 동화가 식물의 물 포획 능력에 비례하는 모델일 수 있습니다. 두 가지 접근 방식 모두 바이오매스 생산 모델링에 유용할 수 있습니다.
방정식 형식의 조명 기반 모델은 다음과 같습니다.
여기서 A는 순 건조 물질 동화량, S는 작물이 자라는 동안 받는 총 입사 방사선, f는 작물이 차단하는 방사선의 평균 비율, e는 변환 효율입니다. A와 S가 모두 mol m-2s-1로 표시되는 경우 e는 무차원 변환 효율입니다. 빛이 제한적인 상황에서 e의 값은 특정 종에 대해 매우 보수적이며 0.01~0.03 molCO2 (mol 광자)-1 범위에서 Campbell과 Norman(1998, 237페이지)은 보다 완전한 분석을 위한 추가 정보와 참고 자료를 제공합니다.
식물 캐노피에 의해 차단되는 입사광의 비율인 f가 동화를 결정하는 중요한 요소라는 것은 분명합니다. 이 요소는 ACCUPAR LP-80. 빛이 제한된 환경에서는 입사된 PAR의 양과 빛 변환 효율인 e를 알고 시간 경과에 따른 f를 LP-80 로 측정하면 건조 물질 생산량을 예측할 수 있습니다.
물이 제한된 상황에서는 다른 방정식이 적용됩니다. 다음과 같습니다.
여기서 T는 증발량, D는 대기 수증기 결핍량, k는 특정 종과 대기 중이산화탄소 수준에 대한 상수입니다. 태너와 싱클레어(1983)와 캠벨과 노먼(1998)이 이 방정식을 도출했지만, 그 유효성은 한 세기가 넘는 실험을 통해 반복적으로 확인되었습니다. 무엇보다도 이 공식은 습한 지역이 건조한 지역보다 단위 물 사용량당 더 많은 건조 물질을 생산할 것으로 예측합니다. 예를 들어, 위스콘신주의 관개 프로젝트는 애리조나주의 관개 프로젝트보다 단위 물 사용량당 훨씬 더 많은 건조 물질을 생산할 수 있습니다. 사용된 단위 물당 건조 물질의 양은 종마다 차이가 있을 수 있지만, 모든 건조 물질 생산에는 상당한 양의 물이 필요합니다. 물을 사용하지 않고 탄소를 고정하는 식물을 유전자 조작하여 사막에 꽃을 피우겠다는 꿈은 그저 꿈일 뿐입니다.
증발 기반 건조 물질 모델은 또한 빛 차단에 의존합니다. 작물이 잃는 물에는 식물이 증산하는 물과 토양에서 증발하는 물이 포함됩니다. 증산에 의해 손실되는 물만 탄소 동화와 관련이 있습니다. 일반적으로 방정식 2에서 T를 측정하는 것은 실용적이지 않지만, 비 또는 관개량과 일부 토양 및 환경 변수를 알고 있다면 매일 계산할 수 있는 간단한 컴퓨터 모델을 만들 수 있습니다. 이 모델에서는 물 공급이 증발과 증산을 모두 제한할 때 물 손실률인 잠재 증발산량이라는 양을 정의해야 합니다. 잠재 증발산량은 다음에서 계산됩니다.
토양 표면에서의 증발도 물을 소모하므로 이 역시 계산해야 합니다. 잠재적 증발량은 다음에서 계산됩니다.
여기서 Etp는 잠재적 증발산량입니다. 이전과 마찬가지로 f는 캐노피에 의해 차단되는 방사선의 비율이며, 측정은 LP-80. Campbell과 Diaz(1988)는 방정식 3과 4에 주어진 잠재량으로부터 실제 증발량과 증산량을 계산하는 알고리즘뿐만 아니라 Etp를 계산하기 위한 간단한 컴퓨터 모델을 제시합니다.
빛과 물 중 어느 것이 제한 요인인지 결정하는 가장 효율적인 방법은 두 수학적 모델을 매일 실행하여 어느 것이 가장 낮은 값을 예측하는지 확인하는 것입니다. 이 값이 실행되는 특정 날짜의 건조 물질 생산량을 가장 잘 예측하는 값입니다.
빛 제한 및 물 제한 수학적 모델은 손으로 조작하기는 어렵지만 컴퓨터로 프로그래밍하기는 쉽습니다. 이 모델은 쉽게 구할 수 있는 기후 데이터를 바탕으로 실행되며, 특히 연간 작물의 경우 작물 건조물 생산량을 상당히 정확하게 예측할 수 있습니다. 특히 특정 환경과 문화적 관행에 대한 생산 잠재력을 평가하는 데 유용합니다(Campbell and Diaz, 1988; Kunkel and Campbell, 1987).
이 두 모델에서 사용되는 분수 차단값 f는 하루 전체에 대한 평균값입니다. 에 의한 측정은 LP-80 에 의한 측정은 일반적으로 하루 중 특정 시간에 이루어지며 하루 동안의 평균값이 아닙니다. LP-80 매뉴얼에서는 단일 관측값을 일일 평균으로 변환하는 방정식과 예제(57페이지)를 제공합니다. LP-80 에서는 캐노피 아래에서 측정한 PAR과 위에서 측정한 PAR의 비율을 구하여 방사선의 투과율을 측정합니다. 이것은 특정 태양 정점 각도인 ?(θ)에서의 투과율입니다. 하루 종일 평균 투과율은 확산 복사에 대한 투과율과 동일하며 다음과 같이 계산됩니다.
여기서 q는 매뉴얼에 표시된 대로 leaf area index, 잎 각도 분포 및 태양 정점 각도에 따라 달라집니다. 이러한 모델의 부분 차단은 다음과 같습니다:
캠벨, G. S., 및 R. 디아즈. "작물 증산을 예측하기위한 단순화 된 토양-물 균형 모델." 건조 열대 지방의 가뭄 연구 우선 순위. ICRISAT, 인도 (1988): 15-26. 기사 링크 (오픈 액세스).
캠벨, G. S., 및 J. M. 노먼. 환경 생물 물리학 입문 (2nd Ed.). New York: Springer,1998. 기사 링크.
쿤켈, 로버트, 게일런 S. 캠벨. "미국 컬럼비아 분지의 최대 잠재적 감자 수확량 : 모델 및 측정 값." 미국 감자 저널 64, 7 호 (1987): 355-366. 기사 링크.
의 프로브에 도달하는 방사선은 ACCUPAR LP-80 의 프로브에 도달하는 방사선은 태양 광선으로부터 직접 오거나 하늘이나 구름에서 산란될 수 있습니다. 이 두 가지 광원은 캐노피 구조에 따라 서로 다른 영향을 받으므로 다음을 계산할 때 별도로 처리해야 합니다. leaf area index (LAI)를 캐노피 투과 측정값에서 분리하여 계산해야 합니다. 계산에 필요한 정보는 프로브에 입사하는 총 방사선(빔 + 산란 또는 확산 PAR)에 대한 태양 빔에서 직접 나오는 방사선의 빔 분율 또는 비율입니다.
이전 버전의 ACCUPAR 에서는 사용자가 프로브를 음영 처리하여 빔 분율을 측정해야 했습니다. LP-80 에서는 사용 가능한 측정값을 사용하여 계산합니다. 사용된 방법은 총 방사선에 대한 빔 분획을 구하기 위해 Spitters 등(1986)이 발표한 방법을 수정한 것입니다. 이 연구에서는 빔 분율을 지구 대기권 밖의 수평 표면에서 측정된 총 지구 방사선과 잠재적 방사선의 비율과 연관시켰습니다.
위의 캐노피 측정값( LP-80 )은 전 세계 총 PAR 값입니다. 위도와 시간을 알 수 있으므로 잠재적 PAR(지구 대기권 밖의 수평면에서의 PAR)을 계산할 수 있습니다. 이 두 측정값의 비율은 Spitters 등이 계산한 것과 마찬가지로 태양 광선의 총 PAR에서 차지하는 비율과 관련이 있습니다. LP-80 의 절차는 다음과 같습니다:
이 계산을 위한 매크로는 아래 부록에 나와 있습니다.
이 접근 방식은 매우 신중하게 측정했다면 직접 측정하는 것보다 정확도가 떨어질 수 있지만, 캐노피 차단 또는 LAI를 측정하는 동안 일상적으로 직접 측정하는 것은 어렵습니다. 실제로 LP-80 에서 사용하는 근사법에서 발생하는 오차는 일반적으로 다른 측정의 오차에 비해 작습니다. 다음 그래프는 모든 LAI 계산에 0.4의 일정한 빔 분율을 사용한다고 가정할 때 빔 분율 추정 오차의 함수로서 LAI의 오차를 보여줍니다.
이 오차는 LAI와는 무관합니다. 계산은 천정각 30도에 대한 것입니다. 천정각이 클수록 오차가 작아집니다. 그래프는 LAI의 오차가 항상 ± 20%보다 작다는 것을 보여줍니다. 빔 분율의 오차가 10%인 경우 LAI의 오차는 약 2%입니다. 빔 프랙션 계산을 위한 LP-80 방법의 오차는 조건에 따라 달라지므로 얼마나 큰 오차가 발생할 수 있는지 알기는 어렵지만 10~20% 범위일 가능성이 높습니다. 따라서 이로 인해 LAI 계산에 발생하는 오차는 2~4% 범위이며, 이는 LAI 측정의 공간 변동성으로 인한 불확실성보다 훨씬 작습니다.
스피터스, C. J. T., H. A. J. M. 투생, 및 J. 구드리안. "지구 복사의 확산 및 직접 구성 요소 분리와 캐노피 광합성 모델링에 대한 영향 파트 I. 들어오는 방사선의 구성 요소." 농업 및 산림 기상학 38, 1-3 (1986): 217-229. 기사 링크.
함수 빔 프랙션(정점을 단일로, PAR을 단일로)을 단일로
Const pi = 3.14159
희미한 r을 단일로, b를 단일로
천정 = 천정 * 파이 / 180
제니스가 1.5를 초과하면
b = 0# '야간
기타
r = PAR / (2550# * Cos(Zenith)) '600 w/m2 * 4.25 umol/w/m2 (.235 MJ/mol)(600은 잠재적 PAR)
r > 0.82인 경우 r = 0.82
If r < 0.2 Then r = 0.2
B = 48.57 + R * (-59.024 + R * 24.835)
b = 1.395 + r * (-14.43 + r * b)
End If
빔 프랙션 = b
최종 기능
스티브 개리티 박사가 Leaf Area Index (LAI)에 대해 설명합니다. 측정의 이론, 직접 및 간접 방법, 방법 간의 가변성, 방법 선택 시 고려해야 할 사항, LAI의 응용 등을 주제로 다룹니다.
이 가상 세미나에서는 leaf area index (LAI) 이론, 다양한 LAI 측정 방법, LAI 측정을 위한 몇 가지 애플리케이션에 대해 다룰 예정입니다. 먼저 leaf area index 을 정의하는 것으로 시작하겠습니다. 그림 1은 숲이나 농작물에서 두 개의 이론적 플롯을 나타냅니다.
왼쪽의 플롯은 각 면이 1미터 또는 1제곱미터의 지면 면적(갈색 사각형)입니다. 그 위는 전체 영역이 잎사귀 영역(녹색 사각형)으로 덮여 있습니다. 정말 큰 잎이 플롯 위의 전체 면적을 덮고 있다고 상상해 보세요. 왼쪽 예제에서 LAI를 계산하기 위해 지면 면적은 1제곱미터이고 잎 면적도 1제곱미터라는 것을 알 수 있습니다. LAI는 지면 면적에 대한 잎 면적의 비율로 계산되며, 이 경우 1 대 1입니다. 따라서 이 예에서 LAI는 1이 됩니다.
그림 1의 오른쪽에는 동일한 플롯이 있지만 이번에는 잎이 세 개 있습니다. 이 경우 지면 면적은 1제곱미터이고 잎 면적은 3제곱미터이므로 지면 면적 대비 잎 면적 비율은 3 대 1이 됩니다. 따라서 이 경우 LAI는 3이 됩니다.
LAI는 이해하기 복잡한 개념이 아니며, 왜 측정하는지 leaf area index 또는 왜 유용한지에 대해 설명하고자 합니다. LAI는 매우 보편적인 변수 중 하나로, 어디서나 사용되는 변수입니다. 그 이유는 간단하면서도 매우 설명적이기 때문입니다.
위성 데이터에서 추출한 전 세계 LAI 지도입니다(웨비나 타임코드: 2:16 참조). LAI가 높은 지역은 짙은 녹색, 낮은 지역은 연한 녹색으로 표시되어 있습니다. 적도 주변의 열대 지방에는 지구상에서 가장 밀도가 높고 LAI가 높은 숲이 있다는 것을 알 수 있습니다. 그리고 사막이 많이 발생하는 적도 북쪽이나 남쪽은 LAI가 매우 낮습니다. 그런 다음 북쪽이나 온대 지역(아한대)의 남쪽으로 더 이동하면 LAI가 다시 증가합니다. 이 지도의 LAI 패턴은 많은 과정과 다양한 변수를 반영합니다. 물이나 빛의 가용성이 이러한 패턴 중 일부를 설명할 수 있지만, 이 한 가지 예에서 LAI는 전 세계의 식생 패턴을 매우 잘 설명한다는 것을 알 수 있습니다.
다음은 LAI가 중요한 몇 가지 다른 이유입니다:
LAI는 빛 수확과 관련이 있습니다. 캐노피에 잎이 많을수록 태양으로부터 빛 에너지를 흡수할 수 있는 용량이 늘어납니다. 이 빛 에너지는 대기 중 이산화탄소를 흡수하고 탄수화물로 전환하여 식물의 생산성(1차 생산성)을 높이는 데 사용됩니다. 이는 바이오매스 축적과 농작물 및 산림 성장과 관련이 있습니다.
LAI는 식물의 생애주기를 간단히 설명하는 현상학의 지표로도 사용됩니다. 예를 들어 낙엽수림에서는 매년 잎이 나고, 자라고, 확장되고, 성숙하고, 마침내 노쇠합니다. 이러한 모든 과정은 leaf area index 을 추적하여 시간에 따라 설명할 수 있습니다.
LAI는 캐노피 구조를 측정하거나 한 캐노피의 구조를 다른 캐노피와 구별하는 방법으로도 일반적으로 사용됩니다. 또한 증산과 스케일링 프로세스라는 두 가지 관련 매개변수에도 유용합니다.
예를 들어 나뭇잎을 생각해 보세요(그림 2). 이 나뭇잎에는 잎 표면에서 주변 대기와 상호작용하는 많은 생리학적 과정이 있습니다. 그리고 이러한 상호작용은 질량과 에너지의 교환을 통해 이루어집니다. 이러한 교환 과정을 잎 수준에서 이해하고 LAI를 통해 캐노피에 몇 개의 잎이 있는지 알면 이러한 과정을 캐노피 수준 이상으로 확장할 수 있는 편리한 방법이 제공됩니다.
LAI 측정 방법에는 크게 직접 방법과 간접 방법의 두 가지로 나뉩니다. 직접 LAI 방법은 일반적으로 나무를 베어내거나 바이오매스를 자르는 등 캐노피를 파괴적으로 수확하는 방법을 사용합니다. 파괴적이지 않은 방법 중 하나는 쓰레기 트랩을 사용하여 식물에서 노화되어 떨어지는 잎을 포획하는 것입니다. 이와는 대조적으로 간접적인 방법은 LAI를 직접 측정하지 않고 다른 관련 변수를 측정합니다. 그런 다음 관련 변수를 LAI의 프록시로 사용하거나 LAI를 직접 모델링하는 데 사용합니다. 이번 세미나에서 다룰 간접 방법은 반구형 사진 촬영, PAR 반전(캐노피를 통해 투과되는 방사선의 측정치를 사용하는 방법), 스펙트럼 반사율(캐노피 위의 센서를 사용하는 하향식 접근 방식)입니다.
앞서 언급했듯이, 파괴적인 수확은 직접 LAI 방식에서 흔히 발생합니다. 숲에서는 나무를 베어내고 나무의 잎사귀를 모두 제거해야 하는데, 이는 노동 집약적이고 지루한 과정이며 캐노피에서 상당한 양의 재료도 제거해야 합니다.
그림 3은 연구자가 지상에 원형 구획을 지정하고 그 구획에서 모든 잎사귀를 수확하는 매우 짧은 캐노피를 보여줍니다. 이 경우 캐노피가 너무 짧기 때문에 파괴적인 방법을 사용하는 것이 LAI를 측정할 수 있는 유일한 방법일 수 있습니다.
LAI를 직접 측정하는 또 다른 방법은 쓰레기 트랩을 사용하는 것입니다. 낙엽수림에서는 매년 가을이 되면 낙엽이 떨어져 땅에 떨어집니다. 캐노피 주변에 쓰레기 트랩을 설치하여 이러한 낙엽 중 일부를 포집할 수 있습니다. 그런 다음 연구자들은 주기적으로 나뭇잎을 샘플링할 수 있습니다(즉, 트랩에서 나뭇잎을 꺼내 실험실로 가져가서 분석합니다).
파괴적 수확 방법과 쓰레기 트랩 방법 모두 식물에서 잎 재료를 추출한 후에는 수집된 잎의 면적을 측정해야 합니다. 일반적인 방법 중 하나는 광학 스캐너인 Licor Li 3100입니다. 연구원이 각 잎을 스캐너에 통과시키면 잎의 면적이 측정됩니다. 모든 잎이 스캔되면 연구자는 면적을 합산하고 이를 지면 면적으로 나누어 LAI를 측정할 수 있습니다. 이 방법의 고유한 장점 중 하나는 종별 leaf area index. 이는 관리되지 않는 시스템이나 혼합 종 캐노피에서 각 종의 전체 캐노피 LAI에 대한 기여도를 파악하는 데 유용합니다. 연구자는 A, B, C 수종을 수확한 다음 스캐너를 사용하여 각각의 잎 면적을 독립적으로 분석할 수 있습니다.
이 웨비나에서 논의되는 모든 간접 LAI 방법은 어떤 식으로든 빛이 캐노피와 상호작용하는 방식을 측정하는 데 의존하므로 먼저 빛이 캐노피와 상호작용하는 방식에 대해 간략히 살펴봅니다. 캐노피에서 빛의 운명은 세 가지입니다.
투과율과 반사율이라는 두 가지 수치를 측정할 수 있습니다. 흡광도는 식물에서 에너지를 사용하기 때문에 측정할 수 없습니다.
반구형 사진 촬영은 투과광 측정을 통해 LAI를 추정하는 방법입니다. 이 방법은 꽤 오랫동안 사용되어 왔으며 잘 정립된 방법입니다. 어안 렌즈가 장착된 카메라를 사용하여 카메라 장치 전체를 수평 조절 데크에 부착한 다음 하늘을 향한 캐노피 아래를 향하도록 위쪽을 향하게 합니다.
카메라는 그림 4와 같은 반구에서 아래에서 캐노피의 이미지를 캡처합니다. 따라서 하단의 7개의 이미지(웨비나에서 타임코드 13:08의 이미지 참조)는 아주 이른 봄부터 한여름까지 낙엽수림 캐노피 내의 동일한 위치에서 수집한 사진의 시간 순서임을 알 수 있습니다. 이 사진들은 이른 봄에는 캐노피에 잎이 거의 또는 전혀 없다는 것을 시각적으로 보여줍니다. 그리고 한여름이 될 무렵에는 잎이 완전히 물들고, 넓어지고, 성숙해집니다.
반구형 사진은 캐노피의 이미지가 매우 풍부한 데이터 세트이기 때문에 앞으로 소개할 다른 방법과는 달리 독특합니다. 공간적 요소와 색상 요소가 모두 포함되어 있기 때문입니다. 또한 이론과 기술의 변화에 따라 다른 방법으로 이미지를 분석할 수 있는 아카이브 또는 데이터 기록을 제공합니다(즉, 다른 방법을 사용하여 이미지를 분석할 수 있습니다). 다른 방법에서는 어떤 값을 측정하고 나면 그 값을 다시 측정할 수 없습니다.
반구형 사진 촬영의 또 다른 장점은 LAI 외에도 캐노피 구조와 관련된 다른 캐노피 변수를 측정할 수 있다는 것입니다. 예를 들어, 여기에는 가상의 태양 궤도, 즉 특정 날에 태양이 하늘을 가로지르는 위치 또는 궤도를 표시해 보았습니다. 이 정보를 사용하여 태양의 위치를 플롯한 다음 샘플 위치에서 태양 반점이 언제 발생할 수 있는지, 태양 반점의 지속 시간은 얼마나 될지 예측할 수 있습니다. 이는 LAI가 빛 투과와 어떤 관련이 있는지, 그리고 그것이 해저 생물종의 빛 가용성에 어떤 영향을 미치는지 연구하는 데 관심이 있는 경우 중요할 수 있습니다. 그리고 연구자들은 반구형 사진에서 정보를 추출하는 다른 많은 방법을 생각해냈습니다( leaf area index).
반구형 사진을 분석하기 위해 원시 사진을 소프트웨어를 사용하여 처리하여 LAi 또는 다른 변수의 추정치를 얻습니다. 이 작업은 임계값을 사용하여 수행됩니다. 임계값의 기본 개념은 나뭇잎이 차지하는 픽셀과 하늘이 차지하는 픽셀을 구분하는 것입니다. 왼쪽 상단에 있는 것이 원시 이미지입니다(웨비나 타임코드 15:14 참조). 나머지 7개 이미지는 해당 이미지에 적용된 임계값이 다른 이미지입니다. 제 생각에 이것은 반구형 사진의 아킬레스건이라고 할 수 있는데, 관찰자마다 자신의 눈에 보이는 것에 따라 다른 임계값을 선택할 수 있기 때문입니다. 또한 임계값을 감지하는 자동화된 방법마다 다른 결과가 나올 수 있습니다. 따라서 반구형 사진을 분석하는 데는 상당한 주관성이 개입되기 때문에 서로 다른 시간에 촬영한 사진을 비교하거나 데이터 처리에 다른 사람이 관여한 경우 비교하기가 어려울 수 있습니다.
반구형 사진을 사용할 때는 태양 원반이 캐노피 사이로 살짝 비칠 때 사진을 찍지 마세요. 그 이유는 태양 원반 바로 주변이 매우 밝은 지점이 될 것이고, 밝은 배경과 밝은 하늘, 캐노피의 차이에 대한 임계값을 맞추려고 하면 밝은 지점 때문에 캐노피가 얼마나 많은지 과소평가할 수 있기 때문입니다. 또한 태양이 캐노피에 직접 비추고 있을 때 이미지를 수집하기 때문에 캐노피에 그림자가 드리워져 하늘과 캐노피의 밝기 임계값을 구분하기가 매우 어려워집니다. 마지막으로 사진에 다양한 구름이 있는 경우 구름이 있는 부분은 매우 밝아지고 하늘 배경은 상당히 어두워집니다. 따라서 캐노피와 비캐노피를 구분하는 임계값을 선택하기가 매우 어렵습니다. 이러한 모든 이유로 반구형 사진은 균일하게 확산된 조건 또는 균일하게 흐린 조건에서만 수집하는 것이 좋습니다. 태양 디스크가 이미지를 오염시키는 문제를 없애기 위해 태양이 낮거나 수평선 아래에 있는 아주 이른 시간이나 아주 늦은 시간대를 선택하는 것도 좋습니다.
그렇다면 반구형 사진 촬영에는 어떤 용도가 적합할까요? 밀밭은 밀 캐노피가 상당히 낮게 자라기 때문에 카메라, 렌즈, 수평 조절 데크, 삼각대를 모두 캐노피 아래에 완전히 넣기가 어렵기 때문에 반구형 사진 촬영에 적합하지 않을 수 있습니다. 반구형 촬영은 캐노피의 모든 나뭇잎 아래에 장비를 장착하기 쉽기 때문에 숲 캐노피와 같은 높은 캐노피에서 잘 작동합니다.
개념적인 관점에서 보면, 나뭇잎이 거의 없는 캐노피의 하층부는 훨씬 밝아지는 경향이 있기 때문에 드문드문한 캐노피에 있는지 알 수 있습니다. 반면, 매우 빽빽한 캐노피에 있다면 많은 빛이 흡수되거나 반사되어 언더스토리에 전달되지 않을 것으로 예상할 수 있습니다.
이러한 기본적인 관찰을 통해 빛 투과와 잎 면적 사이에는 어느 정도 관계가 있음을 알 수 있습니다. 이는 비어의 법칙으로 공식화되며, LAI의 목적을 위해 광합성 활성 복사 또는 PAR의 형태로 빛 에너지를 다루는 비어의 법칙의 형태를 고려합니다.
PARt 는 캐노피 하단에서 측정할 수 있는 전송 막대입니다. 이는 인시던트 PAR(PARi) 또는 캐노피 상단에서 얼마나 많은 광합성 활성 복사가 입사되는지를 나타냅니다. 두 개의 추가 매개 변수는 k와 z이며, 여기서 k는 소멸 계수이고 z는 감쇠 매체를 통과하는 경로 링크입니다. 이 경우 감쇠 매질은 캐노피 자체가 됩니다. 따라서 이 형태의 비어의 법칙은 투과광 측정값을 사용하여 LAI를 추정하는 방법의 기초가 됩니다. 구체적으로 기상청에서 사용하는 수학적 모델을 설명하겠습니다. Accupar LP-80 (방정식 2와 3).
왼쪽 상단의 방정식 2에서 L은 leaf area index 이며, 가장 먼저 다루고자 하는 매개변수는 모델 내에서 소멸 계수인 k를 계산하는 것입니다. 방정식 2의 오른쪽 아래는 두 개의 매개변수가 있는 하위 모델입니다.X)와 세타(𝚹)입니다. 세타는 단순히 측정 시점의 태양 정점 각도입니다.
하루 동안 태양의 정점 각도는 변화합니다. 그림 6에서 태양은 하늘의 다양한 위치에 있습니다. 이른 아침(왼쪽)에는 정오에 가까운 시간대에 비해 태양이 하늘에서 더 낮게 위치합니다. 하루가 끝날 때도 마찬가지입니다. 세타는 빔 방사선의 경로 길이(태양에서 관측자까지 캐노피의 어느 지점까지 광자가 직접 이동하는 경로)를 설명하는 데 중요합니다.
하루 중 이른 시간이나 늦은 시간에는 경로 길이가 한낮보다 상당히 길다는 것을 알 수 있습니다. 따라서 태양의 정점 각도는 단순히 시간과 지리적 위치에 대한 지식을 사용하여 계산됩니다. LP-80 에서 이러한 매개 변수는 사용자가 입력한 시간 및 위치 값으로 자동으로 계산되므로 LP-80 을 설정할 때 이 두 값을 모두 올바르게 입력하는 것이 중요합니다.
소멸 계수 모델(방정식 2 오른쪽 하단)의 다음 변수는 chi(X) 값입니다. chi는 캐노피의 잎 각도 분포를 설명합니다. 모든 캐노피는 방향이 수평 또는 수직이거나 수평과 수직의 중간 정도에 있는 잎이 혼합되어 있습니다. 그림 7은 세 가지 다른 캐노피 내의 잎 각도 분포를 나타내는 플롯입니다.
수직 캐노피의 치 값은 1 미만입니다. 잎각 분포가 수직일수록 치는 0에 가까워집니다. 수평 캐노피에서는 치가 무한대에 가까워집니다. 일반적으로 이 경우 1보다 큰 치 값을 볼 수 있습니다(즉, 수평 캐노피에서는 1~5의 값이 일반적입니다). 구형 캐노피는 수직 분포와 수평 분포가 혼합된 캐노피입니다. 이는 자연에서 가장 흔히 볼 수 있는 잎사귀 각도의 분포입니다. 이들은 1에 가깝거나 같은 치 값을 갖습니다. LP-80 에서는 기본적으로 1과 같은 치 값을 사용합니다. 이를 변경할 수 있지만 대부분의 경우 기본값을 그대로 사용할 수 있습니다.
그림 8의 왼쪽 아래 그래프는 태양의 정점 각도에 따라 치 값 또는 잎 각도 분포가 소멸 계수에 어떤 영향을 미치는지 보여줍니다. 예를 들어, 치가 0이고(완전히 수직인 캐노피) 태양이 바로 머리 위에 있는 경우(빔 정점 각도가 0) 소멸 계수는 0이 되며, 이는 모든 방사선이 캐노피를 통과하고 있음을 의미합니다. 흡수되거나 반사되는 것은 없습니다. 100% 투과됩니다.
모든 잎이 완벽하게 수평인 경우(기는 무한대와 같습니다)와 대조해 보십시오. 이 경우 소멸 계수는 빔 정점 각도에 대한 의존성이 없습니다. 완벽하게 수평인 나뭇잎을 생각하면 이 말이 이해가 됩니다. 태양 복사가 어떤 각도로 나뭇잎에 닿는지는 중요하지 않습니다. 소멸 계수는 변하지 않습니다.
그림 8의 오른쪽 하단에 있는 그래프는 태양 정점 각도에 대한 투과율을 보여줍니다. 수평 캐노피의 투과율은 태양의 정점 각도에 상관없이 동일하다는 것을 알 수 있습니다. 다른 극단인 수직 캐노피의 경우 태양이 바로 머리 위에 있을 때 투과율은 1과 같고, 태양 각도가 매우 낮을 때(수평선 위에 태양이 있을 때) 투과율이 완전합니다. 수직으로 세워진 나뭇잎과 태양이 바로 머리 위에 있다고 생각하면 이해가 쉬울 것입니다. 나뭇잎에 그림자가 드리워지지 않는 반면, 태양이 옆에서 내리쬐면 완전히 흡수되어 방사선이 투과되지 않습니다.
여기서 무엇을 배울 수 있을까요? 그림 8의 왼쪽 위에는 잎 각도 분포가 매우 다른 3개의 서로 다른 캐노피가 있으며, 따라서 0.5에서 3까지 서로 다른 치 값이 있습니다. 하지만 왼쪽 아래 그림과 오른쪽 그림을 모두 보면 소멸 계수나 전송률에 큰 차이가 없는 것을 알 수 있습니다. 따라서 leaf area index 모델은 치 값, 특히 0.5에서 2 사이의 치 값에 크게 민감하지 않습니다.
따라서 기를 잘못 추정하는 것은 오류의 원인이 될 수 있지만 극단적인 경우, 즉 극도로 수평이거나 매우 수직인 캐노피에서 작업하는 경우에만 가능합니다. 이러한 극단적인 환경에서 작업하지 않는다면 1 정도의 치 값이 LAI를 추정하는 데 적절할 것입니다.
LAI 모델(방정식 4)로 돌아가서, Fb 는 빔 분율이며, 확산 PAR(광합성 활성 복사)과 직접 PAR의 비율로 계산됩니다.
그림 9는 이것이 무엇을 의미하는지 보여줍니다. 왼쪽은 일반적인 맑은 하늘 조건으로, 흰색 선은 확산 복사(다른 입자의 에어로졸에 의해 대기 중에 산란된 복사)를 나타냅니다. 이 방사선은 투과광을 측정할 수 있는 캐노피 아래 어느 위치로 산란됩니다. 또한 같은 사진에서 이 맑은 하늘 조건에서 지배적인 빔 복사(태양에서 직접 나오는 복사)를 볼 수 있습니다. 따라서 왼쪽에서 Fb 가 매우 낮다는 것을 알 수 있습니다. 직접 PAR 성분이 지배적이기 때문입니다.
대기 중에 구름이나 무거운 에어로졸이 있는 오른쪽 이미지와 대조해 보세요. 산란이 더 많고 캐노피 아래 관측 위치까지 구름을 투과하는 빔 방사선의 양이 적습니다. 이 경우 Fb 는 빔 복사 성분을 완전히 제거하기 때문에 훨씬 더 높아집니다(1에 가까워짐).
이것은 무엇을 의미할까요? Fb 항은 캐노피에 대한 광자의 투과 각도 분포를 설명하기 때문에 중요합니다. Fb 는 잎 각도 분포와 상호 작용하여 광자가 캐노피를 끝까지 투과하거나 투과될 확률을 설명합니다. 예를 들어, 매우 화창한 날에는 강한 그림자가 많이 생기는 경향이 있습니다. 그림자가 매우 깊고 어둡게 드리워집니다. 반면 흐린 날에는 강한 그림자를 찾기가 더 어렵습니다. 이는 그림자를 만들 수 있는 물체에 닿는 광선의 각도가 더 고르게 분포되어 있기 때문입니다. 캐노피에 있는 나뭇잎도 마찬가지입니다.
다음으로 논의할 용어는 타우(𝛕)로, 입사 광합성 활성 복사에 대한 투과 복사 복사량의 비율입니다. 그리고 이 타우 값은 아마도 LAI 모델에서 가장 중요한 구성 요소일 것입니다. LAI 모델은 타우에 가장 민감합니다. 이 모델을 사용할 때 측정의 핵심을 이루는 요소입니다. 그림 10에서는 캐노피 상단에서 PAR sensor 를 사용하여 입사 방사선을 측정하고, 캐노피 아래에서는 LP-80 를 사용하여 캐노피에서 투과되는 빛의 양을 측정하고 있습니다. 이 모델에서는 캐노피 위와 아래에서 모두 측정해야 합니다.
캐노피가 매우 높은 경우, PAR sensor 을 놓을 수 있는 공터나 큰 간격을 찾아 입사 방사능 측정에 활용하세요. 지속적으로 로깅이 이루어지는 공터에 PAR sensor 을 설치하거나 LP-80 을 공터로 가져가서 입사 방사선 수치를 측정한 다음 다시 캐노피로 가져가서 투과 방사선을 측정할 수 있습니다.
부분적으로 흐린 날씨나 하늘 상태가 급변하는 환경에서 작업하는 경우, 기본적으로 하늘 상태(따라서 주변 조도)가 바뀔 때마다 입사 방사선 수치를 꽤 자주 업데이트해야 합니다. 따라서 주변 조도의 변동이 걱정된다면 입사 방사선과 투과 방사선을 동시에 독립적으로 기록하여 항상 주변 조도의 변화를 고려하고 LAI 계산에 오류의 원인이 발생하지 않도록 하는 것이 좋습니다.
LP-80 은 스팟 샘플링 또는 주기적 샘플링에 적합합니다. LAI의 변화를 지속적으로 모니터링하려면 캐노피 위와 아래에 모두 PAR 센서를 사용하는 방법도 있습니다. 캐노피 아래의 PAR 센서는 기본적으로 그림 10의 LP-80 을 대체합니다. 차이점은 PAR 센서는 지속적으로 로그를 기록하여 LAI 모델에 입력할 투과 방사선을 지속적으로 측정할 수 있다는 것입니다.
LP80의 leaf area index (LAI) 모델의 마지막 항은 전자기 스펙트럼의 PAR(광합성 활성) 영역에서 잎 흡수율을 나타내는 A입니다.
LP-80 에서 A는 0.9 값으로 고정되어 있으며 이는 매우 좋은 흡광도 추정치입니다. 대부분의 캐노피의 경우 흡광도는 크게 변하지 않습니다. 하지만 일부 극단적인 예에서는 그렇지 않을 수도 있습니다. 예를 들어, 잎이 매우 어린 경우 흡수율이 0.9보다 상당히 낮을 수 있습니다. 그리고 잎이 노화되면 0.9보다 더 낮을 수 있습니다. 그리고 털이 매우 많거나 매우 왁스 같은 잎의 경우 이 흡수율은 0.9보다 상당히 낮을 수 있습니다. 하지만 극단적인 경우를 제외하고 0.9는 잎 흡수율에 대한 매우 좋은 추정치입니다. 0.9에서 약간 벗어나는 값은 LAI 계산에 큰 영향을 미치지 않습니다.
LAI가 매우 낮은 경우 일반적으로 스펙트럼의 가시광선 영역과 근적외선 영역 모두에서 반사율이 균일하게 나타납니다. LAI가 증가함에 따라 가시광선 반사율은 감소하는 반면 근적외선 반사율은 증가하는 경향이 있습니다. 따라서 가시광선 및 근적외선 반사율과 LAI 사이에는 LAI를 추정하는 데 사용할 수 있는 관계가 있습니다.
그림 12에서 반사율은 파장에 따라 달라진다는 점에 유의하세요. 왼쪽 하단의 플롯은 전자기 스펙트럼의 가시광선(400~700나노미터)과 일부 근적외선 영역(700나노미터 이상)을 모두 포괄하고 있습니다. 동일한 캐노피에 대해 스펙트럼이 수집되고 있지만 leaf area index (LAI)의 다른 값에서 수집되고 있음을 알 수 있습니다. 제가 설명하는 것은 LAI가 증가함에 따라 가시광선 반사율이 감소하고 LAI가 증가함에 따라 근적외선 반사율이 증가한다는 것입니다.
다양한 생물물리학적 캐노피 변수를 추정할 수 있도록 개발된 식생 지수 또는 다양한 밴드의 조합이 있습니다. 한 가지 일반적인 지수는 정규화된 차이 식생 지수(NDVI)입니다.
NDVI 는 적색 복사와 근적외선의 반사 값을 사용하여 공식화되었으며, NDVI 는 leaf area index 과 관련이 있는 것으로 나타났습니다. 그림 13은 캐노피 상단에 있는 스펙트럼 반사율 센서가 두 대역에서 반사되는 방사선을 지속적으로 모니터링하는 모습을 보여줍니다. 두 포트는 적색과 근적외선을 측정하고 있습니다. 하지만 이 NDVI 값을 LAI의 직접 추정치로 사용하거나 LAI의 절대값을 추정하는 방법으로 사용하려면 LAI의 독립적인 측정값과의 관계를 개발해야 합니다.
예를 들어, LP-80 을 사용하여 투과 복사 측정값으로부터 LAI를 계산한 다음 NDVI 값을 수집하는 분광 반사율 센서를 배치할 수 있습니다. 시간 또는 공간에 걸쳐 이러한 값을 충분히 수집하면 선형 회귀 관계를 개발할 수 있습니다(그림 13, 왼쪽 상단). 그러면 이 경험적 방정식의 후속 NDVI 값을 사용하여 모든 후속 측정에 대해 독립 소스(LP-80)를 사용하지 않고도 leaf area index 을 계산할 수 있습니다.
LAI의 절대값이 필요하지 않고 LAI를 측정해야 하는 다른 이유가 있을 수도 있습니다. 그림 14는 실제로 LAI의 절대값이 필요 없이 NDVI 를 LAI의 프록시로 사용할 수 있는 몇 가지 예를 보여줍니다.
여기서 연구자는 1년 동안 초원에서 NDVI 및 캐노피 광합성을 모두 측정하고 있습니다. 왼쪽 상단 패널에서 NDVI 값이 녹색으로 표시된 다음 광합성이 열린 원으로 표시됩니다. NDVI 에서 광합성의 시간적 궤적을 매우 잘 추적하고 있음을 알 수 있습니다. NDVI 값과 캐노피 광합성을 연관시키는 회귀 방정식을 개발하는 방법을 보여줍니다. 이 경우 leaf area index 은 이 연간 초원에서 광합성을 일으키는 강력한 동인 중 하나입니다. 그러나 그는 LAI에서 캐노피 광합성을 모델링하는 대신 NDVI 을 프록시로 사용합니다.
마찬가지로 현상학을 응용하는 것도 고려해 볼 수 있습니다. 그림 14의 오른쪽 아래 그래프는 낙엽수림에서 7년 동안 수집한 데이터 중 일부로, 다양한 간격으로 측정된 LAI와 NDVI 를 보여줍니다. 주관적으로 볼 때 NDVI 가 leaf area index 의 시간적 역학을 매우 밀접하게 추적하는 것을 알 수 있습니다. 따라서 이 경우 LAI의 측정값을 NDVI 의 프록시로 대체할 수 있습니다.
한 곳에서 LAI를 측정하여 전체 캐노피를 대표하는 하나의 값을 얻을 수 있다고 생각하지 마세요. 실제로는 그렇지 않습니다. LAI 유형 모델에서 흔히 가정하는 한 가지 가정은 나뭇잎이 캐노피 내에 무작위로 분포되어 있다는 것입니다. 하지만 실제로는 거의 그렇지 않습니다. 나뭇가지 패턴과 나뭇잎, 가지, 나무가 캐노피 내에 분포하는 방식 때문에 항상 어느 정도 뭉치는 현상이 발생합니다.
클러스터링이나 공간적 변동성의 부정적인 영향을 피하는 가장 쉬운 방법 중 하나는 표본 크기를 늘리는 것입니다.
그림 15의 왼쪽은 여러 농작물 재배지의 항공 이미지를 아티스트가 재현한 것입니다. 오른쪽은 동일한 농경지 이미지에서 NDVI 데이터를 수집한 다음 NDVI 데이터로 변환한 다음 leaf area index 로 변환하는 데 사용된 이미징 시스템의 이미지를 재현한 것입니다. 이 이미지에서 다양한 관리 단위에서 다양한 범위의 LAI 값이 있음을 알 수 있습니다. 이미징을 통해 공간적 이질성이 무엇인지 파악할 수 있지만, 앞서 설명한 방법은 공간적 이질성을 나타내는 영역이 더 불연속적입니다. 연구 영역 내에서 여러 개의 샘플을 수집하여 공간적 변동성을 포착하면 이 문제를 극복할 수 있습니다. 그런 다음 일종의 공간 평균을 구하여 전체 지역의 LAI를 나타낼 수 있습니다.
또는 단순히 전체 지역에 걸쳐 LAI의 변동성이 어떤지 이해하는 데 관심이 있을 수도 있습니다. 이 세미나의 시작 부분에서 보여드린 이미지(그림 1)는 leaf area index 의 전 세계 분포에 관한 것으로 위성 데이터에서 가져온 것입니다. 하지만 이 값을 어떻게 신뢰할 수 있을까요? 이러한 값을 신뢰할 수 있는 근거가 있어야 합니다. 어떻게? 캐노피 위에 NDVI 센서를 설치하여 지역 수준에서 매우 상세한 측정을 할 수 있습니다. 위성 데이터를 통해 얻은 값과 비교한 다음, 위성 데이터를 사용하여 샘플 지역 외부에서 볼 수 있는 값에 어느 정도의 신뢰도를 부여할 수 있습니다.
모든 방법이 동일한 결과를 산출하는 것은 아니라는 점을 기억하세요. 그림 16은 몇 년 전 봄에 낙엽수림 캐노피에서 수집한 데이터를 보여줍니다. 반구형 사진, LAI 2000, 양자 센서(PAR sensor) 등 네 가지 방법을 사용했습니다. 그런 다음 MODIS 위성(LAI 제품을 제공)을 사용하고 이를 제 측정치 중 일부와 배치하여 네 가지 방법을 모두 비교했습니다. 특정 날에는 이러한 방법 중 하나에서 제공하는 추정치 사이에 상당한 변동성이 있다는 점에 유의하세요. 따라서 한 방법을 다른 방법과 비교할 때는 이러한 점이 어려울 수 있습니다. 일부 방법은 서로 더 잘 비교되는 경향이 있습니다. 예를 들어, 이 연구에서는 LP-80 을 사용하지 않았지만, 지금까지 발표된 서너 편의 논문에서 LAI 2000과 LP-80 이 일반적으로 서로 매우 유사한 값을 제공한다는 것을 보여줍니다. 그리고 이론적으로 양자 센서는 LP-80 및 LAI 2000과도 매우 근접해야 합니다.
사실 이러한 방법 중 어느 것도 절대값을 정확하게 측정하지 못했습니다. 이 경우에는 실제 LAI를 추정할 수 있는 가장 직접적인 방법인 쓰레기 트랩을 사용했습니다. 이 캐노피에서는 4.0에 약간 못 미쳤습니다. 따라서 적어도 성숙기에는 이 방법들 중 어느 것도 정확히 맞출 수 없다는 것을 알 수 있습니다. 따라서 서로 다른 방법을 비교할 때는 주의를 기울이거나 방법마다 가변성이 있다는 점을 이해해야 합니다.
우리가 피할 수 있는 변동성의 한 가지 원인은 이 그림에 설명되어 있습니다(웨비나 타임코드 46.01 참조). 이 이미지는 우리가 논의한 몇 가지 개념을 보여줍니다. 캐노피를 관통하는 빛의 축이 일부 음영 영역과 대조를 이루고 있습니다. 그리고 이 모든 빛의 역학은 캐노피에 얼마나 많은 잎 소재가 있는지, 그리고 캐노피의 잎 소재가 어디에 분포되어 있는지에 따라 제어된다는 것을 알 수 있습니다. 따라서 이 캐노피에서 투과된 방사선을 측정하는 PAR sensor 가 하나 있다고 가정해 보겠습니다. 이 이미지를 오른쪽에 배치하면 이미지가 촬영된 이 시점에 투과광의 수치가 매우 높게 측정될 것입니다. 하지만 여기 그림자에 또 다른 PAR sensor 가 있으면 투과광의 수치가 매우 낮게 나타납니다. 따라서 측정하는 캐노피의 공간적 가변성을 인식해야 합니다.
그림 17은 개별 PAR 센서의 모습을 보여주는 몇 가지 데이터를 보여줍니다. 여기에는 낙엽수림 캐노피 아래에 30개 이상의 PAR 센서가 분포되어 있습니다. 시간이 지남에 따라 모두 서로를 추적하는 경향이 있지만, 투과된 복사의 절대값은 위치마다 매우 다를 수 있습니다. 그렇다면 투과광을 LAI의 추정치로 사용한다면 어떤 흔적을 사용하여 LAI를 추정할까요? 답은 우리의 목표가 무엇인지에 따라 달라집니다. LAI의 평균값을 구하는 것이 목적이라면 모든 값의 공간 평균을 구할 수 있습니다.
또 한 가지 지적해야 할 점은 이러한 뭉침과 공간 가변성 요인이 실제 오차의 원인이라는 점입니다. 그러나 LP-80 는 투과광 측정 방식에서 이러한 문제를 해결합니다. 휴대용 장치에서 나오는 막대가 있는데, 그 막대의 길이는 약 80센티미터이며 그 막대에는 80개의 독립적인 PAR 센서가 있습니다. 따라서 LP-80 판독값은 막대에 있는 모든 센서의 공간 평균입니다.
몇 년 전 일부 연구자들은 클러스터링이 존재하는 캐노피에서 선형 횡단면 전체의 평균을 구하면 클러스터링과 관련된 오류를 줄이는 경향이 있다는 것을 보여주었으며, 이러한 전략은 이미 LP-80 에 물리적으로 내장되어 있습니다.
PAR sensor 을 사용하는 경우 한 가지 접근 방식은 빛 투과율의 공간적 이질성을 나타내는 충분한 샘플을 수집하고 있는지 확인하는 것이며, 이는 당연히 LAI와 관련이 있습니다.
측정하기 전에 LAI를 측정하는 이유를 생각해 보세요. leaf area index 에 정말 관심이 있으신가요? 아니면 어떤 관련 변수에 관심이 있나요? 예를 들어, 일부 연구자들은 캐노피 생산성이나 광합성을 추정하기 위해 투과광 또는 흡수광을 더 자주 추정할 수 있도록 LAI를 추정합니다. 문제는 투과광과 입사광의 측정을 통해 보다 직접적으로 광 흡수를 측정할 수 있는데 왜 LAI를 추정하여 광 흡수를 추정하는가 하는 것입니다. 따라서 LAI가 관심 있는 변수인 이유를 이해해야 합니다.
또한 LAI가 측정하고자 하는 유일한 변수인지 여부도 고려하세요. 반구형 사진을 촬영하면 LAI 외에도 캐노피 구조에 대한 여러 가지 지표를 생성할 수 있으며 이는 유용할 수 있습니다. 캐노피가 높거나 낮은 곳에서 작업하고 있나요? 매우 높은 캐노피에서 작업하는 경우, 캐노피 꼭대기에 도달할 수 있는 인프라가 없기 때문에 그 위에 NDVI 센서를 설치하는 것이 불가능할 수도 있습니다. 이 경우 반구형 사진 촬영이나 LP-80 과 같은 광 투과 측정이 필요할 수 있습니다.
종별 LAI를 측정해야 하나요? 그렇다면 직접 채취가 유일한 방법일 것입니다. 연속 샘플링을 수행하길 원하나요, 아니면 이산 샘플링을 수행하길 원하나요? 즉, 투과광 측정값을 지속적으로 기록하여 LAI의 변화를 지속적으로 추정할 수 있기를 원하시나요? 아니면 스팟 샘플로 만족하시나요? 서로 다른 처리 플롯 간의 LAI를 비교하고 싶다고 가정해 봅시다. 스팟 샘플링 접근 방식이 더 적합할 수도 있습니다.
측정값을 확장해야 하나요? 샘플링 프로토콜과 로컬 수준에서 더 넓은 규모로 확장하기 위해 사용할 수 있는 데이터 소스가 무엇인지 고려하세요. 캐노피 내에서 공간적으로 얼마나 이질적인 LAI가 있는지, 그리고 그 LAI가 얼마나 뭉쳐 있는지 고려하세요. 이는 수집하는 샘플의 수와 샘플이 공간적으로 분포하는 위치에 영향을 미칩니다.
마지막으로 LAI의 절대값이 필요한가요, 아니면 NDVI 과 같은 프록시를 사용할 수 있나요?
저희 과학자들은 수십 년 동안 연구자와 재배자들이 토양-식물-대기 연속체를 측정할 수 있도록 지원해 온 경험을 가지고 있습니다.
수분 포텐셜의 정의, 필요한 이유, 측정 방법, 방법 비교 등 수분 포텐셜 측정에 대해 알아야 할 모든 것을 알아보세요. 또한 토양 수분 방출 곡선을 사용하여 실제로 확인해 보세요.
토양 수분 측정에 대해 알아야 할 모든 것을 한 곳에서 확인하세요.
관수 관리 간소화. 과도한 관개로 인한 문제로 시간과 비용을 낭비하지 않고도 물과 영양분을 완벽하게 관리할 수 있습니다.
정기적으로 최신 콘텐츠를 받아보세요.