Browsing by Subject "lehtialaindeksi"
Now showing items 1-6 of 6
-
(2017)Leaf area index (LAI) is an important biophysical variable which helps to estimate vegetation biomass, radiation use efficiency and potential yield. Traditional LAI-determination methods tend to be slow and they require a lot of labor and data processing. Vegetation indices are one way to estimate LAI of the crops, but it is hard to create a vegetation index that would be suitable for all crops, environments and optical occasions. This is caused by saturation of indices under high LAI and differences in structure between various crop species Leaf inclination angle affects spectral reflectance with LAI (Zou et al. 2014, Zou & Mõttus 2015, Zou et al. 2015). The aim of this study was to investigate effects of leaf inclination angle on LAI-sensitive vegetation indices. LAI-sensitive narrow-band vegetation indices were selected from literature and they were calculated based on reflectance of measured field data and simulated model data. After calculation of vegetation indices, regression between vegetation indices and LAI was performed. Regression was performed with both true field data and simulated model data. Finally, simulated data was plotted based on mean leaf tilt angles (20, 30, 40, 50 and 65) and on low, medium and high chlorophyll contents (25-30, 55-60, 95-100). Regression was determined between vegetation indices and LAI based on plotted data. LAI could be estimated from vegetation indices in true field data (R2=0,36-0,52, RMSE 0,65-0,74 m2/m2) and simulated model data (R2=0,25-0,52, RMSE 0,81-1,02 m2/m2) and they acted similarly. When simulated data was plotted, coefficients of determination were higher (R2=0,50-0,99, RMSE 0,12-0,91 m2/m2). The best goodness of fit was found under MTA-levels 40 and 50. Lowest coefficients of determination occurred on highest MTA-level. Chlorophyll amount effected on the way MTA effects on indices performance: variance between MTA-classes seems to be larger under higher chlorophyll levels. As expected, leaf inclination angle affects performance of LAI-sensitive vegetation indices, and chlorophyll amount has effect on this. These observations should be taken into account while choosing index to estimate LAI of crops.
-
(2018)Tiivistelmä Kasvillisuus vaikuttaa voimakkaasti ekosysteemin toimintaan veden ja energianvaihdon kautta. Koska hiilen dynamiikan ja muiden ilmastoon liittyvien prosessien tiedetään vaihtelevan suuresti suon eri kasvillisuustyyppien välillä, on ratkaisevan tärkeää tietää eri kasvillisuustyyppien suon sisäinen alueellinen jakauma. Muutosten, kuten ilmaston muutoksen vaikutusten, ennustaminen eliöyhteisön kokoonpanoon ja ekosysteemin dynamiikkaan edellyttää parempaa ymmärrystä nykyisen kasvillisuuden rakenteesta ja fenologiasta. Kasvillisuuden seuraaminen ja aineiston kerääminen maasto-olosuhteissa on työlästä, siksi on tärkeää selvittää menetelmiä, joilla kasviyhteisöjen rakenteet saataisiin kuvattua hyödyntämällä kaukokartoitustekniikkaa. Tämän tutkimuksen tavoitteena oli selvittää Sodankylässä sijaitsevan aapasuon, Halssiaavan kasvillisuus ja lehtialaindeksi niin funktionaalisten tyyppien, kasvillisuuden koostumukseen perustuvien kasviyhteisöjen, kuin ekosysteemin tasolla. Lehtialaindeksi on muuttuja, joka selittää hyvin suon tuotantoa. Alueellisen vaihtelun lisäksi lehtialaindeksi vaihtelee kasvukauden aikana, ja tämä vaihtelu eroaa kasviyhteisöittäin. Kasvillisuuden alueellinen vaihtelu ekosysteemitasolla saadaan kuvattua erittäin korkean resoluution kaukokartoituskuvilla, joiden spatiaalinen tarkkuus on riittävä. Suon kenttäkerroksen kasvillisuuden fenologian kehitystä seurattiin kasvukaudella 2016, 3.6.–14.9. välisenä aikana seuranta-aloilta viikoittain. Nämä seuranta-alat perustettiin eri suotyypeille ravinteisuuden ja kosteuden perusteella. Aloilta arvioitiin kasvilajien peittävyys ja laskettiin putkilokasvien lehtialaindeksi. Eri putkilokasvilajien lehtialaindeksin kehitystä kasvukauden aikana seurattiin kasvillisuuden toiminnallisissa ryhmissä. Lisäksi suon kasviyhteisöt luokiteltiin lajistoaineiston perusteella kaksisuuntaisella (TWINSPAN) indikaattorianalyysillä eri kasviyhteisötyyppeihin. Seuranta-alojen lisäksi perustettiin näytealoja tukipisteille suon maanpeiteluokitusta varten. Tukipisteiltä kuvailtiin kasvillisuus ja kasvupaikka. Maanpeiteluokittelu tehtiin käyttämällä objektiperustaista menetelmää ja luokittelun pohjana käytettiin eri kaukokartoitusaineistoja. Perustuen kasvillisuuden rakenteeseen, kasvillisuus Halssiaavalla luokiteltiin kymmeneen eri kasviyhteisötyyppiin. Kasviyhteisöjen lehtialaindeksi eli yhteyttämispinta-ala saavutti huippunsa heinäkuun keskivaiheilla. Kaikki putkilokasvit osoittivat selvää kasvukauden aikaista dynamiikkaa, mutta kasvukauden huippu vaihteli toiminnallisten ryhmien välillä. Halssiaavan maanpeiteluokittelun kokonaistarkkuus kaukokartoitusaineiston perusteella oli noin 70 % maastossa tehtyyn luokitteluun verrattuna, josta rimpien osuus oli 57.6 %, välipintojen 20.3 % ja jänteiden 22.2 %. Kenttäkerroksen putkilokasvien lehtialaindeksi oli kasvukauden huipussa 15.7. suurin välipinnoilla 0.92, seuraavaksi suurin jänteillä 0.88 ja pienin rimpipinnoilla 0.61. Tämän työn tulosten avulla voidaan arvioida suon lehtialaindeksi eri ajanhetkinä.
-
(2011)Kasvuston G-funktio kuvaa säteilyn vähenemistä tai ”sammumista” auringon eri korkeuskulmissa varjostavan lehtialan suhteen. Sen vuoksi sitä kutsutaan sammumiskertoimeksi. Tutkimuksen tavoitteena oli selvittää vaihteleeko G-funktion muoto eri puulajien metsiköissä, ja voidaanko puulajit erottaa toisistaan G-funktion muodon avulla. Arvioin lisäksi G-funktioiden muodossa kasvukaudenaikana tapahtuvia muutoksia. Muita tutkimuksen kannalta mielenkiintoisia tutkimuskysymyksiä olivat voidaanko ryhmittymistä tai latvusmuotoa arvioida G-funktion muodon avulla. Maastomittaukset suoritettiin 3.5.2010 -30.9.2010 välisenä aikana. Tutkimusalueena oli Hyytiälän metsäaseman (68?59`N, 35?72`E) ympäristö, jonka metsät edustavat tyypillistä boreaalista havu- ja lehtimetsää. Tutkimusta varten perustettiin kuusi yhden puulajin koealaa, kaksi kutakin puulajia kohden. Tutkittavat puulajit olivat mänty (Pinus sylvestris), kuusi (Picea abies) ja rauduskoivu (Betula pendula). Koealaparit valittiin niin, että kullekin puulajille muodostui varttuneesta metsästä ja taimikosta muodostuva pari tai vaihtoehtoisesti tiheämpi ja harvempi koeala. Koealoille perustettiin 81 mittauspistettä sisältävä mittaushila, jossa kunkin pisteen aukkoisuustiedot mitattiin kahden viikon välein. Mittaukset suoritettiin kahdella LAI-2000 Plant Canopy Analyzer -laitteella. Laitteiden tulosteista koealoille saatiin aukkoisuustiedot T(?) ja LAI, joiden avulla saatiin laskettua tarkasteltavat G-funktiot. Saman puulajin G-funktiota vertailtiin toisiinsa puulajityypillisten trendien havaitsemiseksi. Keskikesällä eri puulajien G-funktioita verrattiin toisiinsa. Teoreettisten simulointien avulla tutkittiin latvuksen dimensioiden (latvuksen pituus ja säde) ja sisäisen ryhmittäisyyden vaikutusta puulajikohtaiseen G-funktioon. Simuloinneissa käytettiin hyväksi tietoa koealojen puustotunnuksista, lehtialasta sekä runkoluvusta. Puulajikohtaiset G-funktiot ovat erotettavissa toisistaan funktion minimi- ja maksimiarvojen sijoittumisen sekä suhteellisen vaihteluvälin perusteella. Havupuualojen G-funktiot eivät juuri muuttuneet kasvukauden aikana. Koivualoilla G-funktion kasvukaudenaikaiset muutokset (pelkät oksat, hiirenkorvat ja täysikasvuiset lehdet) olivat sitä vastoin helposti havaittavissa. G-funktion muodon avulla voidaan myös arvioida latvusmuotoa ja ryhmittymistä. Mäntyjen latvusmuoto on approksimoitavissa parhaiten ympyräkartion avulla. Kuusien ja koivujen latvusmuodon approksimointiin parhaana vaihtoehtona voidaan pitää ellipsoidia. Teoreettisten simulointien perusteella nuori kuusikko on muita havupuualoja ryhmittyneempi. Tutkimuksen mukaan säteily sammuu satelliittien yleisimmässä kuvaussuunnassa tehokkaammin kuin kaikkien suuntien yli laskettu keskiarvo (0,5) antaa olettaa. Puulajikohtaisten G-funktioiden avulla voidaan epäsuorasti arvioida sekä metsästä tapahtuvaa heijastusta että metsikön sisäisiä säteilyolosuhteita, sillä puulaji yhdessä metsikön rakenteen kanssa vaikuttaa metsästä heijastuvaan säteilyyn. Puulajikohtainen G-funktio on parametri, jonka avulla voidaan kalibroida malleja, joissa tarvitaan tietoa säteilyn kulusta erilaisissa kasvustoissa.
-
(2023)Suot ovat etenkin boreaalisella kasvillisuusvyöhykkeellä olennainen osa hiilenkiertoa. Vaikka kaikkia soiden hiilen kiertoon vaikuttavia tekijöitä ei tunneta, tiedetään, että boreaalisten soiden kasvillisuuden fenologia säätelee osaltaan hiilenkiertoa. Jotta hiilen kiertoa boreaalisilla soilla pystyttäisiin mallintamaan aiempaa tarkemmin, tulisi meidän tuntea soiden kasvillisuuden fenologiaa ja siihen vaikuttavia tekijöitä. Tämän tutkielman tarkoituksena oli selvittää boreaalisen minerotrofisen suon putkilokasvillisuuden fenologian vuosien välistä vaihtelua ja siihen vaikuttavia säätekijöitä. Tutkimuskysymyksinä toimivat: 1. onko suokasvillisuuden fenologiassa havaittavissa systemaattista muutosta ja 2. miten säteily, lämpötila ja sadanta vaikuttavat fenologian vuosittaiseen vaihteluun. Näihin kysymyksiin pyrittiin vastaamaan vuosina 2004–2007 ja 2014–2021 kerätyn lehtialaindeksi- ja sääaineiston avulla. Fenologiaa tutkittiin kolmen lehtialaindeksin parametrin avulla: LAI:n maksimin arvon, LAI:n maksimin ajankohdan ja lehtialakauden pituuden avulla. Näitä parametrejä verrattiin säätekijöihin, eli kuukausittaisiin lämpötila-, sadanta- ja PAR-summiin sekä kosteusindekseihin, ja kasvukauden alkupäivään. Aineistoa analysoitiin epälineaarisella sekamallianalyysillä. Tulosten mukaan LAI:n maksimin arvo ja lehtialakausi vaihtelevat vuosien välillä, ja LAI:n maksimin arvo ja lehtialakauden pituus vaikuttavat kasvaneen 2004–2021. LAI:n maksimin arvoon vaikutti positiivisesti huhtikuun sadanta ja PAR-säteily, edellisen kasvu- kauden syyskuun PAR-säteily ja kasvukauden alkupäivä. LAI:n maksimin ajankohtaan säätekijöillä ei kuitenkaan ollut vaikutusta. Lehtialakauden pituuteen vaikutti positiivisesti huhtikuun PAR, huhtikuun kosteusindeksi ja toukokuun lämpötila ja negatiivisesti syyskuun kosteusindeksi. Fenologiaan vaikuttavat siis kevään ja syksyn olosuhteet, ja etenkin sadanta sekä sadannan ja lämpötilan suhde on olennainen tekijä. Tulevaisuudessa lämpötilan nousun lisäksi sadannan on ennustettu lisääntyvän ilmastonmuutoksen myötä, millä saattaa olla vaikutusta fenologiaan. LAI:n maksimin arvon kasvu ja lehtialakauden pidentyminen saattaisikin jatkua vielä tulevaisuudessa. Lisää tutkimusta kuitenkin tarvitaan etenkin säätekijöiden ajoituksen vaikutuksista fenologiaan sään ääriilmiöiden lisääntyessä. Tutkielman tuloksia voidaan hyödyntää boreaalisen minerotrofisen suon kasvillisuuden ja sitä kautta hiilen kierron mallinnuksessa. Jotta tuloksia voitaisiin yleistää, tarvittaisiin useampia koealoja. Olisi myös olennaista tutkia fenologian vaihtelua ja siihen vaikuttavia tekijöitä muissakin ekosysteemeissä.
-
(2018)Kiinnostus nurmipalkokasvien mahdollisuuksiin vähentää epäorgaanisten lannoitteiden käyttöä sekä lisätä nurmirehujen valkuaisomavaraisuutta on kasvussa. Nurmipalkokasvien lisäys nurmiheinien seokseen kasvattaa sadon määrää ja valkuaispitoisuutta. Sinimailanen (Medicago sativa L.) ja puna-apila (Trifolium pratense L.) yleisesti soveltuvat muita nurmipalkokasveja paremmin seoskasvustoihin kasvutavaltaan ei aggressiivisten nurmiheinien kutein timotein (Phleum pratense L.) kanssa. Timotein eteläisten ja pohjoisten lajikkeiden välillä satoisuudessa ja kasvurytmissä on havaittu eroja, mutta lajikkeen vaikutuksista seoskasvustojen kasvurytmiin tarvitaan lisää tutkimustuloksia. Aineisto kerättiin Luonnonvarakeskuksen Ylistaron koeasemalle perustetulta nurmikokeelta ensimmäiseltä satovuodelta kasvukaudella 2017 osana vuonna 2016 alkanutta VALNURRE -hanketta. Tarkastelussa oli kahdeksan koejäsentä: sinimailasen, puna-apilan sekä timotein eteläisen ja pohjoisen lajikkeen puhdas- ja seoskasvustot, jotka niitettiin kaksi tai kolme kertaa. Kasvukaudella seurattiin kasvuston pituuden, lehtialaindeksin (LAI), kasvuasteen sekä biomassan kehitystä. Tuoresadosta tehtiin botaaninen analyysi sekä proteiinianalyysi. Mittaustulosten perusteella laskettiin kuiva-ainesato, pinta-alavastaavuussuhde (LER) sekä typen peltotase koejäsenittäin. Sinimailanen kärsi jopa 95 % talvituhoista, sen kasvuunlähtö oli hidasta eikä se kyennyt kilpailemaan puhdaskasvustossa rikkoja tai seoskasvustoissa timoteita vastaan. Puna-apila menestyi paremmin ja oli selvästi sinimailasta satoisampi seoskasvustoissa saavuttaen keskimäärin 12,1–13,8 t kg ka/ha kuiva-ainesadon, timotein lajikkeella ei kuitenkaan ollut merkitsevää vaikutusta. Kahden niiton menetelmässä suurimman sadon 14,3 t kg ka/ha tuotti eteläinen timotei, kun kolmen niiton menetelmässä satoisin oli pohjoinen timotei 14,8 t kg ka/ha. Botaanisessa analyysissä nurmipalkokasveja oli keskimäärin enemmän pohjoisen timotein seoksissa. Poikkeuksellisen viileä kasvukausi vaikutti nurmipalkokasvien menestymiseen puhdas ja seoskasvustoissa. Seoskasvustot eivät olleet satoisampia verrattuna timotein puhdaskasvustoihin eikä timotein lajikkeiden välillä ollut merkittävää eroa. Nurmipalkokasvit eivät merkitsevästi parantaneet sadon tai valkuaisen määrää. Seoskasvusto voi kuitenkin parantaa nurmipalkokasvien talvehtimista ja säilymistä kasvustossa. Sinimailasen ja puna-apilan puhdas- ja seoskasvustojen typpitase oli timoteikasvustoja parempi ja ne hyödynsivät typpeä selvästi tehokkaammin.
-
(2018)Kiinnostus nurmipalkokasvien mahdollisuuksiin vähentää epäorgaanisten lannoitteiden käyttöä sekä lisätä nurmirehujen valkuaisomavaraisuutta on kasvussa. Nurmipalkokasvien lisäys nurmiheinien seokseen kasvattaa sadon määrää ja valkuaispitoisuutta. Sinimailanen (Medicago sativa L.) ja puna-apila (Trifolium pratense L.) yleisesti soveltuvat muita nurmipalkokasveja paremmin seoskasvustoihin kasvutavaltaan ei aggressiivisten nurmiheinien kutein timotein (Phleum pratense L.) kanssa. Timotein eteläisten ja pohjoisten lajikkeiden välillä satoisuudessa ja kasvurytmissä on havaittu eroja, mutta lajikkeen vaikutuksista seoskasvustojen kasvurytmiin tarvitaan lisää tutkimustuloksia. Aineisto kerättiin Luonnonvarakeskuksen Ylistaron koeasemalle perustetulta nurmikokeelta ensimmäiseltä satovuodelta kasvukaudella 2017 osana vuonna 2016 alkanutta VALNURRE -hanketta. Tarkastelussa oli kahdeksan koejäsentä: sinimailasen, puna-apilan sekä timotein eteläisen ja pohjoisen lajikkeen puhdas- ja seoskasvustot, jotka niitettiin kaksi tai kolme kertaa. Kasvukaudella seurattiin kasvuston pituuden, lehtialaindeksin (LAI), kasvuasteen sekä biomassan kehitystä. Tuoresadosta tehtiin botaaninen analyysi sekä proteiinianalyysi. Mittaustulosten perusteella laskettiin kuiva-ainesato, pinta-alavastaavuussuhde (LER) sekä typen peltotase koejäsenittäin. Sinimailanen kärsi jopa 95 % talvituhoista, sen kasvuunlähtö oli hidasta eikä se kyennyt kilpailemaan puhdaskasvustossa rikkoja tai seoskasvustoissa timoteita vastaan. Puna-apila menestyi paremmin ja oli selvästi sinimailasta satoisampi seoskasvustoissa saavuttaen keskimäärin 12,1–13,8 t kg ka/ha kuiva-ainesadon, timotein lajikkeella ei kuitenkaan ollut merkitsevää vaikutusta. Kahden niiton menetelmässä suurimman sadon 14,3 t kg ka/ha tuotti eteläinen timotei, kun kolmen niiton menetelmässä satoisin oli pohjoinen timotei 14,8 t kg ka/ha. Botaanisessa analyysissä nurmipalkokasveja oli keskimäärin enemmän pohjoisen timotein seoksissa. Poikkeuksellisen viileä kasvukausi vaikutti nurmipalkokasvien menestymiseen puhdas ja seoskasvustoissa. Seoskasvustot eivät olleet satoisampia verrattuna timotein puhdaskasvustoihin eikä timotein lajikkeiden välillä ollut merkittävää eroa. Nurmipalkokasvit eivät merkitsevästi parantaneet sadon tai valkuaisen määrää. Seoskasvusto voi kuitenkin parantaa nurmipalkokasvien talvehtimista ja säilymistä kasvustossa. Sinimailasen ja puna-apilan puhdas- ja seoskasvustojen typpitase oli timoteikasvustoja parempi ja ne hyödynsivät typpeä selvästi tehokkaammin.
Now showing items 1-6 of 6