Browsing by Subject "lehtialaindeksi"

Sort by: Order: Results:

Now showing items 1-5 of 5
  • Haikarainen, Iina (Helsingfors universitet, 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.
  • Laine, Maria (Helsingin yliopisto, 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.
  • Manninen, Terhikki; Stenberg, Pauline (Ilmatieteen laitos - Finnish Meteorological Institute, 2021)
    Raportteja - Rapporter - Reports 2021:5
    Recently a simple analytic canopy bidirectional reflectance factor (BRF) model based on the spectral invariants theory was presented. The model takes into account that the recollision probability in the forest canopy is different for the first scattering than the later ones. Here this model is extended to include the forest floor contribution to the total forest BRF. The effect of the understory vegetation on the total forest BRF as well as on the simple ratio (SR) and the normalized difference (NDVI) vegetation indices is demonstrated for typical cases of boreal forest. The relative contribution of the forest floor to the total BRF was up to 69 % in the red wavelength range and up to 54 % in the NIR wavelength range. Values of SR and NDVI for the forest and the canopy differed within 10 % and 30 % in red and within 1 % and 10 % in the NIR wavelength range. The relative variation of the BRF with the azimuth and view zenith angles was not very sensitive to the forest floor vegetation. Hence, linear correlation of the modelled total BRF and the Ross-thick kernel was strong for dense forests (R2 > 0.9). The agreement between modelled BRF and satellite-based reflectance values was good when measured LAI, clumping index and leaf single scattering albedo values for a boreal forest were used as input to the model.
  • Majasalmi, Titta (Helsingfors universitet, 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.
  • Naukkarinen, Jenni (Helsingin yliopisto, 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.