Rachel  Glade   University  of  Pennsylvania  

Dr.  Susan  Ustin   Shane  Grigsby  

¡  How  much  does  topography  control  LAI?   ¡  Relationship  is  not  well-­‐established   ¡  Can  topography/LAI  correlations  say  

 

something  about  dominant  environmental   controls?  

¡  Spadavecchia  et  al.,  2008   §  Correlated  functional  types,  topography,  LAI  in  

¡  Banerjee  et  al.,  2011   §  Correlated  wetness  index,  elevation,  LAI  in  

tundra  environment   §  Elevation  was  most  important  at  large  scale   §  Soil  moisture  was  not  correlated   semiarid  grassland   §  Emphasized  scale-­‐dependency   §  LAI  best  explained  by  wetness  index  

¡  Dry  lower  elevation  site  (oak  

savannah)  is  most  likely  water-­‐ limited,  so  LAI  may  correlate   best  with  moisture  availability   (coniferous  forest)  with  more   competition  may  correlate   best  with  moisture  availability   and  solar  irradiation  

¡  Cooler  upper  elevation  site  

Elevation  (Upper)  

Aspect  (Lower)  

Slope  (Upper)  

Meters  

Degrees  from  east  

Degrees  

Flow  Accumulation   (Lower)  

Compound  Topographic   Index  (Upper)  

Solar  Irradiation  (Lower)  

Meters  upslope  drainage  area  

CTI  

Wh/m2day2    

Richards,  et  al.  2009   “Modeling  approaches  to  estimate  effective  leaf   area  index  from  aerial  discrete-­‐return  LIDAR”  

Beer-­‐Lambert  equation  of   light  extinction  (Monsi  et  al.,   2005):     I=Below  canopy  intensity   Modify  to  use  LIDAR   returns  (Richards  et.  al,   2009  

I0=Above  canopy  intensity   K=extinction  coefficient   L=LAI  

Rg=Ground  returns   Rt=Total  returns   K=extinction  coefficient   L=LAI  

*Use  theoretical  value  k=.5   Subset  of  LAI  map  from  Lower  Elevation  site   White=no  value  

Correlations  masked  out  LAI     between  0  and  3   *all  p-­‐values  <<.01   Slope:  Lower  Elevation  
Positive  trend   Y=1.333685009x+9.2085     R2    =  0.141032779   St.  Dev=0.001777213    

Elevation:  Lower  Elevation  
Positive  trend   Y=  2.072876489x+  403.41     R2    =  0.00737615     St.  Dev=0.012984012    

Slope:  Upper  Elevation  
Positive  trend   Y=1.484032034x+12.551       R2    =  0.060495014     St.  Dev=0.003159313    

Elevation:  Upper  Elevation  

Negative  trend   Y=  -­‐7.489665501x+1771.1         R2    =  0.009044864       St.  Dev=0.042349479      

Correlations  masked  out  LAI     between  0  and  3   *all  p-­‐values  <<.01   CTI:  Lower  Elevation  
Negative  trend   Y=-­‐0.111142676x+  2.6086     R2=0.009925869   St.  Dev.  =0.000599361    

Flow  Accumulation:  Lower  Elevation  
Negative  trend   Y=  -­‐18.54620868  x+  903.33     R2=  3.45116E-­‐06     St.  Dev.  =  5.390513434    

CTI:  Upper  Elevation  
Negative  trend   Y=  -­‐0.081446436  x+  3.3905       R2=  0.004464793     St.  Dev.  =  0.000656991      

Flow  Accumulation:  Upper  Elevation  
Negative  trend   Y=  -­‐456.7400471x+  3479.1     R2=  0.00082584         St.  Dev.  =  8.582256064          

Correlations  masked  out  LAI     between  0  and  3   *all  p-­‐values  <<.01   Irradiation:  Lower  Elevation  
Negative  trend   Y=  -­‐22.17565379x+  5168.6     R2=  0.008816627     St.  Dev.  =  0.126958041    

Sanity  check:     § Ran  stats  with  all  LAI  values,   (including  non-­‐trees)   § Ran  stats  with  LAI>3  (only  trees)   § Ran  multiple  linear  regression   § Did  not  change  direction  of   trends,  barely  changed  R2  values   § Looked  at  tree  heights  as   possible  proxy  for  age:  not   statistically  significant   § Looked  at  Chris’  temperature   map:  negative  correlation  agrees   with  solar  irradiation  model   § Little  species  variation  within   each  site  

Irradiation:  Lower  Elevation  
Negative  trend   Y=  -­‐32.25671994    x+  5407.3         R2=  0.005337141       St.  Dev.  =  0.237883053        

¡  Data  collected  during  summer   ¡  Heat  stress   ¡  Local  adaptation  

 

¡  Slope  has  highest  correlation  
§  Correlation  with  other  indices  

¡  Topography  does  not  explain  LAI  sufficiently  

at  either  site  

¡  Other  factors  must  be  more  important   ¡  Biotic  factors  complicate  anticipated  effects  

of  topography  

¡  Time  of  data  collection  most  likely  matters  

 

§ 

Topography/LAI  correlations  using  airborne   LiDAR  can  allow  us  to  remotely  learn   something  about  environmental  controls   interesting  locations  for  further  field  work  

¡  This  would  be  an  efficient,  fast  way  to  find  

¡  Highlights  the  difficulties  of  predicting  

ecosystem  response  to  changing  resources  

¡  ¡  ¡  ¡  ¡ 

¡ 

¡  ¡ 

¡ 

Arge,  L.,  Chase,  J.  S.,  Halpin,  P.,  Toma,  L.,  Vitter,  J.  S.,  Urban,  D.,  &  Wickremesinghe,  R.  (2003).   Efficient  Flow  Computation  on  Massive  Grid  Terrain  Datasets,  283–313.   Banerjee,  S.,  He,  Y.,  Guo,  X.,  &  Si,  B.  C.  (2011).  Spatial  relationships  between  leaf  area  index  and   topographic  factors  in  a  semiarid  grassland :  Joint  multifractal  analysis,  5(6),  756–763.   Benowicz,  A.,  Guy,  R.  D.,  Creek,  L.,  &  Lake,  T.  (2000).  Geographic  pattern  of  genetic  variation  in   photosynthetic  capacity  and  growth  in  two  hardwood  species  from  British  Columbia,  168–174.   Chaplot,  V.  (2013).  Impact  of  terrain  attributes,  parent  material  and  soil  types  on  gully  erosion.   Geomorphology,  186,  1–11.  doi:10.1016/j.geomorph.2012.10.031   Richardson,  J.  J.,  Moskal,  L.  M.,  &  Kim,  S.-­‐H.  (2009).  Modeling  approaches  to  estimate  effective   leaf  area  index  from  aerial  discrete-­‐return  LIDAR.  Agricultural  and  Forest  Meteorology,  149(6-­‐7),   1152–1160.  doi:10.1016/j.agrformet.2009.02.007   Sánchez-­‐Gómez,  D.,  Robson,  T.  M.,  Gascó,  A.,  Gil-­‐Pelegrín,  E.,  &  Aranda,  I.  (2013).  Differences  in   the  leaf  functional  traits  of  six  beech  (Fagus  sylvatica  L.)  populations  are  reflected  in  their   response  to  water  limitation.  Environmental  and  Experimental  Botany,  87,  110–119.  doi:10.1016/ j.envexpbot.2012.09.011   Sulebak,  J.R.  et  al.  (2013).  ESTIMATION  OF  AREAL  SOIL  MOISTURE  BY  USE  OF  TERRAIN  DATA,   Swedish  Society  for  Anthropology  and  Geography,  82(1),  89–105.   Spadavecchia,  L.,  Williams,  M.,  Bell,  R.,  Stoy,  P.  C.,  Huntley,  B.,  &  Van  Wijk,  M.  T.  (2008).   Topographic  controls  on  the  leaf  area  index  and  plant  functional  type  of  a  tundra  ecosystem.   Journal  of  Ecology,  96(6),  1238–1251.  doi:10.1111/j.1365-­‐2745.2008.01424.x   Tang,  H.,  Dubayah,  R.,  Swatantran,  A.,  Hofton,  M.,  Sheldon,  S.,  Clark,  D.  B.,  &  Blair,  B.  (2012).   Retrieval  of  vertical  LAI  profiles  over  tropical  rain  forests  using  waveform  lidar  at  La  Selva,  Costa   Rica.  Remote  Sensing  of  Environment,  124,  242–250.  doi:10.1016/j.rse.2012.05.005  

¡  Dr.  Susan  Ustin   ¡  Shane  Grigsby   ¡  Aaron  Martinez  

¡  The  Land  Group   ¡  Emily  Schaller  

¡  Rick  Shetter   ¡  Everyone  who  made  SARP  possible!  

Sign up to vote on this title
UsefulNot useful