Forest inventory height update through the integration of lidar data with segmented Landsat imagery

Estimates of stand height are an integral component of forest inventories. Lidar has been demonstrated as a tool for remotely sensing information on the vertical structure of forests, such as height. The ability to remotely sense height information for forest inventory purposes may allow for procedures such as update, audit, calibration, and validation. With current technologies, lidar data collection and processing are a resource-intensive undertaking. The ability to use a regression model to spatially extend a lidar survey from a sample to a larger area would act to decrease costs while allowing for the characterization of a larger area. In this study we address the ability to extend lidar estimates of height from sample flight lines to a greater area using segmented Landsat-5 thematic mapper (TM) data. Based upon empirical relationships between lidar-estimated height and within segment digital numbers, height is estimated for an entire landscape from a 0.48% sample. To conform to current polygon-based forest management practices, the within polygon segment-based height estimates are combined to create an updated height attribute for each polygon. The empirical relationships between lidar data and forest inventory polygon attributes (coefficient of determination (r2) = 0.23; standard error (SE) = 4.15) and within polygon spectral values (r2 = 0.26; SE = 4.06) indicated a need to develop more representative models. To this end, we developed a regression model to produce a relationship between quantile-based estimates of mean canopy top height for the segments with lidar hits (r2 = 0.61; SE = 3.15). This segment/height empirical relationship allowed us to extend the height estimates to polygons that have no lidar information using the image digital numbers. The segment/lidar estimates of height generally form a range centered on zero (no difference) to ±6 m of the ground measured height for over 80% of the available validation plots, with a r2 of 0.67 and a SE of 3.30 m. Les estimations de hauteur de peuplement constituent une partie intégrale des inventaires forestiers. Le lidar a démontré son utilité comme outil pour la télédétection d'information sur la structure verticale des forêts comme la hauteur. La capacité de détecter à distance une information sur la hauteur dans le contexte des inventaires forestiers peut permettre la mise au point de procédures comme la mise à jour, l'évaluation, l'étalonnage et la validation. Avec les technologies actuelles, l'acquisition et le traitement des données lidar constituent une tâche considérable en termes de ressources. La possibilité d'utiliser un modèle de régression pour étendre spatialement un relevé lidar d'un échantillonnage donné en fonction d'une surface plus grande permet de diminuer les coûts tout en permettant la caractérisation d'une surface plus grande. Dans cette recherche, nous examinons la possibilité d'étendre les estimations de hauteur lidar acquises le long de lignes de vol échantillons en fonction d'une surface plus grande à l'aide de données Landsat-5 segmentées. Se basant sur les relations empiriques entre la hauteur estimée par lidar et les valeurs des comptes numériques à l'intérieur des segments, la hauteur est estimée pour un paysage en entier à partir d'un échantillonnage de 0,48 %. Conformément aux pratiques actuelles en matière de gestion forestière axées sur les polygones, les estimations de hauteur basées sur un segment à l'intérieur d'un polygone sont combinées pour créer un attribut de hauteur mis à jour pour chaque polygone. Les relations empiriques entre les données lidar et les attributs des polygones d'inventaire forestier (r2 = 0,23; écart type (ET) = 4,15) et les valeurs spectrales à l'intérieur des polygones (r2 = 0,26; ET = 4,06) ont mis en évidence le besoin de développer des modèles plus représentatifs. À cette fin, nous avons développé un modèle de régression pour produire une relation entre les estimations basées sur les quantiles de hauteur moyenne au sommet du couvert pour les segments avec les échos lidar (r2 = 0,61; ET = 3.15). Cette relation empirique segment/hauteur nous a permis d'étendre les estimations de hauteur aux polygones qui n'ont pas d'information lidar à l'aide des valeurs des comptes numériques de l'image. Les estimations de hauteur segment/lidar sont généralement regroupées autour du zéro (aucune différence) jusqu'à ±6 m de la hauteur mesurée au sol pour plus de 80 % des parcelles de validation disponibles, avec une valeur de r2 de 0,67 et de ET de 3,30 m.[Traduit par la Rédaction]