Modelling Deciduous Forest Ice Storm Damage Using Aerial CIR Imagery and Hemispheric Photography

Un présente une évaluation de la photographie aérienne infrarouge couleur à faible coût (IRC) et de la photographie hémisphérique comme outil pour l'évaluation des dommages structurels subis par le couvert forestier lors d'une tempête majeure de verglas. En janvier 1998, un vaste secteur de l'est du Canada et du nord-est des États-Unis a été affecté par une série de 5 tempêtes de verglas. Les dommages causés à la forêt dans le parc de la Gatineau, au Québec, ont été mesurés en août 1998 à l'aide de plusieurs variables structurelles représentatives des dommages observés ou susceptibles de changer dans le temps en réponse à l'intensité des dommages subis. Les mesures directes réalisées pour évaluer les dommages au niveau de l'arbre incluent le nombre de tiges et de branches de premier ordre et de deuxième ordre qui ont été brisées ainsi qu'un indice visuel de l'état de santé des arbres. Les mesures structurelles du couvert forestier susceptibles de varier en réaction aux dommages subis incluent l'indice foliaire effectif (LAIe) et la fermeture de la canopée mesurée à partir de photographies hémisphériques ainsi que la surface terrière. Des photographies aériennes IRC ont été acquises à la mi-août 1998 avec une caméra Vinten 70 mm utilisant le film Kodak 2443 IRC. Les photographies ont été scannées pour un espacement de pixels de 0,25 m et corrigées pour les effets bi-directionnels et d'atténuation de la lumière optique. L'utilisation des photographies hémisphériques s'est avérée une technique simple, facile à répéter et à coût modique pour dériver l'indice LAIe et la fermeture de la canopée quoique l'algorithme d'analyse sous-estime un peu le LAIe. Des mesures de régression multiple séquentielle des fractions spectrale, texturale et d'ombre des images ont donné des relations significatives (p < 0.05) pour le LAIe, la fermeture de la canopée, la surface terrière et l'indice de l'état de santé. Dans ces modèles, la texture de l'image et les fractions d'ombre ne sont pas généralement significatives; par contre, elles ont permis d'améliorer le niveau global de signification et la valeur de R2 en permettant de mettre de côté la variance non pertinente dans les autres variables prédicatives. Les modèles à variables multiples sont ainsi plus précis que les modèles à variable spectrale unique démontrant le potentiel de la texture et des fractions d'ombre à fournir une information additionnelle. Des relations plus faibles ont été trouvées dans le cas des modèles du nombre de branches et de tiges tombées.