Landsat-5 TM and Landsat-7 ETM+ based accuracy assessment of leaf area index products for Canada derived from SPOT-4 VEGETATION data

AbstractLeaf area index (LAI) is a fundamental land surface parameter. Recently, several agencies have produced 1 km gridded LAI estimates over Canada. These products are difficult to validate because of their coarse-resolution mapping units and large spatial extent. A Canada-wide sampling of Landsat-5 thematic mapper (TM) and Landsat-7 enhanced thematic mapper plus (ETM+) images was used to produce fine-resolution (30 m) LAI estimates using a uniform methodology traceable to in situ measurements. Residuals between coarse-scale LAI estimates based on data from the Satellite pour l'observation de la terre (SPOT) VEGETATION (VGT) sensor, and Landsat LAI estimates were quantified. Furthermore, a number of scaling treatments were performed on the Landsat scenes to isolate the relative contributions of land cover and reflectance scaling versus atmospheric correction and bidirectional distribution function (BRDF) normalization on coarse-scale LAI errors. Uncertainties because of atmospheric correction and acquisition geometry normalization were identified as the largest source of scene-wide bias errors. Scaling to 25 km resulted in a reduction of absolute and relative error on the order of 30%, suggesting only limited error reduction is achieved by aggregation. Scene average residuals between Landsat and VGT LAI on the order of ±1 LAI unit were observed. Larger residuals are noted over mountainous areas where shading and BRDF normalization are problematic and over agricultural regions where a vegetation index sensitive to atmospheric effects was used.L'indice de surface foliaire (leaf area index) est un paramètre fondamental de la surface terrestre. Récemment, plusieurs agences ont produit des estimations référencées de LAI d'une dimension de 1 km du Canada. Ces produits sont difficiles à valider en raison de leurs unités cartographiques à résolution grossière et de leur grande étendue spatiale. Un échantillonnage réalisé à la grandeur du Canada d'images TM de Landsat-5 et ETM+ de Landsat-7 a été utilizé pour produire des estimations de LAI à une résolution fine de 30 m utilizant une méthodologie uniforme basée sur des mesures in situ. On a quantifié les résiduels entre les estimations LAI à échelle grossière basées sur les données du capteur SPOT-VEGETATION (VGT) et les estimations LAI de Landsat. De plus, un certain nombre de traitements de mise à l'échelle ont été réalisés sur les scènes Landsat pour isoler les contributions relatives du couvert et de la mise à l'échelle de la réflectance versus la correction atmosphérique et la normalization BRDF sur les erreurs LAI à échelle grossière. Il a été possible de déterminer que les incertitudes liées à la correction atmosphérique et à la normalization de la géométrie d'acquisition constituaient la plus grande source d'erreur de biais à l'échelle de la scène entière. La mise à l'échelle de 25 km a résulté en une réduction d'erreur absolue et relative de l'ordre de 30 % laissant supposer que l'agrégation ne procure qu'une réduction limitée de l'erreur. Les résiduels moyens de scène observés entre les estimations Landsat et LAI VGT étaient de l'ordre de ±1 unité de LAI. Des résiduels plus grands sont observés dans les zones montagneuses où les ombrages et la normalization BRDF sont problématiques et dans les zones agricoles où un indice de végétation sensible aux effets atmosphériques a été utilizé.Traduit par la Rédaction