MétaCan
Menu
Retour à la cohorte
Enregistrement W2788876613

Generation of forest height and biomass maps of a boreal forest using remote sensing data form TanDEM-X, SRTM, Landsat and airborne laser scanning

2017· article· en· W2788876613 sur OpenAlexfundno aff
Yaser Sadeghi

Notice bibliographique

RevueArchipelago (Université du Québec à Montréal) · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversité du Québec à MontréalDeutsches Zentrum für Luft- und RaumfahrtNational Aeronautics and Space AdministrationUniversity of LethbridgeJet Propulsion Laboratory
Mots-clésForestryGeographyRemote sensingGeologyEnvironmental science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Malgré des efforts de recherche considérables consacrés à estimer la biomasse forestière sur de vastes zones, une incertitude significative demeure dans les quantités de biomasse et de carbone piégé dans les forêts de la Terre. Dans cette thèse, nous présentons premièrement des arguments pour préconiser une approche de prédiction de la biomasse à partir de la hauteur de la forêt, plutôt qu'à partir de la réflectance, et nous proposons une logique qui mène à considérer que l'interférométrie radar (InSAR) spatiale réalisée en une passe est l'une des meilleures approches de cartographie de la hauteur de la forêt à l'échelle planétaire. Pour cette raison, nous avons utilisé les données des deux seules missions InSAR planétaires à une passe, TanDEM-X et SRTM (Shuttle Radar Topographic Mission). TanDEM-X, la première et la seule mission interférométrique globale en bande X, fut amorcée en 2010 et a généré un modèle numérique d'altitude (MNA) planétaire à haute résolution. À travers une comparaison détaillée à des données concomitantes de balayage laser aéroporté (BLA), nous avons d'abord démontré que ce MNA est en fait un modèle numérique de surface (MNS). En soustrayant de ce MNS un modèle numérique de terrain (MNT) obtenu par BLA, nous avons pu générer un modèle de hauteur de couvert (MHC). La résolution et l'exactitude de ce MHC InSAR-BLA ont été évaluées à des résolutions allant de 5 m à 25 m, et à l'échelle du peuplement forestier. Il fut constaté que ce type de MHC a une résolution inhérente plus grossière que celle d'un MHC correspondant créé par BLA. Son exactitude variait de 2.7 m (EMQ) à 5 m de résolution, jusqu'à 1.5 m à l'échelle du peuplement. Étant donné que les MNS de TanDEM-X sont générés à travers le monde selon des configurations et en des saisons différentes, nous suspections que cette variabilité dans les conditions d'acquisition pourrait affecter l'exactitude des MNS de TanDEM-X. Nous avons testé cette hypothèse en évaluant l'exactitude de cinq jeux de données TanDEM-X acquis selon des différentes conditions géométrique et phénologique pour une forêt boréale en majeure partie sempervirente. Les résultats montrent des biais allant de 0.77 m à 1.56 m comparativement à des données de BLA, des r2 allant de 0.68 à 0.38, et des EMQ allant de 2.06 m à 3.67 m. Parmi ces cinq jeux de données TanDEM-X, deux qui furent acquis dans des conditions quasi identiques différaient par 1.27 m (EMQ), alors que l'effet le plus prononcé provenait d'une large différence de ligne de base interférométrique, menant à une EMQ de 3.27 m entre les DSM générés respectivement avec une courte et longue ligne de base interférométrique. L'effet des changements phénologiques sur les estimations de la hauteur forestière était plus faible que ceux résultant des différences de lignes de base, avec une EMQ de 2.30 m entre les jeux de données acquis sans, et avec feuilles (dans le cas des arbres décidus). Ces résultats indiquent que, malgré des variations dans les conditions d'acquisition, une mosaïque TanDEM-X continue acquise avec des lignes de base appropriées pourrait servir à produire des estimations fiables et suffisamment homogènes des altitudes des surfaces des couverts forestiers dans le cas des forêts boréales fermées sempervirentes. Finalement, nous désirions proposer une solution de télédétection pour créer des MHC qui ne dépendrait pas de données de BLA, mais qui serait plutôt entièrement fondée sur des données acquises par des capteurs satellitaires. Pour cela, nous avons utilisé une méthode de correction des MNA SRTM (acquis en bande C) permettant d'en faire des quasi-MNT. Un MHC InSAR a ensuite été produit par soustraction de ce MNT du MNS TanDEM-X, ce qui a résulté en une EMQ de 2.45 m, un r2 de 0.43 et un biais de 0.07 m, lorsque comparé aux hauteurs obtenues par BLA à l'échelle du peuplement. Ensuite, un modèle de prédiction de la biomasse basé sur ce MHC ainsi que sur des indices de végétation fut développé. La biomasse forestière a pu ainsi être cartographiée complètement depuis l'espace avec une EMQ de 26 Mg ha-1, et un r2 de 0.62, comparativement à une carte très exacte de la biomasse à l'échelle du peuplement réalisée par BLA. Dans un avenir rapproché, les données SRTM pourraient être remplacées par celles d'une mission en bande L, TanDEM-L, ce qui mènerait à des MNT et MHC améliorés, et ainsi, à de meilleures cartes de biomasse forestière. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : TanDEM-X, modèle de hauteur de couvert (MHC), biomasse, radar interférométrique (InSAR), balayage lidar aéroporté (BLA).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,211
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchipelago (Université du Québec à Montréal)Même sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207