Generation of forest height and biomass maps of a boreal forest using remote sensing data form TanDEM-X, SRTM, Landsat and airborne laser scanning
Bibliographic record
Abstract
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).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".