Using field-based, photogrammetric point cloud, orthophoto and LiDAR-derived metrics to assess forest structure–snowpack relationships in the Great Lakes–St. Lawrence Forest region

Abstract

The efficacy of field-based, photogrammetric point cloud, orthophoto and light detection and ranging datasets to describe forest structure and resolve forest–snowpack relationships in a mixed forest region was evaluated over two years at the point and transect scales. Hemispheric photo-derived canopy metrics correlated well with remotely sensed metrics, but tree bole metrics were not effectively derived from remotely sensed data. Significant differences in melt rate and snow-free date were found across forest type at the transect scale. Field and remotely sensed estimates of canopy cover were highly correlated with melt rate and snow-free date at the point scale, which aligns with previous literature and understanding of snowmelt processes. However, significant correlations were only present during the 2016 study year, which was attributed to canopy-controlled solar radiation-driven melt in 2016 versus more spatially uniform turbulent flux-driven melt in 2017. Peak snow water equivalent metrics were not correlated well with canopy or tree height metrics, contrary to previous research. This was likely due to mid-winter melt events throughout both study years, where a mix of accumulation and melt processes confounded forest–snowpack relationships. This study demonstrates that widely available remotely sensed data with a broad coverage can be used to: (i) describe forest–snowpack relationships in mixed hardwood, coniferous forests and (ii) elucidate the variability of forest–snowpack relationships under different climate conditions in this environment.

RÉSUMÉ

L’efficacité des ensembles de données de détection et de télémétrie photogrammétriques de nuages de points, d’orthophotos et de lumière sur le terrain pour décrire la structure de la forêt et résoudre les relations forêt–manteau neigeux dans une région forestière mixte a été évaluée sur une période de deux ans à l’échelle du point et du transect. Les mesures de la canopée dérivées de la photo hémisphérique étaient bien corrélées avec les mesures de télédétection, mais les mesures des fûts d’arbres n’étaient pas efficacement dérivées des données de télédétection. Des différences significatives dans le taux de fonte et la date sans neige ont été observées selon le type de forêt à l’échelle du transect. Les estimations sur le terrain et par télédétection du couvert forestier étaient fortement corrélées avec le taux de fonte et la date sans neige à l’échelle du point, ce qui correspond à la littérature antérieure et à la compréhension des processus de fonte des neiges. Cependant, des corrélations significatives n’étaient présentes qu’au cours de l’année d’étude 2016, qui ont été attribuées à la fonte induite par le rayonnement solaire contrôlée par la canopée en 2016 par rapport à la fonte turbulente plus uniforme dans l’espace en 2017. Les mesures de l’équivalent en eau de la neige de pointe n’étaient pas bien corrélées avec les mesures de la canopée ou de la hauteur des arbres, contrairement aux recherches antérieures. Cela était probablement dû à des événements de fonte au milieu de l’hiver au cours des deux années d’étude, où un mélange de processus d’accumulation et de fonte a confondu les relations entre la forêt et le manteau neigeux. Cette étude démontre que les données de télédétection largement disponibles et largement couvertes peuvent être utilisées pour: (i) décrire les relations forêt–manteau neigeux dans les forêts mixtes de feuillus et de conifères et (ii) élucider la variabilité des relations forêt–manteau neigeux dans différentes conditions climatiques dans cet environnement.

Keywords:

• Snow water equivalent
• forest canopy
• LiDAR
• orthophoto
• photogrammetric point cloud

Acknowledgements

The authors gratefully acknowledge the assistance and support from Dr. Jamie Luce, James English, Wes Greenwood, Hayla Petzold, Max Debues, Steve Leney and Dr. Carly Armstrong. Their assistance in the field and numerous conversations helped shape the contents of this paper. The authors also thank Dr. Chris Derksen and Dr. Peter Lafleur for input on the manuscript and Ian Sinclair for providing access to LiDAR data.

Disclosure statement

The authors report that there are no competing interests to declare.

Data availability statement

Please contact the corresponding author to inquire about accessing data and materials.

Additional information

Funding

This work was partially supported by the Canada–Ontario Agreement Fund.