Mapping Dominant Boreal Tree Species Groups by Combining Area-Based and Individual Tree Crown LiDAR Metrics with Sentinel-2 Data

Abstract

Airborne light detection and ranging (LiDAR) data are increasingly used to inform sustainable forest management practices. Information about species composition is needed for a range of applications; however, commonly used area-based summaries of LiDAR data are limited to accurately differentiate tree species. The objective of this study was to map dominant species groups across a large (>580,000 ha) boreal forest by combining area-based and individual tree metrics derived from single photon LiDAR data with multispectral information derived from Sentinel-2 imagery. Classification of the forest into jack pine (Pinus banksiana), black spruce (Picea mariana), mixed conifer, mixedwood, and hardwood species groups resulted in an overall accuracy of 67.8% compared with field data. A more generalized classification into softwood, hardwood, and mixedwood had an overall accuracy of 83.2%. The reflectance in the red edge region of the electromagnetic spectrum (λ = 740 nm), the area and volume of tree crowns, and the cumulative distribution of LiDAR returns in the canopy were particularly important variables to discriminate between species groups. Wall-to-wall predictions of species groups based on remotely sensed data—as derived herein—could provide a spatially-detailed alternative to stand-level species composition information traditionally derived from photo-interpreted aerial imagery.

RÉSUMÉ

Les données de balayage laser aéroporté (LiDAR) sont de plus en plus utilisées pour soutenir la gestion durable des forêts. Connaître la composition des espèces d’arbres est nécessaire pour de multiples applications; cependant, des limites existent concernant l’utilisation de mesures régionales de données LiDAR pour différencier les espèces de manière précise. L’objectif de cette étude est de cartographier les espèces d’arbres dominantes à travers une grande (>580,000 ha) forêt boréale en combinant à la fois des mesures LiDAR régionales et à l’échelle de l’arbre avec des images satellites multispectrales prises par Sentinel-2. La classification de la forêt en pin gris (Pinus banksiana), épinette noire (Picea mariana), conifères mixtes, forêt mixte, et feuillus mixtes a résulté en une précision de 67.8% en comparaison avec des données de terrain. Une précision de 83.2% a également été obtenue avec une classification plus générale soit conifères, forêt mixte et feuillus. La réflectance dans la région du spectre électromagnétique correspondant au point d’inflexion du rouge (λ = 740 nm), la superficie et le volume des couronnes d’arbres et la distribution cumulative des points LiDAR dans les parties supérieures de la canopée étaient des variables particulièrement importantes pour différencier les espèces. La cartographie des espèces dominantes à partir de données de télédétection—telles qu’elles sont dérivées ici—pourrait être une alternative aux estimations à l’échelle du peuplement issues traditionnellement de la photo-interprétation d’imagerie aérienne.

Acknowledgments

We thank the Ontario Ministry of Natural Resources and Forestry for providing us with the LiDAR and field data used in this research.

Disclosure statement

No potential conflict of interest was reported by the author(s).

Additional information

Funding

This work was supported by the Forestry Futures Trust Ontario eFRI Accuracy Assessment and Change Update Approaches project under grant 18-2018; and the Natural Sciences and Engineering Research Council of Canada under grant CRDPJ 462973-14.