Automated Forest Harvest Detection With a Normalized PlanetScope Imagery Time Series

Abstract

The advent of CubeSat constellations is revolutionizing the ability to observe Earth systems through time. The improved spatial and temporal resolutions from these data could assist in tracking forest harvesting by forest management companies or government organizations interested in monitoring the sustainable management of forest resources. However, differing characteristics of individual satellites in each constellation requires study into geometric and radiometric normalization of the imagery and tuning parameters for change detection algorithms. In this study, a method for the spatial and temporal detection of forest harvest operations using images from the PlanetScope constellation was developed and implemented for a managed forest in Ontario, Canada. Temporal smoothing was applied on Landsat-normalized PlanetScope values of the Normalized Differential Vegetation Index (NDVI), and change points were detected based on the first derivative of the NDVI trend. Detected changes were compared to known locations of harvesting machines. Results indicate that 80–90% of harvested areas were detected, with temporal errors of approximately 9–10 days for two sites. Overall, this study demonstrated that forest harvesting can be detected with relative accuracy, deriving previously unavailable levels of spatial and temporal detail and enhancing the ability of forest stakeholders to monitor the sustainable use of forest resources.

Résumé

L'arrivée des constellations de CubeSat révolutionne la capacité d‘observer les écosystèmes terrestres dans le temps. Les résolutions spatiales et temporelles améliorées de ces données pourraient aider à suivre l‘exploitation des forêts par les entreprises de gestion forestière ou les organisations gouvernementales intéressées par le suivi de la gestion durable des ressources forestières. Cependant, les différentes caractéristiques de chacun des satellites de chaque constellation nécessitent une étude de la normalisation géométrique et radiométrique de l‘imagerie et des paramètres de réglage des algorithmes de détection des changements. Dans cette étude, une méthode de détection spatiale et temporelle des opérations de récolte forestière utilisant des images de la constellation PlanetScope a été développée et mise en oeuvre pour une forêt aménagée en Ontario, Canada. Un lissage temporel a été appliqué aux valeurs PlanetScope normalisées par Landsat de l‘indice différentiel de végétation normalisé (NDVI), et les points de changement ont été détectés sur la base de la dérivée première de la tendance du NDVI. Les changements détectés ont été comparés aux emplacements connus des équipements de récolte. Les résultats indiquent que 80 à 90% des zones exploitées ont été détectées, avec des erreurs temporelles d‘environ 9 à 10 jours pour deux sites. Cette étude a démontré que l‘exploitation forestière peut être détectée avec une précision relative, permettant d‘obtenir des niveaux de détails spatiaux et temporels jusqu’alors inatteignables et d‘améliorer la capacité des parties prenantes à surveiller l‘utilisation durable des ressources forestières.

Acknowledgements

This analysis was conducted at UBC, which is located on the traditional, ancestral, and unceded land of the xʷməθkʷəy̓əm (Musqueam) people. We thank GreenFirst Forest Products for provision of the forest tractor head GNSS data and enthusiasm for this project, which drove this analysis. Additionally, we thank the anonymous reviewers whose feedback helped to improve and clarify this manuscript.

Disclosure statement

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

Additional information

Funding

Components of this research were funded by a NSERC Alliance project Silva21 NSERC ALLRP 556265 − 20, grantee Prof. Alexis Achim and a NSERC Discovery Grant to Coops. This research was partially supported by Natural Resources Canada and the Canadian Wood Fibre Centre through the Forest Innovation Program.