Landsat TM Derived Forest Covertypes for Modelling Net Primary Production

RÉSUMÉ

Les modèles régionaux actuels de production primaire nette (PPN) requièrent des estimations précises de la surface foliaire du couvert et des classifications précises des couverts forestiers. Ces deux intrants aux modèles peuvent être difficiles ou impossibles à extraire à partir de bases de données SIG mais peuvent être obtenus par télédétection. Dans le cas des couverts forestiers, une base de données SIG d'inventaire forestier type contiendra généralement, sur une base polygonale ou au niveau du peuplement, certaines informations comme par exemple, la description des espèces dominantes-codominantes. La structure polygonale est généralement déduite par photointerprétation aérienne et permet d'organiser le paysage en fonction de plusieurs activités de gestion, telles que la coupe d'arbres ou les opérations sylvicoles. Toutefois, cette structure polygonale peut s'avérer moins utile pour d'autres applications telles que l'estimation de la croissance forestière, notamment dans le cas des petites surfaces et des sous-ensembles d'unités de gestion, à cause de la grande variance locale (dans les espèces ou dans les valeurs de LAI, par exemple) qui peut être intégrée à l'intérieur de chaque polygone. Les méthodes de télédétection peuvent être utilisées pour déterminer la variabilité de la composition des espèces dans les peuplements à l'intérieur de chaque polygone du SIG. Cette information sur le type de couvert peut être utilisée pour améliorer les estimations des paramètres forestiers tels que l'indice foliaire, la biomasse ligneuse, le rendement de conversion du PAR et la respiration du peuplement, mesures qui sont requises pour l'élaboration des modèles d'écosystème et pour les estimations de la croissance. Dans cette étude, des images Landsat TM de la forêt modèle de Fundy, située au sud-est du Nouveau-Brunswick, sont classifiées pour déterminer les types de couvert forestier et la variabilité du couvert à l'intérieur de 128 peuplements composés de feuillus, de conifères et de forêt mixte faisant partie de l'inventaire forestier SIG. Des études précédentes ont permis d'améliorer les estimations de valeurs LAI de peuplements dérivées d'images Landsat TM dans le contexte des données d'inventaire forestier contenues dans la base SIG. Dans le cas présent, on présente une procédure inverse dans laquelle on ajoute au polygone SIG un niveau d'information sur la classification d'images. La classification des images TM permet d'améliorer les estimations (jusqu'à 25%) des valeurs PPN de peuplement obtenues par modélisation au plan de la variabilité du couvert forestier et ces résultats pourraient éventuellement être utilisés pour identifier des peuplements en vue de l'application de traitements particuliers.

SUMMARY

Current regional models of net primary production (NPP) require precise estimation of forest leaf area and accurate classification of forest covertype. These two model inputs may be difficult or impossible to extract from GIS databases but can be obtained by remote sensing. In the case of forest covertypes, a typical GIS forest inventory database usually will contain information, such as dominant-codominant species descriptions, on a polygonal – or stand – basis. The polygonal structure is usually derived from aerial photointerpretation work, and is suitable for organizing the landscape for many management activities, such as forest harvesting or silviculture operations. However, this polygonal structure may not be as useful in other applications, such as estimating forest growth, especially for small areas and subsets of management units, because of the large local variance (in species or LAI, for example) that can be subsumed within each polygon. Remote sensing methods may be used to determine the variability of the stand species description within each GIS polygon, and this covertype information may be used to improve estimates of forest parameters, such as leaf area index, woody biomass, PAR conversion efficiency and stand respiration, required for ecosystem models and for growth estimation. In this study Landsat TM imagery are classified in the Fundy Model Forest of southeastern New Brunswick to determine forest covertypes and covertype variability within 128 deciduous, coniferous and mixedwood stands which are part of the GIS forest inventory. In earlier work the prediction of stand LAI from Landsat TM imagery was improved with reference to forest inventory information contained in a GIS database; here, an inverse procedure is presented in which the GIS polygon label is augmented with image classification information. The estimates of stand NPP obtained through modelling are improved (by as much as 25%) with reference to the variability of forest covertype from the classification of TM imagery, and the results could be used to identify stands for different management treatments.

Additional information

Notes on contributors

S. E. Franklin

•

S. E. Franklin and M. J. Deuling are with the Department of Geography, The University of Calgary, Calgary, AB T2N 1N4

M. B. Lavigne

•

M. B. Lavigne is with the Canadian Forest Service, Natural Resources Canada, Fredericton, NB E3B 5P7

M. J. Deuling

•

S. E. Franklin and M. J. Deuling are with the Department of Geography, The University of Calgary, Calgary, AB T2N 1N4

M. A. Wulder

•

M. A. Wulder is with the Department of Geography, University of Waterloo, Waterloo, ON N2L 3G1

E. R. Hunt

•

E. R. Hunt, Jr. is with the Department of Botany, University of Wyoming, Laramie, WY 82071–3165