Spectral Mixture Analysis of Airborne Remote Sensing Imagery for Improved Prediction of Leaf Area Index in Mountainous Terrain, Kananaskis Alberta

RÉSUMÉ

Basé sur des applications reconnues d'analyse par démixage spectral dans des secteurs de terrain plat en zone de forêt boréale, nous étendons dans cet article l'application de cette méthode aux zones montagneuses avec comme objectif de recherche plus large de mettre au point une approche globale et à l'échelle régionale pour dériver l'information biophysique de la forêt par télédétection. L'analyse par démixage spectral (ADS) a été testée dans les Rocheuses canadiennes à l'aide d'images multispectrales aéroportées acquises par caméra vidéo à des altitudes de 500, 1000, 2000 et 4000 pieds. Les composantes spectrales homogènes des images à une résolution spatiale de 30 cm ont été utilisées dans des analyses de spectres mixtes de canopée éclairée par le soleil (peuplier faux-tremble, pin) et des composantes d'ombre à des résolutions spatiales plus grossières (50 cm, 1m, 2m). La validation des valeurs fractionnaires dérivées de l'ADS à des altitudes plus élevées a été réalisée en utilisant une image de classification de référence correspondant à l'altitude la plus basse pouvant représenter des fractions intra-pixels par rapport à des échelles plus grossières. Une bonne correspondance a été trouvée entre les fractions déduites des scènes et les évaluations quantitatives démontrant la faisabilité de l'utilisation des spectres de composantes spectrales homogènes dérivés des images à haute résolution spatiale. Suite à la validation, les fractions intra-pixels des spectres mixtes ont été testées par rapport au NDVI pour la prévision de l'indice foliaire tel que mesuré sur le terrain à l'aide d'un ceptomètre. Dans tous les cas, les fractions obtenues par démixage spectral ont fourni des résultats meilleurs comparativement au NDVI, avec un accroissement global moyen de r² de 0.20 (NDVI r²=0.46; ADS r²=0.66). Les résultats de l'analyse ADS étaient relativement cohérents pour les quatre résolutions spatiales des images et ont montré peu de variabilité à travers quatre différents niveaux de précision LAI. La valeur globale la plus élevée obtenue a été de r²=0.72, avec des erreurs attribuées aux pixels contenant trois espèces d'arbres qui différaient des attributs assignés aux parcelles forestières, un problème qui peut être résolu par la stratification a priori de scène tel que démontré dans nos travaux antérieurs en zone de forêt boréale. Dans le futur, des améliorations seront apportées à la méthode afin d'incorporer les corrections topographiques, un classificateur de type physique relié aux modèles géométriques de réflectance optique de la canopée et basé sur la théorie de l'évidence, et un traitement radiométrique mieux adapté pour faciliter l'utilisation combinée des intrants des composantes spectrales homogènes au sol, dérivées des images et modélisées dans le contexte d'études multirésolutions et multiplateformes d'inventaire forestier par télédétection.

SUMMARY

Building on successful applications of spectral mixture analysis in flat, boreal forest terrain, in this paper we extend this method to mountainous areas as part of a broader research objective to create a comprehensive, regional scale approach to remote estimation of forest biophysical information. Spectral mixture analysis (SMA) was tested in the Canadian Rockies using airborne multispectral video camera imagery acquired at altitudes of 500, 1000, 2000 and 4000 feet. Image endmembers at 30 cm spatial resolution were used in mixture analyses of sunlit canopy (aspen, pine) and shadow components at coarser spatial resolutions (50 cm, 1m, 2m). Scene fraction validation at higher altitudes was performed against a reference classification image derived at the lowest altitude interpreted to represent sub-pixel fractions at coarser scales. Good correspondence was found between scene fractions and quantitative assessments, which demonstrated the viability of using high spatial resolution image endmember spectra. Following validation, the sub-pixel scale mixture fractions were tested against NDVI for predicting leaf area index as measured in the field using a ceptometer. In all cases, spectral mixture fractions provided improved results compared to NDVI, with an average overall r² increase of 0.20 (NDVI r²=0.46; SMA r²=0.66). SMA results were relatively consistent over all four image spatial resolutions, and showed little variability among four different levels of LAI precision. The highest overall value obtained was r²=0.72, with errors attributed to pixels containing tree species which differed from assigned forest plot labels, a problem which can be solved by a priori scene stratification following our earlier work in boreal terrain. Future work will incorporate topographic corrections, a physically based evidential classifier linked to canopy geometric optical reflectance models, and improved radiometric processing to facilitate combined use of ground, image and modelled endmember inputs linked to multi-resolution, multi-platform remote sensing forest inventory studies.

Additional information

Notes on contributors

D.R. Peddle

•

Derek R. Peddle and Ryan L. Johnson are with the Department of Geography, University of Lethbridge, Lethbridge, Alberta, T1K3M4. WWW:http://home.uleth.ca/geo/derekp.htm

R.L. Johnson

•

Derek R. Peddle and Ryan L. Johnson are with the Department of Geography, University of Lethbridge, Lethbridge, Alberta, T1K3M4. WWW:http://home.uleth.ca/geo/derekp.htm