A cross-comparison of field, spectral, and lidar estimates of forest canopy cover

Abstract

A common challenge when comparing forest canopy cover and similar metrics across different ecosystems is that there are many field- and landscape-level measurement methods. This research conducts a cross-comparison and evaluation of forest canopy cover metrics produced using unmixing of reflective spectral satellite data, light detection and ranging (lidar) data, and data collected in the field with spherical densiometers. The coincident data were collected across a ~25 000 ha mixed conifer forest in northern Idaho. The primary objective is to evaluate whether the spectral and lidar canopy cover metrics are each statistically equivalent to the field-based metrics. The secondary objective is to evaluate whether the lidar data can elucidate the sources of error observed in the spectral-based canopy cover metrics. The statistical equivalence tests indicate that spectral and field data are not equivalent (slope region of equivalence = 43%). In contrast, the lidar and field data are within the acceptable error margin of most forest inventory assessments (slope region of equivalence = 13%). The results also show that in plots where the mean lidar plot heights are near zero, each of modeled remotely sensed estimates continues to report canopy cover >21% for lidar and >30% for all investigated spectral methods using near-infrared bands. This suggests these metrics are sensitive to the presence of herbaceous vegetation, shrubs, seedlings, saplings, and other subcanopy vegetation.

Un défi rencontré fréquemment en comparant les mesures du couvert forestier ou autres mesures semblables à travers différents écosystèmes vient du fait qu’il existe plusieurs méthodes de mesure sur le terrain ainsi qu’au niveau du paysage. Dans cette recherche, on compare et on évalue les mesures du couvert forestier réalisées à l’aide de trois approches différentes, c.-à-d. le démixage des données spectrales satellitaires, les données lidar (« light detection and ranging ») et l’acquisition de données sur le terrain avec des densitomètres sphériques. Des données simultanées ont été acquises sur l’ensemble d’une forêt mixte de conifères de ~25 000 ha dans le nord de l’Idaho. L’objectif premier est d’évaluer si les mesures du couvert à l’aide des données spectrales et lidar sont statistiquement équivalentes par rapport aux mesures sur le terrain. Le second objectif est d’évaluer si les données lidar peuvent élucider les sources d’erreur observées dans les mesures du couvert dérivées des mesures spectrales. Les tests d’équivalence statistique indiquent que les données spectrales et de terrain ne sont pas équivalentes (région d’équivalence de la pente = 43 %). Par contre, les données lidar et de terrain se situent à l’intérieur de la marge d’erreur acceptable de la plupart des évaluations d’inventaires forestiers (région d’équivalence de la pente = 13 %). Les résultats montrent également que, dans les parcelles où les hauteurs lidar moyennes sont près de zéro, chacune des estimations modélisées par télédétection continue de donner un couvert de >21 % pour le lidar et de >30 % pour toutes les méthodes spectrales analysées en utilisant les bandes du moyen infrarouge. Ceci laisse supposer que ces mesures sont sensibles à la présence de végétation herbacée, d’arbustes, de semis, de gaules ou d’autre végétation présente sous le couvert.[Traduit par la Rédaction]