Continental-Scale Canopy Height Modeling by Integrating National, Spaceborne, and Airborne LiDAR Data

Abstract

Canopy height estimates are widely used in forest biomass and carbon assessment modeling applications with the goal of mitigating climate change through the modification of forest sustainability strategies. As a result, large-scale accurate estimates of contemporary forest conditions are required. The current study utilizes Random Forest (RF) algorithms to integrate land cover, vegetation, soil, and other supplementary data with Geoscience Laser Altimeter System (GLAS) data to predict a wall-to-wall canopy height model (CHM) across Australia. Multiple CHMs are predicted from RF models trained from unique permutations of 6 predictor variables. Each 250 m resolution CHM is independently validated against airborne laser scanning (ALS) heights from 18 countrywide sites; the best CHM yielding R² = 0.72, and RMSE = 7.43 m. The best countrywide CHM is compared against 2 similar products from the literature, both of which are subject to intersecting ALS performance assessment also. The developed CHM product utilizes up-to-date data, and is tailored to Australia, complementing the National Ecosystem Surveillance Monitoring project mandated to the Terrestrial Ecosystem Research Network (TERN) by the Australian Department of Environment. Furthermore, with future altimetry-based Earth observation missions due for launch, the developed CHM will act as a baseline from which monitoring investigations can be executed.

Résumé

Les estimations de la hauteur de la canopée sont largement utilisées dans les applications de modélisation de la biomasse forestière et de l’évaluation du carbone avec comme objectif d’atténuer les changements climatiques par la modification des stratégies de développement durable des forêts. En conséquence, des estimations précises et à grande échelle des conditions forestières actuelles sont nécessaires. L’étude actuelle utilise des algorithmes de forêts aléatoires (FA) pour intégrer la couverture terrestre, la végétation, le sol et d’autres données supplémentaires avec les données d’altimètre laser pour les géosciences « Geoscience Laser Altimeter System; GLAS » pour prédire un modèle de la hauteur de la canopée (MHC) « mur-à-mur » à travers l’Australie. Plusieurs MHCs sont prévus à partir de modèles FA qui sont développés à partir des permutations uniques de 6 variables prédictives. Chaque MHC de résolution de 250 m est validé de façon indépendante avec les hauteurs obtenues par balayage laser aéroporté « airborne laser scanning (ALS) » à partir de 18 sites à travers le pays; le meilleur modèle a donné un R² = 0,72 et une REQM = 7,43 m. Le meilleur MHC à l’échelle nationale est comparé à 2 produits similaires provenant de la littérature, qui sont tous deux également soumis aux évaluations de la performance de ALS. Le produit MHC développé utilise des données à jour, est adapté à l’Australie et est un complément au projet national pour la surveillance des écosystèmes (National Ecosystem Surveillance Monitoring Project) mandaté pour le réseau de recherche des écosystèmes terrestres (Terrestrial Ecosystem Research Network; TERN) par le Département de l’environnement de l’Australie. En outre, avec les futures missions d’observation de la Terre basées sur l’altimétrie qui sont prévues, le MHC développé servira de base à partir de laquelle les études de surveillance peuvent être exécutées.

ACKNOWLEDGEMENTS

ICESat/GLAS data were obtained from the National Snow and Ice Data Center (NSIDC, http://nsidc.org), and the interpolated SRTM-DEM version 4.1 data were obtained from the Consultative Group for International Agriculture Research - Consortium for Spatial Information (CGIAR-CSI, http://www.cgiar-csi.org). MODIS (MOD44B) Vegetation Continuous Fields (VCF) data were obtained from the Global Land Cover Facility (http://www.landcover.org). The National Vegetation Information System (NVIS) data were obtained from the Department of the Environment, Water, Population and Communities (DSEWPaC), Australian Government; NVIS is a collaborative effort of Australia's states and territories. All ALS data, and soils data were obtained through AusCover (http://www.auscover.org.au). AusCover is the remote sensing data products facility of the Terrestrial Ecosystem Research Network (TERN, http://www.tern.org.au). Special thanks to Airborne Research Australia (ARA) and Fugro Spatial Solutions for carrying out the airborne campaigns.