Development of Height-Volume Relationships in Second Growth Abies grandis for Use with Aerial LiDAR

Abstract

Following typical forest inventory protocols, individual tree volume estimates are generally derived via diameter-at-breast-height (DBH)-based allometry. Although effective, measurement of DBH is time consuming and potentially a costly element in forest inventories. The capacity of airborne light detection and ranging (LiDAR) to provide individual tree-level information poses options for estimating tree-level attributes to enhance the information content of forest inventories. LiDAR provides excellent height measurements and, given the physiologic scaling connection of plant height and volume, using individual tree height-volume relationships could overcome errors associated with the intermediate step of inferring DBH from LiDAR. In this study, 60 Abies grandis (grand fir: 6 cm–64 cm DBH) were destructively sampled to assess stem volume across the Intermountain West in order to develop individual tree height-to-stem volume relationships. Results show DBH (r² > 0.98) and height (r² > 0.94) are significantly (p < 0.001) related to stem volume via power relationships. LiDAR-derived heights provided a 12 % RMSE improvement in accuracy of individual tree volume over LiDAR-regressed DBH estimates. Comparing height-based estimates with an existing regional allometry by mapping stem volume in a grand fir-dominated stand yielded a 6.3 % difference in total volume. This study demonstrates LiDAR's potential to estimate individual stem volume at forest management scales, utilizing height-volume relationships.

Résumé

D’après les protocoles d'inventaire forestier typiques, les estimations des volumes individuels des arbres sont généralement dérivées de l’allométrie basée sur le diamètre à hauteur de poitrine diameter-at-breast-height (DBH). Bien qu'efficace, la mesure du DBH demande beaucoup de temps et est potentiellement couteuse dans les inventaires forestiers. La capacité du LiDAR à fournir des informations à l’échelle de l’arbre individuel offre des options pour l’estimation des attributs à l’échelle de l’arbre pour améliorer le contenu d'information des inventaires. Le LiDAR offre d'excellentes mesures de hauteur et, étant donné les relations physiologiques entre la hauteur et le volume des arbres, l’utilisation des relations hauteur-volume pour chaque arbre pourrait surmonter les erreurs associées à l'étape intermédiaire d’inférer DBH à partir du LiDAR. Dans cette étude, 60 Abies grandis (sapin géant: 6 cm–64 cm DBH) ont été échantillonnés de façon destructive pour évaluer le volume des tiges à travers l’Intermountain West pour développer des relations entre la hauteur des arbres individuels et le volume des tiges. Les résultats montrent que le DBH (r² > 0,98) et la hauteur (r² > 0,94) sont significativement (p < 0,001) liés au volume des tiges par des relations en loi de puissance. Les hauteurs dérivées par LiDAR ont fourni une amélioration de 12 % de la RMSE de la précision des volumes individuels des arbres par rapport aux estimations du DBH provenant de régressions à partir des données LiDAR. La comparaison des estimations basées sur la hauteur avec une allométrie régionale existante par la cartographie des volumes des tiges dans un peuplement dominé par des sapins géants a abouti à une différence de 6,3 % du volume total. Cette étude démontre le potentiel du LiDAR pour estimer le volume des tiges individuelles aux échelles appropriées pour la gestion forestière en utilisant des relations hauteur-volume.

ACKNOWLEDGMENTS

Funding for this research came from the Department of Energy Big Sky Carbon Sequestration Partnership, Agenda 2020, the USFS Rocky Mountain Research Station, Joint Venture Agreement 08-JV-11221633-159 between RMRS and the University of Idaho, National Aeronautics and Space Administration via grant NNX14AC26G. Additionally, support was provided by the Spokane Tribe of Indians, Inland Northwest Growth & Yield Cooperative, and the Joint Fire Sciences Program via grants 10-1-02-13, and 13-1-04-53.

Notes

1 IBM, New York.