Integration of GLAS and Landsat TM data for aboveground biomass estimation

Abstract

Current regional aboveground biomass estimation techniques, such as those that require extensive fieldwork or airborne light detection and ranging (lidar) data for validation, are time and cost intensive. The use of freely available satellite-based data for carbon stock estimation mitigates both the cost and the spatial limitations of field-based techniques. Spaceborne lidar data have been demonstrated as useful for aboveground biomass (AGBM) estimation over a wide range of biomass values and forest types. However, the application of these data is limited because of their spatially discrete nature. Spaceborne multispectral sensors have been used extensively to estimate AGBM, but these methods have been demonstrated as inappropriate for forest structure characterization in high-biomass mature forests. This study uses an integration of ICESat Geospatial Laser Altimeter System (GLAS) lidar and Landsat data to develop methods to estimate AGBM in an area of south-central British Columbia, Canada. We compare estimates with a reliable AGBM map of the area derived from high-resolution airborne lidar data to assess the accuracy of satellite-based AGBM estimates. Further, we use the airborne lidar dataset in combination with forest inventory data to explore the relationship between model error and canopy height, AGBM, stand age, canopy rugosity, mean diameter at breast height (DBH), canopy cover, terrain slope, and dominant species type. GLAS AGBM models were shown to reliably estimate AGBM (R² = 0.77) over a range of biomass conditions. A partial least squares AGBM model using Landsat input data to estimate AGBM (derived from GLAS) had an R² of 0.60 and was found to underestimate AGBM by an average of 26 Mg/ha per pixel when applied to areas outside of the GLAS transect. This study demonstrates that Landsat and GLAS data integration are most useful for forests with less than 120 Mg/ha of AGBM, less than 60 years of age, and less than 60% canopy cover. These techniques have high associated error when applied to areas with greater than 200 Mg/ha of AGBM.

Les techniques actuelles d'estimation de la biomasse aérienne à l'échelle régionale, telles que celles qui requièrent beaucoup de travail de terrain ou des données lidar (« light detection and ranging ») aéroportées pour validation, sont onéreuses en termes de temps et de coûts. L'utilisation de données satellite disponibles gratuitement pour l'estimation des stocks de carbone permet de pallier les coûts et les limitations spatiales liés aux techniques basées sur les campagnes de terrain. L'utilité des données satellite lidar a été démontrée pour l'estimation de la biomasse aérienne (AGBM) et ce pour une grande variété de valeurs de biomasse et de types de forêts. Toutefois, l'application de ces données est limitée en raison de la nature spatialement discrète de ces dernières. Les capteurs satellitaires multispectraux ont été utilisés largement pour estimer l'AGBM, mais ces méthodes se sont avérées inappropriées pour la caractérisation de la structure de la forêt dans les forêts de forte biomasse et matures. La présente étude utilise une intégration des données du système GLAS (« Geospatial Laser Altimeter System ») de ICESAT ainsi que des données lidar et de Landsat pour développer des méthodes pour l'estimation de l'AGBM dans un secteur du centre sud de la Colombie-britannique, au Canada. On compare ces estimations par rapport à une carte fiable de l'AGBM pour la zone dérivée des données lidar aéroportées à haute résolution afin d'évaluer la précision des estimations de l'AGBM basées sur les données satellite. De plus, on utilise l'ensemble de données lidar aéroportées en combinaison avec des données d'inventaire forestier pour documenter la relation entre l'erreur liée au modèle et la hauteur du couvert, l'AGBM, l'âge du peuplement, la rugosité du couvert, le DHP moyen, la nature du couvert, la pente du terrain et le type d'espèces dominantes. Les modèles d'AGBM de GLAS ont démontré leur fiabilité dans l'estimation de l'AGBM (R² = 0,77) dans une variété de conditions de biomasse. Un modèle des moindres carrés partiels de l'AGBM utilisant comme données d'entrée des données de Landsat pour estimer l'AGBM (dérivée de GLAS) affichait un R² de 0,60 et on a pu observer qu'il sous-estime l'AGBM par en moyenne 26 Mg/ha par pixel lorsqu'on l'applique dans des zones à l'extérieur du transect de GLAS. Cette étude a démontré que l'intégration des données de Landsat et de GLAS est très utile pour les forêts ayant moins de 120 Mg/ha d'AGBM, moins de soixante ans d'âge et moins de 60 % de couvert. Ces techniques présentent des erreurs associées élevées lorsque appliquées dans des zones avec plus de 200 Mg/ha d'AGBM.[Traduit par la Rédaction]