Estimation of forest parameters from airborne Lidar and RapidEye satellite imagery: a sensitivity analysis
Estimation de paramètres forestiers par Lidar aéroporté et imagerie satellitaire RapidEye : étude de sensibilité
Résumé
Regarding the accuracy of forest estimates from airborne laser scanning data, several important parameters have already been investigated separately, and in various forest contexts. Comparing the results in order to determine the optimal setting for the accuracy and cost of LiDAR-based inventories thus remains difficult. This article presents an assessment of the sensitivity of prediction accuracy with regards to ground truth data and to the use of spectral information from LiDAR intensity or RapidEye satellite imagery. With data fusion the error of basal area estimates is 16.5%, 23.7% for stem density and 11.7% for mean diameter. The size and diameter threshold of the forest plots greatly impact prediction accuracy.The position accuracy and sample number of forest plots are crucial points as they influence both prediction error and its estimation.
Les différents critères qui influencent la précision de la méthode surfacique d’estimation de paramètres forestiers à partir de données LiDAR ont été étudiés le plus souvent séparément et dans des contextes forestiers variés. Cela limite les possibilités de comparaison en vue de la détermination des critères prépondérants du point de vue de la précision et du coût de ce type d’inventaire. Cet article présente une évaluation de l’influence des caractéristiques des relevés de terrain sur la précision des modèles d’estimation, ainsi que de l’intérêt de l’utilisation de l’information spectrale LiDAR ou issue de fusion avec des données satellitaires RapidEye. L’erreur obtenue en combinant les données LiDAR et RapidEye est de 16,5% pour la surface terrière, 23,7% pour la densité de tiges et 11,7% pour le diamètre moyen. Le choix de la taille de la placette de terrain et du diamètre de recensement ont un impact important sur l’erreur d’estimation. La précision du géoréférencement et le nombre de placettes apparaissent comme cruciaux dans la mesure où ils influencent non seulement l’erreur d’estimation mais également la précision de son évaluation.