Modeling the influence of leaf demography on remotely sensed data using DART and PROSPECT-D
Modélisation de l'influence de la démographie foliaire sur les données de télédétection par DART et PROSPECT-D
Résumé
The seasonality of Amazon forest productivity and photosynthetic activity has recently been investigated under a new perspective by a series of publications. The debate about possible factors explaining this seasonality is vivid, and the possibility of several hypotheses has been tested, including canopy phenology and leaf demography, and changes in illumination geometry combined with the complex 3D structure of the canopy. A manifold of measurements and techniques have been used to test these hypotheses, including field observations of leaf demography from ground measured litterfall and phenocam, airborne and satellite remote sensing and 3 dimensional radiative transfer modeling. Our study explores the relative influence of leaf demography and illumination geometry on remotely sensed data. To achieve this, we take advantage of the latest advances in the domain of physical modeling at both leaf and canopy scale. The leaf optical properties model PROSPECT-D was used to model leaf optical properties at various growth stages based on field observations and theoretical leaf biochemical composition during its development and senescence. The 3-dimensional radiative transfer model DART was used to simulate various levels of complexity of canopy covers, from a turbid layer to complex canopy derived from airborne LiDAR acquisitions. Data for leaf demography and ontogeny taken from recent publications was used and integrated into canopy simulations corresponding to year-long observations. Data acquisitions were performed in the frame of the HyperTropik project (funded by CNES) and our results focus on analyzing the influence of separated and combined factors on various spectral attributes, including Enhanced vegetation index and hyperspectral metrics.
La saisonnalité de la productivité et l'activité photosynthétique de la forêt amazonienne ont récemment été étudiées sous une nouvelle perspective par une série de publications. Le débat sur les facteurs possibles expliquant cette saisonnalité est ouvert, et la possibilité de plusieurs hypothèses a été testée, y compris la phénologie de la canopée et la démographie foliaire, et les changements de la géométrie d'éclairage combinée avec la structure 3D complexe de la canopée. Une multiplicité de mesures et de techniques ont été utilisées pour tester ces hypothèses, y compris les observations sur le terrain de la démographie foliaire de la chute de litière mesurée au sol et du phénocam, de la télédétection aéroportée et satellite et de la modélisation par transfert radiatif en trois dimensions. Notre étude explore l'influence relative de la démographie foliaire et de la géométrie de l'éclairage sur les données de télédétection. Pour ce faire, nous tirons parti des dernières avancées dans le domaine de la modélisation physique à la fois à l'échelle des feuilles et de la canopée. Le modèle de propriétés optiques des feuilles PROSPECT-D a été utilisé pour modéliser les propriétés optiques des feuilles à différents stades de croissance sur la base d'observations sur le terrain et de la composition biochimique théorique des feuilles pendant son développement et sa sénescence. Le modèle de transfert radiatif en trois dimensions DART a été utilisé pour simuler divers niveaux de complexité des couvertures de la canopée, d’une couche turbide à une représentation complexe dérivée d’acquisitions LiDAR. Les données sur la démographie foliaire et sur l'ontogenèse prises à partir de publications récentes ont été utilisées et intégrées dans des simulations de couvertures correspondant à des observations d'une année. Les acquisitions de données ont été effectuées dans le cadre du projet HyperTropik (financé par le CNES) et nos résultats se concentrent sur l'analyse de l'influence de facteurs séparés et combinés sur divers attributs spectraux, y compris l'indice de végétation amélioré EVI et les mesures hyperspectrales.