Impact of Tree Crown Transmittance on Surface Reflectance Retrieval in the Shade for High Spatial Resolution Imaging Spectroscopy: A Simulation Analysis Based on Tree Modeling Scenarios | Impact de la transmission de la couronne des arbres sur la récupération de la réflectance de surface dans l'ombre pour la spectroscopie d'imagerie à haute résolution spatiale : Une analyse de simulation basée sur des scénarios de modélisation des arbres
2021
Adeline, Karine, | Briottet, Xavier | Lefebvre, Sidonie | Rivière, Nicolas | Gastellu-Etchegorry, Jean-Philippe | Vinatier, Fabrice
إنجليزي. With the advancement of high spatial resolution imaging spectroscopy, an accurate surface reflectance retrieval is needed to derive relevant physical variables for land cover mapping, soil, and vegetation monitoring. One challenge is to deal with tree shadows using atmospheric correction models if the tree crown transmittance Tc is not properly taken into account. This requires knowledge of the complex radiation mechanisms that occur in tree crowns, which can be provided by coupling the physical modeling of canopy radiative transfer codes (here DART) and the 3D representations of trees. First in this study, a sensitivity analysis carried out on DART simulations with an empirical 3D tree model led to a statistical regression predicting Tc from the tree leaf area index (LAI) and the solar zenith angle with good performances (RMSE ≤ 4.3% and R2 ≥ 0.91 for LAI ≤ 4 m2.m−2). Secondly, more realistic 3D voxel-grid tree models derived from terrestrial LiDAR measurements over two trees were considered. The comparison of DART-simulated Tc from these models with the previous predicted Tc over 0.4–2.5 µm showed three main sources of inaccuracy quoted in order of importance: (1) the global tree geometry shape (mean bias up to 21.5%), (2) the transmittance fraction associated to multiple scattering, Tscat (maximum bias up to 13%), and (3) the degree of realism of the tree representation (mean bias up to 7.5%). Results showed that neglecting Tc leads to very inaccurate reflectance retrieval (mean bias > 0.04), particularly if the background reflectance is high, and in the near and shortwave infrared – NIR and SWIR – due to Tscat. The transmittance fraction associated to the non-intercepted transmitted light, Tdir, can reach up to 95% in the SWIR, and Tscat up to 20% in the NIR. Their spatial contributions computed in the tree shadow have a maximum dispersion of 27% and 8% respectively. Investigating how to approximate Tdir and Tscat spectral and spatial variability along with the most appropriate tree 3D modeling is crucial to improve reflectance retrieval in tree shadows when using atmospheric correction models.
اظهر المزيد [+] اقل [-]فرنسي. Avec l'augmentation de l'imagerie spectroscopique à haute résolution spatiale, l'estimation précise de la réflectance de surface est nécessaire pour avoir accès à des variables physiques pertinentes pour la cartographie de la couverture terrestre, le suivi des sols et de la végétation. Un défi consiste à gérer les ombres des arbres si la transmission de leur couronne T_c n'est pas correctement prise en compte. Cela nécessite la connaissance des mécanismes complexes de propagation du rayonnement qui interviennent dans la couronne des arbres, qui peuvent être fournis en couplant la modélisation physique de codes de transfert radiatif de la végétation (ici DART) et des représentations 3D des arbres. Tout d'abord, une analyse de sensibilité réalisée sur des simulations DART avec un modèle 3D empirique d'arbre a conduit à une régression statistique prédisant T_c à partir de l'indice de surface foliaire (LAI) et de l'angle zénithal solaire avec de bonnes performances (RMSE ≤ 4,3% et R2 ≥ 0,91 pour LAI ≤ 4 m2.m-2). Deuxièmement, des modèles d'arbres 3D plus réalistes ont été dérivés des mesures terrestres LiDAR sur deux arbres: des modèles 3D d'arbres avec une représentation LiDAR, discrète à base de voxels et géométrique. La comparaison de T_c DART simulé à partir de ces modèles avec le précédent prédit entre 0,4 et 2,5 µm a montré trois principales sources d'inexactitude: 1) la géométrie globale de l'arbre (biais moyen jusqu'à 21,5%), 2) la fraction de la transmittance provenant de diffusions multiples, T_scat (biais maximal jusqu'à 13%), et 3) le réalisme de la représentation de l'arbre (biais moyen jusqu'à 7,5%). Les résultats ont montré que négliger T_c induisait une estimation de la réflectance très imprécise (biais moyen > 0,04), en particulier lorsque la réflectance du sol est élevée, et dans le proche infrarouge - NIR et SWIR - en raison de T_scat. La fraction de transmittance provenant de la lumière transmise non interceptée, T_dir, peut atteindre jusqu'à 95% dans le SWIR, et T_scat jusqu'à 20% dans le NIR. Leurs distributions spatiales dans l'ombre de l'arbre ont une dispersion maximale de 27% et 8% respectivement. Il est essentiel d'étudier comment approximer la variabilité spectrale et spatiale de T_dir et T_scat, ainsi que la modélisation 3D d'arbre la plus appropriée pour améliorer l'estimation de la réflectance dans les ombres des arbres, y compris entre autres, pour les méthodes de correction atmosphérique.
اظهر المزيد [+] اقل [-]الكلمات المفتاحية الخاصة بالمكنز الزراعي (أجروفوك)
المعلومات البيبليوغرافية
تم تزويد هذا السجل من قبل Institut national de la recherche agronomique