A comparison of spatialisation methods for the aggregation of LiDAR forest estimates at the compartment level | Comparaison de méthodes de spatialisation pour l'agrégation par parcelle des estimations de paramètres forestiers par LiDAR aéroporté

[Departement_IRSTEA]Territoires [TR1_IRSTEA]SEDYVIN

National audience

إنجليزي. While the use of field plots and airborne LiDAR data for the estimation of forest parameters has been intensively investigated in the past ten years, the issue of the evaluation of their accuracy at the compartment level (surface of a few hectares)remains poorly documented. Based on a full-calliper inventory of 35 compartments representing 380 ha, the present study compares different strategies for the mapping of LiDAR predictions and their aggregation by compartment. Results show that the prediction error decreases between estimations at the plot and those at the compartment levels : from 15 to 6.4%for basal area, 26 to 7.7% for stem density and 6.5 to 3.4% for mean diameter. At the compartment level, a LiDAR-based inventory thus displays an accuracy similar to a full-calliper inventory, for basal area. For the mapping step, it is crucial to respect the size of field plots used for calibration, whereas for the aggregation step the handling of compartment borders remains tricky for all forest parameters.

فرنسي. Alors que les méthodes de modélisation des paramètres forestiers à partir de placettes de terrain et de données LiDAR aéroporté ont fait l’objet de nombreuses publications dans la dernière décennie, la question de leur utilisation et de leur évaluation à l’échelle de la parcelle forestière (surface de l’ordre de quelques hectares) reste peu documentée. La présente étude s’appuie sur un jeu de donnée d’inventaire en plein de 35 parcelles forestières sur 380 ha pour comparer différentes stratégies de spatialisation lors de l’application des modèles et d’agrégation des estimations de paramètres forestiers par parcelle. Les résultats montrent une diminution des erreurs entre les estimations à l’échelle de la placette et celles à l’échelle de la parcelle de 15 à 6.4% pour la surface terrière, de 26 à 7.7% pour la densité de tiges et de 6.5 à 3.4% pour le diamètre. À l’échelle de la parcelle, la précision de l’inventaire basé sur les données LiDAR se révèle similaire à celle d’un inventaire en plein, pour la surface terrière. Pour la spatialisation lors de l’application des modèles, le plus important est de respecter la taille des placettes de calibration terrain, alors que pour l’agrégation par parcelle le traitement des bordures reste délicat quel que soit le paramètre forestier.