Measuring individual tree crown diameter with lidar and assessing its influence on estimating forest volume and biomass

Abstract The main objective of this study was to develop reliable processing and analysis techniques to facilitate the use of small-footprint lidar data for estimating tree crown diameter by measuring individual trees identifiable on the three-dimensional lidar surface. In addition, the study explored the importance of the lidar-derived crown diameter for estimating tree volume and biomass. The lidar dataset was acquired over deciduous, coniferous, and mixed stands of varying age classes and settings typical of the southeastern United States. For identifying individual trees, lidar processing techniques used data fusion with multispectral optical data and local filtering with both square and circular windows of variable size. The crown diameter was calculated as the average of two values measured along two perpendicular directions from the location of each tree top by fitting a fourth-degree polynomial on both profiles. The lidar-derived tree measurements were used with regression models and cross-validation to estimate plot level field-measured crown diameter. Linear regression was also used to compare plot level tree volume and biomass estimation with and without lidar-derived crown diameter measures from individual trees. Results for estimating crown diameter were similar for both pines and deciduous trees, with R2 values of 0.62‐0.63 for the dominant trees (root mean square error (RMSE) 1.36 to 1.41 m). Lidar-measured crown diameter improved R2 values for volume and biomass estimation by up to 0.25 for both pines and deciduous plots (RMSE improved by up to 8 m3/ha for volume and 7 Mg/ha for biomass). For the pine plots, average crown diameter alone explained 78% of the variance associated with biomass (RMSE 31.28 Mg/ha) and 83% of the variance for volume (RMSE 47.90 m3/ha). L'objectif principal de cette étude était de développer des techniques fiables de traitement et d'analyse pour faciliter l'utilisation des données lidar à petite empreinte dans le contexte de l'estimation du diamètre de la couronne des arbres en mesurant les arbres individuels identifiables sur la surface lidar tri-dimensionnelle. De plus, l'étude a permis d'explorer l'importance du diamètre de la couronne dérivé du lidar dans l'estimation du volume et de la biomasse des arbres. L'ensemble de données lidar a été acquis au-dessus de peuplements de feuillus, de conifères et de forêt mixte de classes d'âge et de milieux variables typiques du sud-est des États-Unis. Pour l'identification des arbres individuels, les techniques de traitement lidar ont fait appel à la fusion des données impliquant des données optiques multispectrales et le filtrage local avec des fenêtres carrées et circulaires de dimension variable. Le diamètre de la couronne a été calculé comme étant la moyenne de deux valeurs mesurées le long de deux directions perpendiculaires à partir de la localisation de chaque sommet d'arbre en ajustant un polynôme du quatrième degré sur les deux profils. Les mesures d'arbres dérivées du lidar ont été utilisées avec des modèles de régression et la validation croisée pour estimer le diamètre de la couronne mesurée au sol au niveau de la parcelle. La régression linéaire a également été utilisée pour comparer les estimations du volume des arbres et de la biomasse au niveau de la parcelle avec et sans les mesures du diamètre de la couronne dérivées du lidar des arbres individuels. Les résultats de l'estimation du diamètre de la couronne étaient similaires pour les pins et les feuillus, avec des valeurs de R2 de 0,62‐0,63 pour les espèces dominantes d'arbres (RMSE de 1,36 à 1,41 m). Le diamètre de la couronne mesuré par lidar a amélioré les valeurs de R2 dans l'estimation du volume et de la biomasse de plus de 0,25 pour les parcelles de pins et de feuillus (la valeur de RMSE s'est améliorée de jusqu'à 8 m3/ha pour le volume et de 7 Mg/ha pour la biomasse). Pour les parcelles de pins, le diamètre moyen de la couronne permettait à lui seul d'expliquer 78 % de la variance associée à la biomasse (RMSE de 31,28 Mg/ha) et 83 % de la variance dans le cas du volume (RMSE de 47,90 m3/ha).[Traduit par la Rédaction]