Cette étude vise à tester la pertinence des images RSO - de moyenne et de haute résolution - à la caractérisation des types d’occupation du sol en milieu urbain. Elle s’est basée sur des approches texturales à partir des statistiques de deuxième ordre. Plus spécifiquement, on recherche les paramètres de texture les plus pertinents pour discriminer les objets urbains. Il a été utilisé à cet égard des images Radarsat-1 en mode fin en polarisation HH et Radarsat-2 en mode fin en double et quadruple polarisation et en mode ultrafin en polarisation HH. Les occupations du sol recherchées étaient le bâti dense, le bâti de densité moyenne, le bâti de densité faible, le bâti industriel et institutionnel, la végétation de faible densité, la végétation dense et l’eau. Les neuf paramètres de textures analysés ont été regroupés, en familles selon leur définition mathématique. Les paramètres de ressemblance/dissemblance regroupent l’Homogénéité, le Contraste, la Similarité et la Dissimilarité. Les paramètres de désordre sont l’Entropie et le Deuxième Moment Angulaire. L’Écart-Type et la Corrélation sont des paramètres de dispersion et la Moyenne est une famille à part. Il ressort des expériences que certaines combinaisons de paramètres de texture provenant de familles différentes utilisés dans les classifications donnent de très bons résultants alors que d’autres associations de paramètres de texture de définition mathématiques proches génèrent de moins bons résultats. Par ailleurs on constate que si l’utilisation de plusieurs paramètres de texture améliore les classifications, la performance de celle-ci plafonne à partir de trois paramètres. Malgré la bonne performance de cette approche basée sur la complémentarité des paramètres de texture, des erreurs systématiques dues aux effets cardinaux subsistent sur les classifications. Pour pallier à ce problème, il a été développé un modèle de compensation radiométrique basé sur la section efficace radar (SER). Une simulation radar à partir du modèle numérique de surface du milieu a permis d'extraire les zones de rétrodiffusion des bâtis et d'analyser les rétrodiffusions correspondantes. Une règle de compensation des effets cardinaux fondée uniquement sur les réponses des objets en fonction de leur orientation par rapport au plan d'illumination par le faisceau du radar a été mise au point. Des applications de cet algorithme sur des images RADARSAT-1 et RADARSAT-2 en polarisations HH, HV, VH, et VV ont permis de réaliser de considérables gains et d’éliminer l’essentiel des erreurs de classification dues aux effets cardinaux. / This study aims to test the relevance of medium and high-resolution SAR images on the characterization of the types of land use in urban areas. To this end, we have relied on textural approaches based on second-order statistics. Specifically, we look for texture parameters most relevant for discriminating urban objects. We have used in this regard Radarsat-1 in fine polarization mode and Radarsat-2 HH fine mode in dual and quad polarization and ultrafine mode HH polarization. The land uses sought were dense building, medium density building, low density building, industrial and institutional buildings, low density vegetation, dense vegetation and water. We have identified nine texture parameters for analysis, grouped into families according to their mathematical definitions in a first step. The parameters of similarity / dissimilarity include Homogeneity, Contrast, the Differential Inverse Moment and Dissimilarity. The parameters of disorder are Entropy and the Second Angular Momentum. The Standard Deviation and Correlation are the dispersion parameters and the Average is a separate family. It is clear from experience that certain combinations of texture parameters from different family used in classifications yield good results while others produce kappa of very little interest. Furthermore, we realize that if the use of several texture parameters improves classifications, its performance ceils from three parameters. The calculation of correlations between the textures and their principal axes confirm the results. Despite the good performance of this approach based on the complementarity of texture parameters, systematic errors due to the cardinal effects remain on classifications. To overcome this problem, a radiometric compensation model was developed based on the radar cross section (SER). A radar simulation from the digital surface model of the environment allowed us to extract the building backscatter zones and to analyze the related backscatter. Thus, we were able to devise a strategy of compensation of cardinal effects solely based on the responses of the objects according to their orientation from the plane of illumination through the radar's beam. It appeared that a compensation algorithm based on the radar cross section was appropriate. Some examples of the application of this algorithm on HH polarized RADARSAT-2 images are presented as well. Application of this algorithm will allow considerable gains with regard to certain forms of automation (classification and segmentation) at the level of radar imagery thus generating a higher level of quality in regard to visual interpretation. Application of this algorithm on RADARSAT-1 and RADARSAT-2 images with HH, HV, VH, and VV polarisations helped make considerable gains and eliminate most of the classification errors due to the cardinal effects.

Une estimation des quantités de carbone organique dissous dans les millions de lacs boréaux est nécessaire pour améliorer notre connaissance du cycle global du carbone. Les teneurs en carbone organique dissous sont corrélées avec les quantités de matière organique dissoute colorée qui est visible depuis l’espace. Cependant, les capteurs actuels offrent une radiométrie et une résolution spatiale qui sont limitées par rapport à la taille et l’opacité des lacs boréaux. Landsat 8, lancé en février 2013, offrira une radiométrie et une résolution spatiale améliorées, et produira une couverture à grande échelle des régions boréales. Les limnologistes ont accumulé des années de campagnes de terrain dans les régions boréales pour lesquelles une image Landsat 8 sera disponible. Pourtant, la possibilité de combiner des données de terrain existantes avec une image satellite récente n'a pas encore été évaluée. En outre, les différentes stratégies envisageables pour sélectionner et combiner des mesures répétées au cours du temps, sur le terrain et depuis le satellite, n'ont pas été évaluées. Cette étude présente les possibilités et les limites d’utiliser des données de terrain existantes avec des images satellites récentes pour développer des modèles de prédiction du carbone organique dissous. Les méthodes se basent sur des données de terrain recueillies au Québec dans 53 lacs boréaux et 10 images satellites acquises par le capteur prototype de Landsat 8. Les délais entre les campagnes de terrain et les images satellites varient de 1 mois à 6 ans. Le modèle de prédiction obtenu se compare favorablement avec un modèle basé sur des campagnes de terrain synchronisées avec les images satellite. L’ajout de mesures répétées sur le terrain, sur le satellite, et les corrections atmosphériques des images, n’améliorent pas la qualité du modèle de prédiction. Deux images d’application montrent des distributions différentes de teneurs en carbone organique dissous et de volumes, mais les quantités de carbone organique dissous par surface de paysage restent de même ordre pour les deux sites. Des travaux additionnels pour intégrer les sédiments dans l’estimation sont nécessaires pour améliorer le bilan du carbone des régions boréales. / A remote sensing approach to estimate carbon stocks in the millions of boreal lakes is highly desirable to improve our understanding of carbon cycles. Lakes carbon content is often correlated to colored dissolved organic matter (CDOM) content, which is visible from space. Meanwhile, current sensors offer limited radiometry and spatial resolution in regard to boreal lakes opacity and size. Landsat 8, launched in February 2013, offers improved radiometry and spatial resolution, and will provide large-scale coverage of boreal regions. Limnologists gathered years of field campaigns in the boreal regions for which a clear Landsat 8 image will be available. Yet the possibility to combine legacy field data with new satellite imagery has not been assessed yet. Furthermore, the different strategies to select and combine timely repeated lakes measurements in the field and on the satellite have not been assessed either. In this study, we address the opportunities and limits to combine legacy field data with new satellite imagery to develop CDOM predictive models. Methods are based on field data from Quebec collected in 53 boreal lakes and 10 satellite images acquired with the prototype of Landsat 8. Delays between field campaigns and satellite overpasses varied from 1 month to 6 years. Results show that a CDOM predictive model based on existing field data compares favorably with models based on carefully coordinated field campaigns. The quality of the model does not improve by adding repeat measurements in the field and on the satellite, or by using atmospherically corrected images. Two images from different sites show different distributions of lakes dissolved organic carbon concentrations and volumes, but the total dissolved organic carbon storage per landscape unit in the two sites are in the same range. Additional work to link satellite data to lakes sediments carbon content is needed to refine the global carbon budget in the boreal regions.

Le nerprun bourdaine (Rhamnus frangula L.) est une espèce exotique qui envahit plusieurs régions du sud du Québec, et plus particulièrement la région administrative de l'Estrie. Actuellement, on connaît encore peu l'écologie de l'espèce dans le contexte québécois et il n’existe pas de portrait d’ensemble de sa distribution dans les forêts tempérées de cette région. Dans ce contexte, le premier objectif du projet était de cartographier par télédétection la distribution du nerprun bourdaine dans deux secteurs de l'Estrie. Un second objectif était d'évaluer les variables environnementales déterminantes pour expliquer le recouvrement de nerprun bourdaine. La phénologie du nerprun bourdaine diffère de celle de la plupart des espèces indigènes arborescentes puisque ses feuilles tombent plus tard en automne. Cette caractéristique a permis de cartographier, par démixage spectral, la probabilité d'occurrence du nerprun bourdaine grâce à une série temporelle d'images du capteur OLI de Landsat 8. Le recouvrement du nerprun bourdaine a été calculé dans 119 placettes sur le terrain. La cartographie résultante a montré un accord de 69% avec les données terrain. Une image SPOT-7, dont la résolution spatiale est plus fine, a ensuite été utilisée, mais n’a pas permis d'améliorer la cartographie, puisque la date d’acquisition de l’image n’était pas optimale dû à un manque de disponibilité. Concernant le second objectif de la recherche, la variable la plus significative pour expliquer la présence de nerprun bourdaine était la densité du peuplement, ce qui suggère que l’ouverture de la couverture forestière pourrait favoriser l’envahissement. Néanmoins, les résultats tendent à démontrer que le nerprun bourdaine est une espèce «généraliste» qui s’adapte bien à plusieurs conditions environnementales. / Glossy buckthorn (Rhamnus frangula L.) is an exotic species invading many areas in southern of Quebec, particularly in the Eastern Townships. Currently, we do not know very much about the species ecology and no thorough study of its distribution in temperate forest has been performed. Therefore, the first objective of the project was to map the spatial distribution of glossy buckthorn in two areas of the Eastern Townships, using remote sensing techniques. The second objective was to evaluate the environmental variables, or predictors, best explaining the presence of glossy buckthorn. The phenology of glossy buckthorn differs from most of the indigenous tree species found in this area because its leaves fall later in autumn. This characteristic allowed to map, using spectral unmixing, the probability of occurrence of glossy buckthorn, with temporal Landsat 8 (OLI) imagery data series. Glossy buckthorn coverage was calculated on 119 plots on the field. The resulting maps showed an agreement of 69% with field data. A SPOT-7 image, which has a finer resolution than Landsat 8 (OLI), was then used but it did not improve the quality of the map, since its acquisition date was not optimal, due to a lack of availability. Concerning the second objective of the research, the best variable explaining the presence of glossy buckthorn was stand density, which leads to believe that forest cover openings could ease the establishment of buckthorn. However, the results tend to show that glossy buckthorn is a generalist species, easily adapting to various environmental conditions.

Doctor of Philosophy / Department of Agronomy / P.V. Vara Prasad / Agriculture is the largest (90%) consumer of all fresh water in the world. The consumptive use of water by vegetation represented by the process evapotranspiration (ET) has a vital role in the dynamics of water, carbon and energy fluxes of the biosphere. Consequently, mapping ET is essential for making water a sustainable resource and also for monitoring ecosystem response to water stress and changing climate. Over the past three decades, numerous thermal remote sensing based ET mapping algorithms were developed and these have brought a significant theoretical and technical advancement in the spatial modeling of ET. Though these algorithms provided a robust, economical, and efficient tool for ET estimations at field and regional scales, yet the uncertainties in flux estimations were large, making evaluation a difficult task. The main objective of this study was to evaluate and improve the performance of widely used remote sensing based energy balance models, namely: the Surface Energy Balance Algorithm for Land (SEBAL), Mapping Evapotranspiration at high Resolution and with Internalized Calibration (METRIC), and Surface Energy Balance System (SEBS). Data used in this study was collected as part of a multi-disciplinary and multi-institutional field campaign BEAREX (Bushland Evapotranspiration and Agricultural Remote Sensing Experiment) that was conducted during 2007 and 2008 summer cropping seasons at the USDA-ARS Conservation and Production Research Laboratory (CPRL) in Bushland, Texas. Seventeen high resolution remote sensing images taken from multispectral sensors onboard aircraft and field measurements of the agro-meteorological variables from the campaign were used for model evaluation and improvement. Overall relative error measured in terms of mean absolute percent difference (MAPD) for instantaneous ET (mm h[superscript]-[superscript]1) were 22.7%, 23.2%, and 12.6% for SEBAL, METRIC, and SEBS, respectively. SEBAL and METRIC performances for irrigated fields representing higher ET with limited or no water stress and complete ground cover surfaces were markedly better than that for dryland fields representing lesser ET and greater soil water deficits with sparser vegetation cover. SEBS algorithm performed equally well for both irrigated and dryland conditions but required accurate air temperature data. Overall, this study provides new insights into the performance of three widely used thermal remote sensing based algorithms for estimating ET and proposed modifications to improve the accuracy of estimated ET for efficient management of water resources.

Les forêts de Bornéo sont inestimables. En plus d’une faune et d’une flore riche et diversifiée, ses milieux naturels constituent d’efficaces réservoirs de carbone. En outre, la matière ligneuse qui y est abondante fait l’objet d’une exploitation intensive. Par contre, c’est le potentiel agricole de l’île qui crée le plus d’enthousiasme, principalement en ce qui concerne la culture du palmier à huile. Pour tenter de mieux comprendre et surveiller le phénomène, nous avons développé des méthodes de détection de la déforestation et de la dégradation des forêts. Ces méthodes doivent tenir compte des caractéristiques propres à l’île. C’est que Bornéo est abondamment affectée par une nébulosité constante qui complexifie considérablement son observation à partir des satellites. Malgré ces contraintes, nous avons produit une série chronologique annuelle des points chauds de déforestation et de dégradation des forêts pour les années 2000 à 2009. / Borneo’s forests are priceless. Beyond the richness and diversity of its fauna and flora, its natural habitats constitute efficient carbon reservoirs. Unfortunately, the vast forests of the island are rapidly being cut down, both by the forestry industry and the rapidly expanding oil palm industry. In this context, we’ve developed methods to detect deforestation and forest degradation in order to better understand and monitor the phenomena. In doing so, the peculiarities of Borneo, such as the persistent cloud cover, had to be accounted for. Nevertheless, we succeeded in producing a time series of the yearly forest degradation and deforestations hotspots for the year 2000 through the year 2009. / Ce travail s’inscrit dans le cadre d’un programme de recherches appuyé par le Conseil de recherches en sciences humaines du Canada.

L’érosion éolienne est un problème environnemental parmi les plus sévères dans les régions arides, semi-arides et les régions sèches sub-humides de la planète. L’érosion des sols accélérée par le vent provoque des dommages à la fois localement et régionalement. Sur le plan local, elle cause la baisse des nutriments par la mobilisation des particules les plus fines et de la matière organique. Cette mobilisation est une des causes de perte de fertilité des sols avec comme conséquence, une chute de la productivité agricole et une réduction de la profondeur de la partie arable. Sur le plan régional, les tempêtes de poussières soulevées par le vent ont un impact non négligeable sur la santé des populations, et la déposition des particules affecte les équipements hydrauliques tels que les canaux à ciel ouvert ainsi que les infrastructures notamment de transport. Dans les régions où les sols sont fréquemment soumis à l’érosion éolienne, les besoins pour des études qui visent à caractériser spatialement les sols selon leur degré de vulnérabilité sont grands. On n’a qu’à penser aux autorités administratives qui doivent décider des mesures à prendre pour préserver et conserver les potentialités agropédologiques des sols, souvent avec des ressources financières modestes mises à leur disposition. Or, dans certaines de ces régions, comme notre territoire d’étude, la région de Thiès au Sénégal, ces études font défaut. En effet, les quelques études effectuées dans cette région ou dans des contextes géographiques similaires ont un caractère plutôt local et les approches suivies (modèles de pertes des sols) nécessitent un nombre substantiel de données pour saisir la variabilité spatiale de la dynamique des facteurs qui interviennent dans le processus de l’érosion éolienne. La disponibilité de ces données est particulièrement problématique dans les pays en voie de développement, à cause de la pauvreté en infrastructures et des problèmes de ressources pour le monitoring continu des variables environnementales. L’approche mise de l’avant dans cette recherche vise à combler cette lacune en recourant principalement à l’imagerie satellitale, et plus particulièrement celle provenant des satellites Landsat-5 et Landsat-7. Les images Landsat couvrent la presque totalité de la zone optique du spectre exploitable par télédétection (visible, proche infrarouge, infrarouge moyen et thermique) à des résolutions relativement fines (quelques dizaines de mètres). Elles permettant ainsi d’étudier la distribution spatiale des niveaux de vulnérabilité des sols avec un niveau de détails beaucoup plus fin que celui obtenu avec des images souvent utilisées dans des études environnementales telles que AVHRR de la série de satellites NOAA (résolution kilométrique). De plus, l’archive complet des images Landsat-5 et Landsat-7 couvrant une période de plus de 20 ans est aujourd’hui facilement accessible. Parmi les paramètres utilisés dans les modèles d’érosion éolienne, nous avons identifiés ceux qui sont estimables par l’imagerie satellitale soit directement (exemple, fraction du couvert végétal) soit indirectement (exemple, caractérisation des sols par leur niveau d’érodabilité). En exploitant aussi le peu de données disponibles dans la région (données climatiques, carte morphopédologique) nous avons élaboré une base de données décrivant l’état des lieux dans la période de 1988 à 2002 et ce, selon les deux saisons caractéristiques de la région : la saison des pluies et la saison sèche. Ces données par date d’acquisition des images Landsat utilisées ont été considérées comme des intrants (critères) dans un modèle empirique que nous avons élaboré en modulant l’impact de chacun des critères (poids et scores). À l’aide de ce modèle, nous avons créé des cartes montrant les degrés de vulnérabilité dans la région à l’étude, et ce par date d’acquisition des images Landsat. Suite à une série de tests pour valider la cohérence interne du modèle, nous avons analysé nos cartes afin de conclure sur la dynamique du processus pendant la période d’étude. Nos principales conclusions sont les suivantes : 1) le modèle élaboré montre une bonne cohérence interne et est sensible aux variations spatiotemporelles des facteurs pris en considération 2); tel qu’attendu, parmi les facteurs utilisés pour expliquer la vulnérabilité des sols, la végétation vivante et l’érodabilité sont les plus importants ; 3) ces deux facteurs présentent une variation importante intra et inter-saisonnière de sorte qu’il est difficile de dégager des tendances à long terme bien que certaines parties du territoire (Nord et Est) aient des indices de vulnérabilité forts, peu importe la saison ; 4) l’analyse diachronique des cartes des indices de vulnérabilité confirme le caractère saisonnier des niveaux de vulnérabilité dans la mesure où les superficies occupées par les faibles niveaux de vulnérabilité augmentent en saison des pluies, donc lorsque l’humidité surfacique et la végétation active notamment sont importantes, et décroissent en saison sèche ; 5) la susceptibilité, c’est-à-dire l’impact du vent sur la vulnérabilité est d’autant plus forte que la vitesse du vent est élevée et que la vulnérabilité est forte. Sur les zones où la vulnérabilité est faible, les vitesses de vent élevées ont moins d’impact. Dans notre étude, nous avons aussi inclus une analyse comparative entre les facteurs extraits des images Landsat et celles des images hyperspectrales du satellite expérimental HYPERION. Bien que la résolution spatiale de ces images soit similaire à celle de Landsat, les résultats obtenus à partir des images HYPERION révèlent un niveau de détail supérieur grâce à la résolution spectrale de ce capteur permettant de mieux choisir les bandes spectrales qui réagissent le plus avec le facteur étudié. Cette étude comparative démontre que dans un futur rapproché, l’amélioration de l’accessibilité à ce type d’images permettra de raffiner davantage le calcul de l’indice de vulnérabilité par notre modèle. En attendant cette possibilité, on peut de contenter de l’imagerie Landsat qui offre un support d’informations permettant tout de même d’évaluer le niveau de fragilisation des sols par l’action du vent et par la dynamique des caractéristiques des facteurs telles que la couverture végétale aussi bien vivante que sénescente. / Wind erosion is an environmental issue among the most critical one in arid, semi-arid and dry sub-humid regions of the planet. Soil erosion accelerated by the wind action causes damages both locally and regionally. Locally, wind erosion decreases the soil nutrients by the mobilization of finer particles and organic matter. This mobilization is one of the causes of lost of soil fertility with lead to the drop in agricultural productivity and to the reduction of the topsoil depth. Regionally, dust storms raised by the wind have a significant impact on population health and infrastructure because of particles deposition. In areas where soils are frequently submitted to wind aggressions, studies are urgently required in order to spatially characterize the soils according to their degree of vulnerability. Such characterization is important for many reasons, especially for administrative authorities who must decide what action to undertake in order to preserve and conserve the agricultural potentialities of soils, often with limited financial resources available. However, in some regions, as in our study area, the region of Thiès in Senegal, such studies are lacking. In fact, in regions where soil erosion is active, the studies undertaken are much localized because of their approaches (soil erosion models) which require a substantial amount of data for short intervals of time to "capture" the spatial variability of the dynamics of the factors involved in the process of wind erosion. The availability of these data at a regional level is particularly problematic in developing countries because infrastructures and resources to support continuous monitoring of environmental variables are not always available. The approach in this research aims to fill this gap, mainly through satellite imagery and more particularly those provided by Landsat-5 and Landsat-7. Landsat images cover almost the entire optical spectrum (visible, near/mid/thermal infrared) at resolutions which allow to characterize spatially the soils, according to their vulnerability at a finer level (decametric resolution) than what is possible with satellite imagery often used in environmental studies (AVHRR images from the NOAA satellite series) with a kilometric resolution. In addition, the full archive of Landsat-5 and -7 covering more than 20 years is now easily accessible. This is an undeniable asset in order to study the dynamics of the process affecting soils vulnerability to wind erosion. Taking into account the parameters used in wind erosion models (climate, soil, vegetation), we have identified those we can estimate from satellite imagery either directly (e.g. fractional vegetation cover) or indirectly (e.g. characterization of soils by their degree of degradation). Using Landsat images acquired during to the two seasons of the region (rainy and dry season) as well as climatic data and the existing low scale soil map of the region, we developed a database describing the environmental conditions from 1988 to 2002. These data were then considered as inputs (criteria) in an empirical model we made, by modulating the impact of each criterion (weight and score). By this model, we created maps showing the degree of vulnerability (vulnerability index) of the region by date according to Landsat image acquisition date. Several tests are done to validate the internal consistency of the model. To evaluate the dynamic of the erosion process for the period we studied, we have compared our maps. Our principal conclusions are as follows: 1) the proposed model has a good internal consistency and is sensitive to spatial and temporal variation of the factors taken into consideration; 2) as expected, among the factors used to explain soil vulnerability, erodibility and fractional green vegetation cover are the most important; 3) these two factors present a high intra and inter-season variation so that it is difficult to bring out long term trends even if some parts of the territory (North and East) have high vulnerability indices regardless of season; 4) the diachronic analysis of vulnerability index maps shows seasonal trend because areas with low vulnerability indices are increasing in rainy season, when the surface moisture is higher and vegetation is particularly active, and significantly decrease in dry season; 5) as expected, susceptibility, or the impact of wind on vulnerability, is stronger when the wind speed is high and vulnerability is high. In areas where vulnerability is low, an increase in wind speed has less impact. In our study we have also included a comparative analysis of some factors derived from Landsat images and from the hyperspectral sensor of the experimental satellite HYPERION. Even if spatial resolution of the images provided by both sensors is similar, the accuracy of factors extracted from the hyperspectral images is definitely higher. This is due to the spectral resolution of the sensor which permits the selection of appropriate bands with the highest level of interaction with the factor of interest. This comparative study shows that in the near future, the accessibility to this type of images will improve the calculation of the index of vulnerability by our model. For now, Landsat imagery provides very interesting information to monitor the process of soil erosion by wind.

The affect on leaf area index (LAI) and net ecosystem production (NEP) of the mountain pine beetle (Dendroctonus ponderosae) (MPB) outbreak in British Columbia affecting lodgepole pine (Pinus contorta var. latifolia) forests was examined from 1999 to 2008. The process-based carbon (C) cycle model – Boreal Ecosystem Productivity Simulator (BEPS) with remotely sensed LAI inputs was used to produce annual NEP maps, which were validated using field measurements. The annual NEP ranged from 2.43 to -8.03 MtC between 1999 and 2008, with sink to source conversion in 2000. The inter-annual variability for both LAI and NEP displayed initial decreases followed by a steadily increasing trend from 2006 to 2008 with NEP returning to near C neutrality in 2008 (-1.84 MtC). The resistance of LAI and NEP to MPB attack was attributed to ecosystem resilience in the form of secondary overstory growth and increased production of non-attacked host trees.

The design of a photonics-based multi-gas sensor is presented. Absorption spectroscopy theory has been analyzed to derive key requirements for effective gas concentration measurements. HITRAN spectral analyses have determined appropriate ranges for single and multi-gas sensing. A discussion of two setups (large-scale setup and portable prototype) outlines relevant results for the development of innovative data processing algorithms (floating-point technique (FPT)). Eight absorption lines were experimentally detected (761 nm range), facilitating the recognition of oxygen spectra with surety. The FPT was used to measure oxygen concentration with an approx. 2.5% error when scanning one absorption line. Strategies to reduce the error to below 0.1% and to improve the prototype are presented. The sensor is expected to operate in an inhomogeneous network. The network utilizes different sensors capable of cross-using information to achieve high reliability and accuracy, in order to predict, prevent, and recognize man-made and natural threats.

The affect on leaf area index (LAI) and net ecosystem production (NEP) of the mountain pine beetle (Dendroctonus ponderosae) (MPB) outbreak in British Columbia affecting lodgepole pine (Pinus contorta var. latifolia) forests was examined from 1999 to 2008. The process-based carbon (C) cycle model – Boreal Ecosystem Productivity Simulator (BEPS) with remotely sensed LAI inputs was used to produce annual NEP maps, which were validated using field measurements. The annual NEP ranged from 2.43 to -8.03 MtC between 1999 and 2008, with sink to source conversion in 2000. The inter-annual variability for both LAI and NEP displayed initial decreases followed by a steadily increasing trend from 2006 to 2008 with NEP returning to near C neutrality in 2008 (-1.84 MtC). The resistance of LAI and NEP to MPB attack was attributed to ecosystem resilience in the form of secondary overstory growth and increased production of non-attacked host trees.

The design of a photonics-based multi-gas sensor is presented. Absorption spectroscopy theory has been analyzed to derive key requirements for effective gas concentration measurements. HITRAN spectral analyses have determined appropriate ranges for single and multi-gas sensing. A discussion of two setups (large-scale setup and portable prototype) outlines relevant results for the development of innovative data processing algorithms (floating-point technique (FPT)). Eight absorption lines were experimentally detected (761 nm range), facilitating the recognition of oxygen spectra with surety. The FPT was used to measure oxygen concentration with an approx. 2.5% error when scanning one absorption line. Strategies to reduce the error to below 0.1% and to improve the prototype are presented. The sensor is expected to operate in an inhomogeneous network. The network utilizes different sensors capable of cross-using information to achieve high reliability and accuracy, in order to predict, prevent, and recognize man-made and natural threats.