Topographic analysis using digital elevation models (DEMs) has become commonplace in soil and hydrologic modeling and analysis and there has been considerable assessment of the effects of grid resolution on topographic metrics using DEMs of 10 m resolution or coarser. However, examining fine-scale (i.e., 1-10 m) soil and hydrological variability of headwater catchments may require higher-resolution data that has only recently become available, and both DEM accuracy and the effects of different high-resolution DEMs on topographic metrics are relatively unknown. This study has two principle research components. First, an error analysis of two high-resolution DEMs derived from light detection and ranging (LiDAR) data covering the same headwater catchment was conducted to assess the applicability of such DEMs for modeling fine-scale environmental phenomena. Second, one LiDAR-derived DEM was selected for computing topographic metrics to predict fine-scale functional soil units termed hydropedological units (HPUs). HPU development is related to topographic and surface/subsurface heterogeneity resulting in distinct hydrologic flowpaths leading to variation of soil morphological expression. Although the two LiDAR datasets differed with respect to data collection methods and nominal post-spacing of ground returns, DEMs interpolated from each LiDAR dataset exhibited similar error. Grid resolution affected DEM-delineated catchment boundaries and the value of computed topographic metrics. The best topographic metrics for predicting HPUs were the topographic wetness index, bedrock-weighted upslope accumulated area, and Euclidean distance from bedrock. Predicting the spatial distribution of HPUs may provide a more comprehensive understanding of hydrological and biogeochemical functionality of headwater systems. / Master of Science

Les connaissances sur la morphologie de la Terre sont essentielles à la compréhension d’une variété de processus géomorphologiques et hydrologiques. Des avancées récentes dans le domaine de la télédétection ont significativement fait progresser notre habilité à se représenter la surface de la Terre. Parmi celles-ci, les données d’élévation LiDAR permettent la production de modèles numériques d’altitude (MNA) à haute résolution sur de grands territoires. Le LiDAR est une avancée technologique majeure permettant aux scientifiques de visualiser en détail la morphologie de la Terre et de représenter des reliefs peu prononcés, et ce, même sous la canopée des arbres. Une telle avancée technologique appelle au développement de nouvelles approches innovantes afin d’en réaliser le potentiel scientifique. Dans ce contexte, le présent travail vise à développer deux approches de cartographie numérique utilisant des données d’élévation LiDAR et servant à l’évaluation de la composition du sous-sol. La première approche à être développée utilise la localisation de crêtes de plage identifiées sur des MNA LiDAR afin de modéliser l’étendue maximale de la mer de Champlain, une large paléo-mer régionalement importante. Cette approche nous a permis de cartographier avec précision les 65 000 km2 autrefois inondés par la mer. Ce modèle sert à l’évaluation de la distribution des sédiments marins et littoraux dans les basses-terres du Saint-Laurent. La seconde approche utilise la relation entre des échantillons de matériel parental des sols (MPS) et des attributs topographiques dérivés de données LiDAR afin de cartographier à haute résolution et à une échelle régionale le MPS sur le Bouclier canadien. Pour ce faire, nous utilisons une approche novatrice combinant l’analyse d’image orientée-objet (AIOO) avec une classification par arbre décisionnel. Cette approche nous a permis de produire une carte du MPS à haute résolution sur plus de 185 km2 dans un environnement hétérogène de post-glaciation. Les connaissances issues de la production de ces deux modèles ont permis de conceptualiser la composition du sous-sol dans les régions limitrophes entre les basses-terres du Saint-Laurent et le Bouclier canadien. Ce modèle fournit aux chercheurs et aux gestionnaires de ressources des connaissances détaillées sur la géomorphologie de cette région et contribue à l’amélioration de notre capacité à saisir les services écosystémiques et à prédire les aléas environnementaux liés aux processus du sous-sol. / Knowledge of the earth’s morphology is essential to the understanding of many geomorphic and hydrologic processes. Recent advancements in the field of remote sensing have significantly improved our ability to assess the earth’s surface. From these, LiDAR elevation data permits the production of high-resolution digital elevation models (DEMs) over large areas. LiDAR is a major technological advance as it allows geoscientists to visualize the earth’s morphology in high detail, even allowing us to resolve low-relief landforms in forested areas where the surface is obstructed by vegetation cover. Such a technological advance calls for the development of new and novel approaches to realize the scientific potential of this new spatial data. In this context, the present work aims to develop two digital mapping approaches that use LiDAR elevation data for assessing the earth’s subsurface composition. The first approach to be developed uses the location of low-relief beach ridges observed on LiDAR-derived DEMs to map the extent of a large and regionally important paleo-sea, the Champlain Sea. This approach allowed us to accurately map the 65,000 km2 area once inundated by sea water. The model serves to the assessment of the distribution of marine and littoral sediments in the St. Lawrence Lowlands. The second approach uses the relationship between field-acquired samples of soil parent material (SPM) and LiDAR-derived topographic attributes to map SPM at high-resolution and at a regional scale on the Canadian Shield. To do so, we used a novel approach that combined object-based image analysis (OBIA) with a classification tree algorithm. This approach allowed us to produce a fine-resolution 185 km2 map of SPM in a heterogeneous post-glaciation Precambrian Shield setting. The knowledge obtained from producing these two models allowed us to conceptualize the subsurface composition at the limit between the St. Lawrence Lowlands and the Canadian Shield. This insight provides researchers and resource managers with a more detailed understanding of the geomorphology of this area and contributes to improve our capacity to grasp ecosystem services and predict environmental hazards related to subsurface processes.