Résumé : La disponibilité des données des sites expérimentaux en forêt est limitée et ces données possèdent parfois de grandes erreurs de mesures. De plus les attributs de la forêt, comme la densité du feuillage, sont difficiles à estimer et à valider. Pour résoudre ce problème, nous avons conçu une étude en cinq volets : le premier volet a été de développer un cadre de modélisation pour la simulation tridimensionnelle de scènes en forêts, rendus avec le gratuiciel POV-Ray (www.povray.org). Pour ce projet, 75 peuplements ont été créés avec trois distributions angulaires des feuilles : aléatoire, érectophile et planophile. Le cadre de modélisation permet la réalisation de scènes avec un gradient de valeur précise des attributs de l’architecture de la forêt qui sont parfois difficile à mesurer. Comme deuxième volet, le cadre de modélisation est utilisé pour évaluer des méthodes existantes d’estimation de l'indice de surface totale et foliaire (IST et ISF) et de la fermeture du couvert (FC) à partir de la photographie hémisphérique (PH). Dix PHs simulées par scènes ont été analysé pour en extraire l'IST qui comprend les feuilles et les matières ligneuses (par exemple les troncs et les branches) et les résultats ont montrés que l'intégrale tronquée de Miller (10º à 65º au zénith) et l’estimation près de 57,3º (55º à 60º) sont très semblables avec des facteurs de corrélation (R[indice supérieur 2]) de plus de 0,9 entre eux. Les résultats montrent aussi que l’IST et l’ISF sont mieux estimés par rapport aux valeurs d'entrées lorsque le groupage des feuilles est considéré. En outre, le groupage considéré avec la méthode CLX-45 (pour angles de visée de 55º à 60º), a été estimé avec un R[indice supérieur 2] de 0,66, ainsi qu’une erreur RMS de 1,0 unité (23%). Les estimations de la FC près du zénith avec dix PHs étaient très bonnes avec un R[indice supérieur 2] de 0,83 et une erreur RMS de 9 %. En troisième volet, le cadre de modélisation a été utilisé pour simuler des données de LiDAR terrestre et aéroporté. Un nouvel algorithme (LF) d’extraction de l’ISF, basé sur la méthode CLX et adaptée aux données LiDARs, a été présenté et testé sur ces données virtuelles. Les résultats de l’estimation de l’ISF sur les données TLS simulées nous montrent qu’avec la meilleur combinaison des paramètres de la méthode LF, les données TLS ont un grand potentiel pour la mesure de l’ISF avec un R[indice supérieur 2] de 0,83 et une erreur RMS de 0,7 (20 %). Donc une amélioration du R[indice supérieur 2] de 0,17 et une diminution de l’erreur RMS de 0,3 unité (3 %) par rapport aux résultats de la PH. Le même algorithme a aussi été testé sur des données LiDAR aéroportés simulées sur les même 75 scènes virtuelles et a donnée un R[indice supérieur 2] de 0,85 et une erreur RMS de 0,6 (20 %) à l’angle de visée de 55º mais seulement un R[indice supérieur 2] de 0,18 et une erreur RMS de 2,2 (58 %) à l’angle de visée de 5º. Puis, en quatrième volet, le nouvel algorithme à été testé sur des données TLS et ALS sur la réserve de Matane, Québec. Comme cinquième et dernier volet, nous avons exploré en détails les méthodes d’évaluation de l’IST, et surtout du groupage du feuillage afin de mieux comprendre les causes et limites des erreurs mesurées. Nos résultats pour ce dernier volet ont montrés que la densité du feuillage à l’intérieur des houppiers est un facteur important dans la sous-estimation de l’IST avec la méthode CCL et que la grandeur des segments en rapport avec l’ISF détermine le nombre de segments sans trouée où la moyenne logarithmique est un problème. De plus, la difficulté à mesurer l’ISF au nadir a été démontré avec les ALS, suggérant ainsi que l’ISF soit estimé à des angles proches de 57,3º autant avec les données sur le terrain (PH et TLS) qu’aéroportées (ALS). // Abstract : The availability of experimental data from forest sites is limited and may also have large measurement error. In addition, attributes such as foliage density, are difficult to estimate and validate. To address this problem, we designed a study in five parts: the first part was the development of a modeling framework for three-dimensional simulation of forest scenes, rendered with the freeware POV-Ray (www.povray.org). For this project, 75 simulated stands were created with angular distributions of random leaves, and erectophile and planophile. The framework allows the realization of scenes with the knowledge of architectural attributes of the forest that are sometimes difficult to measure. As a second component, the modeling framework is used to evaluate existing methods for estimating the total plant and leaf area index (PAI, LAI), and canopy closure from hemispherical photography (HP). Ten HPs are simulated per scene and were analyzed to extract the PAI which includes leaves and woody material (eg trunks and branches). The results have shown that the truncated integration Miller (10º to 65º in view zenith), and estimated from 55º to 60º are very similar with coefficient of determination (R[superscript 2])of more than 0.9. The results also show that PAI and LAI are better estimated with respect to the input when the grouping of the leaves is considered. In addition, the grouping method considered with the CLX method (for viewing angles of 55º to 60º), was estimated with an R[superscript 2] of 0.66 and an RMSE of 1.0 units (23 %). Canopy closure estimates near the zenith with 10 HPs were very good with an R[superscript 2] of 0.83 and an RMSE of 9%. As third component, the modeling framework was used to simulate terrestrial and airborne LiDAR data. A new LAI algorithm (LF), based on the CLX method adapted to LiDARs data was presented and tested on these virtual data. The new algorithm has been tested with simulated terrestrial LiDAR (TLS) data for the same 75 virtual scenes. The results show a great potential using TLS data and the best LF method combinations of parameters gave an R[superscript 2] of 0.83 and an RMS error of 0.7 (20 %), thus improving the R[superscript 2] by 0.17 and a reduction of the RMSE of 0.3 units (3 %). The same algorithm was also tested on simulated airborne LiDAR (ALS) data on the same 75 virtual scenes and gave an R[superscript 2] of 0.85 and an RMSE of 0.6 (20 %) at viewing angle of 55° but only an R[superscript 2] of 0.18 and an RMSE of 2.2 (58%) at the viewing angle of 5º. Then, in the fourth part, the new algorithm was tested on ALS and TLS data from the Matane Reserve, Quebec. As the fifth and final installment, we explore in detail the evaluation of the IST methods, and especially the grouping of foliage to better understand the causes and limits of measured errors. The density of foliage within crowns is an important factor in the underestimation of the LAI with the CCL method and the size of the segments with the LX based methods determines the number of segments without holes where the logarithmic mean is a problem. In addition, the difficulty in measuring the LAI at nadir has been demonstrated with ALS, suggesting that the LAI should be estimated at angles near 57.3º for both field data (HP and TLS) and airborne data (ALS).
| Identifer | oai:union.ndltd.org:usherbrooke.ca/oai:savoirs.usherbrooke.ca:11143/5429 |
| Date | January 2014 |
| Creators | Leblanc, Sylvain |
| Contributors | Fournier, Richard |
| Publisher | Université de Sherbrooke |
| Source Sets | Université de Sherbrooke |
| Language | French |
| Detected Language | French |
| Type | Thèse |
| Rights | © Sylvain Leblanc |
Page generated in 0.0019 seconds