Skip to main content

Estimating Quebec provincial forest resources using ICESat/GLAS

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

Ground plots, airborne profiling and space lidar (light detection and ranging) measurements of canopy height and crown closure, space radar topographic data, a Landsat cover type map, and a vegetation zone map were used in a model-assisted, two-phase sampling design to estimate the aboveground biomass and carbon resources of Quebec. It was determined that a simple random sampling estimator, with covariance terms added, could be used to quantify the variability of regional Geoscience Laser Altimeter System (GLAS) biomass estimates where interorbit distances are, on average,≥15km apart. Prediction error increased standard errors, on average, 24.4%, 4.6%, and 2.8% at the cover type, vegetation zone, and provincial levels, respectively. Inclusion of the covariance term in the calculation of grouped cover type variances increased the vegetation zone standard errors up to 3.7 times and the provincial standard errors 15.6 times. In the southern commercial forests of Quebec, GLAS underestimated ground-based biomass values by 7.3% (stratified linear model) and 10.2% (nonstratified linear model). Quebec forests support 2.57± 0.33 gigatonnes of carbon (nonstratified linear model). Approximately 25% of that carbon was found to be located in two southern vegetation zones (northern hardwood and mixedwood), another 25% in two northern vegetation zones (taiga and treed tundra), and the remaining 50% in the boreal zone.

Des parcelles d’inventaire au sol, des mesures de hauteur de la canopée et de la densité du couvert obtenues avec un lidar profileur aéroporté et un lidar spatioporté, des données topographiques provenant d’un radar spatial, une carte du type de couvert Landsat et une carte des zones de végétation sont utilisées dans une méthode d’échantillonnage en deux phases assistée par un modèle pour estimer la biomasse aérienne et les ressources en carbone du Québec. Un estimateur par échantillonnage aléatoire simple, avec l’ajout des termes de covariance, peut être utilisé pour quantifier la variabilité des estimations régionales de biomasse GLAS avec une distance moyenne ≥15km entre les orbites. L’erreur de prédiction augmente les erreurs-types, en moyenne, de respectivement 24,4%, 4,6% et 2,8% à l’échelle du type de couvert, de la zone de végétation et de la province. L’inclusion du terme de covariance dans le calcul de la variance des types de couvert regroupés augmente l’erreur-type de la zone de végétation jusqu’à 3,7 fois et celle de la province jusqu’à 15,6 fois. Dans la portion sud des forêts commerciales du Québec, GLAS sous-estime les valeurs de biomasse mesurées au sol par 7,3% (modèle linéaire stratifié) et 10,2% (modèle linéaire non stratifié). Les forêts du Québec supportent 2,57 ± 0,33gigatonnes de carbone (modèle linéaire non stratifié). Approximativement 25% de ce carbone est situé dans deux zones de végétation du sud (forêt décidue et forêt mélangée), un autre 25% se retrouve dans deux zones de végétation du nord (taïga et toundra forestière) et le 50% qui reste est dans la zone boréale continue.

Document Type: Research Article

Publication date: April 1, 2009

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
nrc/cjfr/2009/00000039/00000004/art00016
dcterms_title,dcterms_description,pub_keyword
6
5
20
40
5

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more