Estimation of standing dead tree class distributions in northwest coastal forests using lidar remote sensing

Authors: Bater, Christopher W.; Coops, Nicholas C.; Gergel, Sarah E.; LeMay, Valerie; Collins, Denis

Source: Canadian Journal of Forest Research, Volume 39, Number 6, June 2009 , pp. 1080-1091(12)

Publisher: NRC Research Press

Buy & download fulltext article:

OR

Price: $50.00 plus tax (Refund Policy)

Abstract:

The amount and variability of living and dead wood in a forest stand are important indicators of forest biodiversity, as it relates to structural heterogeneity and habitat availability. In this study, we investigate whether light detection and ranging (lidar) can be used to estimate the distribution of standing dead tree classes within forests. Twenty-two field plots were established in which each stem (DBH>10cm) was assigned to a wildlife tree (WT) class. For each plot, a suite of lidar-derived predictor variables were extracted. Ordinal regression using a negative log–log link function was then employed to predict the cumulative proportions of stems within the WT classes. Results indicated that the coefficient of variation of the lidar height data was the best predictor variable (2 = 106.11, p< 0.00; Wald = 4.83, p = 0.028). The derived relationships allowed for the prediction of the cumulative proportion of stems within WT classes (r = 0.90, RMSE= 6.0%) and the proportion of dead stems within forest plots (r = 0.61, RMSE = 16.8%). Our research demonstrates the capacity of lidar remote sensing to estimate the relative abundances of standing living and dead trees in forest stands and its ability to characterize vegetation structure across large spatial extents.

La quantité et la variabilité du bois vivant et du bois mort sont d’importants indicateurs de la biodiversité forestière étant donné leurs relations avec l’hétérogénéité structurale et la disponibilité d’habitats. Dans cette étude, nous examinons si le lidar peut être utilisé pour estimer la distribution des classes d’arbres morts debout dans les forêts. Vingt-deux placettes au sol ont été établies dans lesquelles chaque tige (DHP > 10 cm) a été assignée à une classe d’arbres fauniques. Une suite de variables indépendantes dérivées du lidar ont été extraites pour chaque placette. Une régression ordinale utilisant une fonction lien log-log négative a ensuite été utilisée pour prédire la proportion cumulative de tiges dans les classes d’arbres fauniques. Les résultats indiquent que le coefficient de variation des données de hauteur obtenues avec le lidar est la meilleure variable indépendante (2 = 106,11, p < 0,00; Wald = 4,83, p = 0,028). Les relations qui ont été dérivées ont permis de prédire la proportion cumulative des tiges dans les classes d’arbres fauniques (r = 0,90, EQM = 6,0%) et la proportion de tiges mortes dans les placettes en forêt (r = 0,61, EQM = 16,8%). Nos travaux de recherche démontrent la capacité de la télédétection avec le lidar à estimer l’abondance relative des arbres vivants et des arbres morts dans les peuplements forestiers et sa capacité à caractériser la structure de la végétation sur de vastes étendues spatiales.

Document Type: Research Article

Publication date: June 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
  • ingentaconnect is not responsible for the content or availability of external websites
Related content

Tools

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

Text size:

A | A | A | A
Share this item with others: These icons link to social bookmarking sites where readers can share and discover new web pages. print icon Print this page