The transferability of airborne laser scanning based tree-level models between different inventory areas

In this paper, we examine the transferability of airborne laser scanning (ALS) based models for individual-tree detection (ITD) from one ALS inventory area (A1) to two other areas (A2 and A3). All areas were located in eastern Finland less than 100 km from each other and were scanned using different ALS devices and parameters. The tree attributes of interest were diameter at breast height (Dbh), height (H), crown base height (Cbh), stem volume (V), and theoretical sawlog volume (Vlog) of Scots pine (Pinus sylvestris L.) with Dbh [greater than or equal to] 16 cm. All trees were first segmented from the canopy height models, and various ALS metrics were derived for each segment. Then only the segments covering correctly detected pines were chosen for further inspection. The tree attributes were predicted using the k-nearest neighbor (k-NN) imputation. The results showed that the relative root mean square error (RMSE%) values increased for each attribute after the transfers. The RMSE% values were, for A1, A2, and A3, respectively: Dbh, 13.5%, 14.8%, and 18.1%; H, 3.2%, 5.9%, and 6.2%; Cbh, 13.3%, 15.3%, and 18.3%; V, 29.3%, 35.4%, and 39.1%; and Vlog, 38.2%, 54.4% and 51.8%. The observed values indicate that it may be possible to employ ALS-based tree- level k-NN models over different inventory areas without excessive reduction in accuracy, assuming that the tree species are known to be similar. Key words: airborne laser scanning, individual-tree detection, k-nearest neighbor, k-NN, transferability. Dans cet article, nous examinons la transferabilite des modeles fondes sur le balayage laser aeroporte (BLA) pour la detection d'arbres individuels (DAI) d'une zone inventoriee par BLA (Z1) a deux autres zones (Z2 et Z3). Toutes les zones etaient situees dans l'est de la Finlande, a moins de 100 km les unes des autres, et ont ete numerisees a l'aide de differents dispositifs et parametres de BLA. Les attributs pertinents des arbres etaient le diametre a hauteur de poitrine (DHP), la hauteur (H), la hauteur de la base de la cime (HBC), le volume de la tige (V) et le volume theorique des billes de sciage (VSci) dans le tronc de pins sylvestres (Pinus sylvestris L.) avec un DHP [greater than or equal to] 16 cm. Tous les arbres ont d'abord ete delimites a partir des modeles de hauteur du couvert forestier et diverses metriques du BLA ont ete derivees pour chaque cime identifiee. Puis, seules les cimes correctement detectees comme des pins ont ete choisies pour la suite des evaluations. Les attributs de l'arbre ont ete predits a l'aide de l'imputation des k-plus proches voisins (k-PPV). Les resultats ont montre que les erreurs quadratiques moyennes augmentaient pour chaque attribut apres les transferts avec respectivement pour Z1, Z2 et Z3 : DHP, 13,5 /14,8 /18,1 %; H, 3,2 / 5,9 / 6,2 %; HBC, 13,3 /15,3 / 18,3 %; V, 29,3 / 35,4 / 39,1 %; et VSci, 38,2 / 54,4 / 51,8 %. Les valeurs observees indiquent qu'il est possible d'utiliser des modeles k-PPV, fondes sur un BLA a l'echelle de l'arbre, sur differentes zones d'inventaire sans reduction excessive de la precision, a condition que l'espece d'arbre soit reconnue comme similaire. [Traduit par la Redaction] Mots-cles : balayage laser aeroporte, detection d'arbres individuels, k-plus proches voisins, k-PPV, transferabilite.
Introduction Airborne laser scanning (ALS) has proven to be very useful in forest inventories (e.g., Vauhkonen et al. 2014a). The two main approaches for deriving forest information from ALS data [...]