L’effet de variables photo-interprétées sur l’estimation du volume commercialisable à l’échelle du peuplement dans la province du Québec.

Context

The Quebec forest inventory is currently carried out using a stratified sampling design. Aerial photos of a target Forest Management Unit (FMU) are first taken. The areas of such FMU’s vary between 160 km2 and 27,000 km2. Photo-interpreters divide the territory into homogeneous polygons and, for each of those polygons, estimate the value of specific biological and physical variables. Once the photo-interpretation is completed, polygons with similar photo-interpreted characteristics are grouped into strata. There can be more than 1000 strata in a FMU. The stratification is used to direct the field inventory in which 400 m2 plots are established in stratum and in which forest properties such as basal area and merchantable volume per species are measured. The target sample size is of 15 per stratum, but only a fraction of the plots required can be established within the target FMU. Several plots are therefore recruited from other FMU’s or from previous inventories through heuristic rules. Plots are assigned to strata, and strata-level forest properties are imputed from plot averages. Field measurements are taken in the sampled plots such as the basal area and wood volume by species.

As can be seen from the synthetic description of the current forest inventory practice in Québec, the photo-interpreted variables are used only for constructing the strata. Can they be used to estimate the stand-level merchantable total and by species volume?

Objectives

Primary objective

The primary objective is to predict the total stand-level merchantable volume using the information from photo-interpreted, climatic, geographical and ecological classification variables.

Secondary objectives

It is also of interest to learn the following:

How the explicative variables can be used to predict the hardwood and softwood total volume?
How the explicative variables can be used to predict each of the species’ volume?

Research Question

Dans quelle mesure est-ce que les variables photo-interprétées expliquent le volume commercialisable total au niveau du peuplement et le volume de bois par espèce?

Variables

Variables explicatives potentielles:

Groupe	Num	Nom	Unités	Description
	1	ID _ PET _ MES		Identifiant temporaire du lot
	2	Tenure	0/1	0=Terrain public, 1=Terrain privé
Photo-interpretées	3	Pert	0/1	0 = Lot distribué, 1 = Lot non distribué
	4	h _ moy	m	Hauteur du peuplement
	5	pct _ couv	%	Densité du peuplement exprimée comme la proportion de la surface du lot occupée par la projection de la couronne de l’arbre sur le terrain.
	6	pct _ RES	%	Type de forêt exprimé comme la proportion de la surface terrière occupée par les résineux.
	7	Pct _ EB	%	Proportion de la surface terrière occupée par l’épinette blanche
	8	Pct _ EN	%	Proportion de la surface terrière occupée par l’épinette noire
	9	Pct _ EP	%	Proportion de la surface terrière occupée par les Epicéas Rouge et Noir.
	10	Pct _ ML	%	Proportion de la surface terrière occupée par Tamarack
	11	Pct _ PG	%	Proportion de la surface terrière occupée par le pin gris
	12	Pct _ RX	%	Proportion de la surface terrière occupée par les résineux indéterminé
	13	Pct _ SB	%	Proportion de la surface terrière occupée par le sapin baumier
	14	Pct _ SE	%	Proportion de la surface terrière occupée par le sapin baumier et l’épinette blanche
	15	Pct _ TO	%	Proportion de la surface terrière occupée par cèdre blanc
	16	Pct _ BJ	%	Proportion de la surface terrière occupée par le bouleau jaune
	17	Pct _ BP	%	Proportion de secteur basal occupé par Bouleau Blanc
	18	Pct _ EO	%	Proportion of basal area occupied by Red Maple
	19	Pct _ ER	%	Proportion de secteur basal occupé par Érable Rouge
	20	Pct _ ES	%	Proportion de secteur basal occupé par Érable de Sucre
	21	Pct _ FI	%	Proportion de secteur basal occupé par bois durs intolérants
	22	Pct _ FH	%	Proportion de secteur basal occupé par bois durs sur stations humides
	23	Pct _ FN	%	Proportion de secteur basal occupé par espèce d’arbres non commercialisables
	24	Pct _ FO	%	Proportion de secteur basal occupé par Cendre Noire
	25	Pct _ FT	%	Proportion de secteur basal occupé par bois durs tolérants
	26	Pct _ FX	%	Proportion de secteur basal occupé par bois durs indéterminés
	27	Pct _ PE	%	Proportion de secteur basal occupé par Peupliers
	28	Age _ moy	Year	Age moyen de la classe
	29	Age _ structure	0/1	0=même age, 1=âge différent
	30	Dep _ epais	cm	Épaisseur de depot modale
	31	Drainage		Indice de Drainage
Climatiques	32	Deg _ jr	°C	Température du jour en degrés
	33	Ptot	mm	Précipitation annuelle totale moyenne
	34	Aridite	cm	Indice d’aridité
Géographiques	35	latitude	° decimal	Latitude
	36	longitude	° decimal	Longitude
	37	ALTITUDE	m	Altitude
	38	PENTE	%	Pente
	39	EXPOSITION	°	Aspect
	40	potentiel		Indice de la productivité potentielle du site
	41	topex		Indice d’exposition au vent
Ecological Land Classification Hierarchy	42	sous _ dom		Sous-domaine bioclimatique
	43	reg _ ecol		Région
	44	sous _ reg		Sous région
	45	unit _ pays		Paysage régional
	46	dist _ eco		Terre distincte

Variables dépendantes:

Num	Nom	Unités	Description
1	ID _ PET _ MES		Identificateur temporaire de la parcelle
2	V _ BJ	m3/ha	Volume de Bouleau Jaune
3	V _ BP	m3/ha	Volume de Bouleau Blanc
4	V _ EB	m3/ha	Volume de Sapin Blanc
5	V _ SB	m3/ha	Volume de Sapin Baumier
6	V _ TO	m3/ha	Volume de Cèdre blanc Oriental
7	V _ PE	m3/ha	Volume de peupliers
8	V _ EP	m3/ha	Sapin Noir et volume de Sapin Rouge
9	V _ FEU	m3/ha	Volume de bois dur
10	V _ RES	m3/ha	Volume de bois tendre
11	V _ TOT	m3/ha	Volume Total

Data Access

Un jeu de données de pratique avec 5479 parcelles est disponible pour construire les différents modèles. Ce jeu de données inclut toutes les variables photo-interprétées et quelques variables géophysiques et climatiques. Le volume total dans chaque parcelle est aussi disponible. La prédiction de volumes doit être faite pour les parcelles incluses dans le jeu de données test (UAF=012-54 avec 1214 parcelles).

References

Bernier PY, Guindon L, Kurz WA, Stinson G. Reconstructing and modelling 71 years of forest growth in a Canadian boreal landscape: testing the CBM-CF3 carbon accounting model. Canadian Journal of Forest Research [In review].
Borders BE, Harrison WM,Clutter ML, Shiver BD, Souter RA. The value of timber inventory information for management planning. Canadian Journal of Forest Research 2008, 38: 2287 – 2294.
Coulombe S, Bernier PY, Raulier F. Uncertainty in detecting climate change impact on the projected yield of black spruce (Picea mariana). Forest Ecology and Management 2009 [In press].
Franco-Lopez H, Ek AR, Bauer ME. Estimation and mapping of forest stand density, volume, and cover type using the k-nearest neighbors method. Remote Sensing of Environment 2001, 77: 251 – 274.
Gjertsen AK, Tomppo E, Erkki, Tomter S. National forest inventory in Norway: using sample plots, digital maps, and satellite images. Proceedings of the International Geoscience and Remote Sensing Symposium (IGARSS) 2 1999, 729 – 731.
Lemay V, Temesgen H. Comparison of nearest neighbour methods for estimating basal area and stems per hectare using auxiliary variables. Forest Science 2005, 51: 109 – 119.
McRoberts RE, Nelson MD, Wendt DG. Stratified estimation of forest area using satellite imagery, inventory data and the k-nearest neighbors technique. Remote Sensing of Environment 2002, 82: 457 – 468.
McRoberts RE, Tomppo E, Finlay AO, Heikkine J. Estimating areal means and variances of forest attributes using the k-nearest neighbors technique and satellite imagery. Remote Sensing of Environment 2007, 111: 466 – 480.
McRoberts RE. A two-step nearest neighbors algorithm using satellite imagery for predicting forest structure within species composition class. Remote Sensing of Environment 2009, 113: 532 – 545.
Miranda M, Ung C-H, Guindon L, Condal A, Bernier P, Beaudoin A, Patry A. A simple Mahalanobis distance in the kNN method using aerial photograph for predicting stand table in a boreal mixed forest. In R Fournier and R McRoberts (editors) Extended forest inventory. Proceedings of the IUFRO- Division 4 Conference, Quebec City, 19 – 22 May 2009, 5 p.
Temesgen H, Lemay VM, Froese KL, Marshall PL. Imputing tree lists from areal attributes for complex stands of south-eastern British Columbia. Forest Ecology and Management 2003, 177: 277 – 285.
Tomppo E. Recent status and further development in the Finnish multi-source inventory. Lectures given at the 1997 Marcus Wallenburg Prize Symposium, Stockholm, Sweden, 14 October 1997, pp. 53 – 68.
Tomppo E, Goulding C, Katila M. Adapting Finnish multi-source forest inventory techniques to the New Zealnd preharvest inventory. Scandinavian Journal of Forest Research 1999, 14: 182 – 192.
Tomppo E, Korhonen KT, Heikkinen J, Yli-Kojola H. Multi-source inventory of the forests of the Hebei Forestry Bureau, Heilongjiang, China. Silva Fennica 2001, 35: 309 – 328.
Tuominen S and Pekkarinen A. Performance of different spectral and textural aerial photograph features in multi-source forest inventory. Remote Sensing of Environment 2004, 94: 256 – 268.