Potential of High-Density LiDAR Data for the Characterization of Acacia mearnsii Wood Energy Resource in Réunion Island

Xia Zhong. 2023. Potential of High-Density LiDAR Data for the Characterization of Acacia mearnsii Wood Energy Resource in Réunion Island. Nancy : Université de Lorraine, 38 p. Mémoire de master 2 : Agronomie, environnement, territoires, paysage et forêt (AETPF) : Université de Lorraine

Encadrement : Tran, Annelise ; Durrieu, Sylvie ; De Boissieu, Florian ; Alleaume, Samuel

Résumé : Réunion Island has started a series plans for energy transition, aiming to devolop local wood energy sectors and Acacia mearnsii has been identified as the main potential species. In this context, Project BECARUN was proposed, that aims to a comprehensive Acacia mearnsii wood energy resource inventory based on high-density airbome LiDAR data. However, the significant challenge lies in this work is caused by the highly complex forest stand types, where a lot of Acacia mearnsii inclined due to the successive tropical storm. Thus, this study aims to explore the methods of high-density LiDAR data for characterizing tree inclination in order to improve the accuracy of forest attributes (volume and basal area) estimation. Various LiDAR metrics were extracted, and 11 linear regression models were established using ABA approach, for comparing their performances. At last, thematical maps for resources prediction and stand types were produced. In a conclusion, this study proved that tree inclination can significantly influence the accuracy of forest attributes estimation, and by incorporating LiDAR-based inclination information, this accuracy declination can be mitigated. And eventually, LiDAR's great potential for characterizing complex forest stands has been evident.

Résumé (autre langue) : L'île de la Réunion a lancé une série de plans pour la transition énergétique, visant à développer les secteurs de l'énergie locale à base de bois, et !'Acacia mearnsii a été identifié comme l'espèce principale à fort potentiel. Dans ce contexte, le projet BECARUN a été proposé, visant à réaliser un inventaire complet des ressources énergétiques en bois d'Acacia mearnsii basé sur des données LiDAR aéroportées à haute densité. Cependant, le défi majeur de ce travail est causé par les types de peuplements forestiers extrêmement complexes, où de nombreux Acacia mearnsii sont inclinés en raison des tempêtes tropicales successives. Ainsi, cette étude vise à explorer les méthodes des données LiDAR à haute densité pour caractériser l'inclinaison des arbres afin d'améliorer la précision de l'estimation des attributs forestiers (volume et surface terrière). Diverses métriques LiDAR ont été extraites et 11 modèles de régression linéaire ont été établis en utilisant l'approche ABA, pour comparer leurs performances. Enfin, des cartes thématiques pour la prédiction des ressources et les types de peuplements ont été produites. En conclusion, cette étude a démontré que l'inclinaison des arbres peut influencer significativement la précision de l'estimation des attributs forestiers, et en incorporant les informations d'inclinaison basées sur le LiDAR, cette diminution de précision peut être atténuée. Et finalement, le grand potentiel du LiDAR pour caractériser les peuplements forestiers complexes a été évident.

Mots-clés libres : LiDAR, Forest inventory, Forest characterization, Area-based approach

Auteurs et affiliations

• Xia Zhong, Université de Lorraine (FRA)

Source : Cirad-Agritrop (https://agritrop.cirad.fr/607651/)

Métriques

[ Page générée et mise en cache le 2024-01-24 ]