Infodoc : Sciences, Techniques et Culture

Le lidar (Light detection and ranging) est une technologie prometteuse pour pallier les difficultés des inventaires de terrain en forêt tropicale. Nous testons différentes stratifications des forêts pour quatre sites en Guyane française selon la relation entre surface terrière obtenue par inventaire de terrain et hauteur de canopée extraite du lidar. Les indices de texture extraits des données lidar permettent de retrouver les groupes effectués par stratification avec des variables de structure forestière. Cette stratification permet d’améliorer légèrement les prédictions de surface terrière par rapport à un modèle général (sans stratification préalable). Cette faible amélioration pourrait être due à de l’hétérogénéité dans les parcelles. Cependant, effectuer une stratification [...]

Le lidar (Light detection and ranging) est une technologie prometteuse pour pallier les difficultés des inventaires de terrain en forêt tropicale. Nous testons différentes stratifications des forêts pour quatre sites en Guyane française selon la relation entre surface terrière obtenue par inventaire de terrain et hauteur de canopée extraite du lidar. Les indices de texture extraits des données lidar permettent de retrouver les groupes effectués par stratification avec des variables de structure forestière. Cette stratification permet d’améliorer légèrement les prédictions de surface terrière par rapport à un modèle général (sans stratification préalable). Cette faible amélioration pourrait être due à de l’hétérogénéité dans les parcelles. Cependant, effectuer une stratification au préalable est robuste et ouvre la voie à la prédiction de biomasse par données lidar.
In tropical forests, where field inventories are complicated, Light Detection And Ranging (LiDAR) technology is a promising alternative to improve biomass predictions. We test different stratifications of forests for four sites in French Guiana according to the relationship between basal area achieved by field inventory and mean canopy height derived from LiDAR data. Textural features extracted from LiDAR data are able to find groups performed with stratification by forest structure variables. This stratification improves slightly the predictions of basal area compared to a general model (without prior stratification). This weak improvement may be the result of the heterogeneity in the plots. However, making a prior stratification is robust and paves the way for biomass prediction from LiDAR data.