Pourcentage des premiers retours au-dessus de la hauteur moyenne (2015)

Pourcentage des premiers retours au-dessus de la hauteur moyenne 2015

Pourcentage des premiers retours au-dessus de la hauteur moyenne (%). Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Représente la densité du couvert au-dessus de la hauteur moyenne du couvert. Des produits relatifs à la structure des écosystèmes forestiers du Canada ont été créés et rendus accessibles à tous. Les produits partagés sont fondés sur des données scientifiques examinées par des pairs et relient des aspects de la structure de la forêt, notamment : (i) des mesures calculées directement à partir du nuage de points lidar avec des hauteurs normalisées par rapport à la surface du sol (p. ex. densité, hauteur du couvert) et (ii) des attributs d'inventaire modélisés, obtenus selon une approche fondée sur la superficie et produits à partir de données de placettes au sol et de balayage par laser aéroporté (volume, biomasse). Les estimations de la structure forestière ont été générées en combinant l'information provenant des « parcelles lidar » (Wulder et coll., 2012) avec les composites à base de pixels Landsat (White et al. 2014; Hermosilla et al. 2016 ) en utilisant l'imputation selon la méthode du plus proche voisin avec une mesure de distance basée sur les forêts aléatoires. Ces produits ont été créés pour répondre aux besoins d'information de la surveillance stratégique des forêts et ne sont pas destinés à appuyer la gestion opérationnelle des forêts. Tous les produits ont une résolution spatiale de 30 m. Pour une description détaillée des données, des méthodes appliquées et des résultats de l'évaluation de la précision, Matasci et al. (2018). Matasci, G., Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W., Bolton, D.K., Tompalski, P., Bater, C.W., 2018b. Three decades of forest structural dynamics over Canada's forested ecosystems using Landsat time-series and lidar plots. Remote Sensing of Environment 216, 697-714. Matasci et al. 2018)