Joint Use of PROSAIL and DART for Fast LUT Building: Application to Gap Fraction and Leaf Biochemistry Estimations over Sparse Oak Stands
Utilisation jointe de PROSAIL et DART pour la construction rapide de LUT : application à l'estimation de la fraction de trous et de la biochimie folaire d'une savanne boisée
Résumé
Gap Fraction, leaf pigment contents (content of chlorophylls a and b (Cab) and carotenoids content (Car)), Leaf Mass per Area (LMA), and Equivalent Water Thickness (EWT) are considered relevant indicators of forests’ health status, influencing many biological and physical processes. Various methods exist to estimate these variables, often relying on the extensive use of Radiation Transfer Models (RTMs). While 3D RTMs are more realistic to model open canopies, their complexity leads to important computation times that limit the number of simulations that can be considered; 1D RTMs, although less realistic, are also less computationally expensive. We investigated the possibility to approximate the outputs of a 3D RTM (DART) from a 1D RTM (PROSAIL) to generate in very short time numerous extensive Look-Up Tables (LUTs). The intrinsic error of the approximation model was evaluated through comparison with DART reference values. The model was then used to generate LUTs used to estimate Gap Fraction, Cab, Car, EWT, and LMA of Blue Oak-dominant stands in a woodland savanna from AVIRIS-C data. Performances of the approximation model for estimation purposes compared to DART were evaluated using Wilmott’s index of agreement (dr), and estimation accuracy was measured with coefficients of determination (R2) and Root Mean Squared Error (RMSE). The low approximation error of the proposed model demonstrated that the model could be considered for canopy covers as low as 30%. Gap Fraction estimations presented similar performances with either DART or the approximation (dr 0.78 and 0.77, respectively), while Cab and Car showed improved performances (dr increasing from 0.65 to 0.77 and 0.34 to 0.65, respectively). No satisfying estimation methods were found for LMA and EWT using either models, probably due to the high sensitivity of the scene’s reflectance to Gap Fraction and soil modeling at such low LAI. Overall, estimations using the approximated reflectances presented either similar or improved accuracy. Our findings show that it is possible to approximate DART reflectances from PROSAIL using a minimal number of DART outputs for calibration purposes, drastically reducing computation times to generate reflectance databases: 300,000 entries could be generated in 1.5 h, compared to the 12,666 total CPU hours necessary to generate the 21,840 calibration entries with DART.
La fraction d'espacement, la teneur en pigment des feuilles (teneur en chlorophylles a et b (C ab), la teneur en caroténoïdes (voiture)), la masse foliaire par zone (LMA) et l'épaisseur équivalente de l'eau (EWT) sont considérées comme des indicateurs pertinents de l'état de santé des forêts, influençant de nombreux processus biologiques et physiques. Diverses méthodes existent pour estimer ces variables, en s'appuyant souvent sur l'utilisation extensive des modèles de transfert de rayonnement (RTM). Alors que 3D RTM est plus réaliste pour modéliser des auvents ouverts, leur complexité conduit à des temps de calcul importants qui limitent le nombre de simulations qui peuvent être envisagées; Les RTM 1D, bien que moins réalistes, sont également moins coûteux en termes de calcul. Nous avons étudié la possibilité d'approximer les sorties d'un RTM 3D à partir d'un RTM 1D, afin de pouvoir générer en très peu de temps de nombreuses tables de consultation étendues (LUT). Nous avons ensuite utilisé la LUT résultante pour estimer la fraction d'espace, la cabine, la voiture, l'EWT et la LMA à partir des images AVIRIS-C d'une savane boisée (site moyen LAI <1) à une résolution spatiale de 18 m. Nous avons conclu qu'il était possible d'approximer les résultats 3D RTM (DART) en utilisant un nombre minimal de ses sorties à des fins d'étalonnage, réduisant considérablement le temps de construction de LUT car 300 000 entrées pouvaient être générées en 1,5 heure par rapport aux 12 666 heures CPU totales nécessaires pour générer les 21 840 entrées d'étalonnage avec DART. Nous avons montré que même si les estimations de la fraction d'écart ne bénéficiaient pas d'un schéma d'échantillonnage LUT affiné (RMSE = 0,1; R2 = 0,78), les précisions des estimations C ab et Car étaient considérablement améliorées (RMSE = 4,14 μg / cm 2; R2 = 0,73 et RMSE = 1,05 μg / cm 2; R 2 = 0,52, respectivement). Aucune méthode d’estimation satisfaisante n’a été trouvée pour le LMA et l’EWT, probablement en raison de la sensibilité élevée de la réflectance de la scène à la fraction d’écart et de la réflectance du sol à un LAI aussi bas.