| Summary: | Long-term satellite remote sensing data, when properly calibrated and validated against ground monitoring, could provide valuable data sets for assessing climate change impacts on ecosystems, wildlife, and other important aspects of life in the Arctic. Percent plant cover is ideal for seasonal and long-term ground monitoring because it can be observed non-destructively and is closely related to other key ecosystem variables, such as biomass and leaf area index (LAI). Accurately measuring percent plant cover in the Arctic, however, has been a challenge. Advances in digital photography and imageprocessing techniques have provided the potential to measure vegetation cover accurately. In this paper we report an adapted method for quantifying percent plant cover based on plot digital photograph classification (PDPC). In this digital image analysis, the red, green, and blue image channels and the intensity, hue, and saturation image channels were used together to ensure more accurate cover measurement and labeling of plant species. We evaluated the accuracy of the PDPC method and two other techniques, visual estimate and digital grid overlay, by testing against artificial plots with known percent cover, by comparing with destructively measured LAI, and by comparing results of the three methods. Our evaluation indicates that the PDPC method is the most accurate. In addition, PDPC has the advantages of being objective, quick in the field, and suitable for measuring percent plant cover in the Arctic at the level of functional types or species groups. Lorsqu'elles sont bien calibrées et qu'elles sont validées contre le dépistage terrestre, les données résultant de la télédétection satellitaire à long terme pourraient fournir d'importants ensembles de données en vue de l'évaluation des incidences du changement climatique sur les écosystèmes, la faune et d'autres aspects-clés de la vie dans l'Arctique. Le pourcentage de couverture végétale est idéal pour le dépistage saisonnier et le dépistage terrestre à long terme parce qu'il peut être observé sans qu'il n'y ait de destruction et parce qu'il est étroitement lié à d'autres variables-clés se rapportant aux écosystèmes, comme la biomasse et l'indice de surface foliaire (ISF). Toutefois, dans l'Arctique, la mesure exacte du pourcentage de couverture végétale représente un défi. Les progrès réalisés dans les domaines de la photographie numérique et des techniques de traitement d'images fournissent la possibilité de mesurer la couverture végétale avec précision. Dans cette communication, nous faisons état d'une méthode adaptée permettant de quantifier le pourcentage de couverture végétale en fonction de la classification de photographies numériques de parcelles. Dans le cadre de l'analyse d'images numériques, les canaux rouges, verts et bleus des images ainsi que les canaux d'intensité, de tonalité et de saturation des images ont été utilisés pour donner lieu à la mesure plus exacte de la couverture végétale et à l'étiquetage des espèces végétales. Nous avons évalué l'exactitude de la méthode de classification de photographies numériques de parcelles de même que celle de deux autres techniques, soit l'estimation visuelle et la superposition de grilles numériques en faisant des essais à la lumière de parcelles artificielles dont le pourcentage de couverture végétale était connu et en les comparant avec des ISF mesurés de manière destructive, puis en comparant les résultats des trois méthodes. Selon notre évaluation, la méthode consistant en la classification de photographies numériques de parcelles PDPC est la plus précise. La classification de photographies numériques de parcelles a également l'avantage d'être objective, d'être rapide sur le terrain et de se prêter à la mesure du pourcentage de couverture végétale dans l'Arctique en ce qui a trait aux types fonctionnels ou aux groupements d'espèces.
|
|---|