Estimating leaf mass per area and equivalent water thickness based on leaf optical properties: potential and limitations of physical modeling and machine learning

Autor: Gabriel Hmimina, Albert Porcar-Castell, Sylvain Jay, G. Le Maire, Yann Nouvellon, Christophe Proisy, A. Cheraiet, Ryad Bendoula, Jérôme Chave, J.C. Oliveira, M.-J. Lefevre-Fonollosa, F. de Boissieu, Jean-Philippe Gastellu-Etchegorry, Daniel Berveiller, Twinkle Solanki, Jean-Baptiste Féret, Flávio Jorge Ponzoni, Kamel Soudani
Přispěvatelé: Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Universidade Estadual de Campinas = University of Campinas (UNICAMP), Ecologie fonctionnelle et biogéochimie des sols et des agro-écosystèmes (UMR Eco&Sols), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut de Recherche pour le Développement (IRD)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Département Performances des systèmes de production et de transformation tropicaux (Cirad-PERSYST), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), Institut FRESNEL (FRESNEL), Aix Marseille Université (AMU)-École Centrale de Marseille (ECM)-Centre National de la Recherche Scientifique (CNRS), Ecologie Systématique et Evolution (ESE), Université Paris-Sud - Paris 11 (UP11)-AgroParisTech-Centre National de la Recherche Scientifique (CNRS), Information – Technologies – Analyse Environnementale – Procédés Agricoles (UMR ITAP), Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut Agro - Montpellier SupAgro, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Instituto Nacional de Pesquisas Espaciais (INPE), Institute for Atmospheric and Earth System Research (INAR), Helsingin yliopisto = Helsingfors universitet = University of Helsinki, Evolution et Diversité Biologique (EDB), Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS), Botanique et Modélisation de l'Architecture des Plantes et des Végétations (UMR AMAP), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [France-Sud]), Institut Français de Pondichéry (IFP), Ministère de l'Europe et des Affaires étrangères (MEAE)-Centre National de la Recherche Scientifique (CNRS), Centre National d'Études Spatiales [Toulouse] (CNES), TOSCA program grant of the French Space Agency (CNES) (HyperTropik project), International Network for Terrestrial Research and Monitoring in the Arctic (INTERACT project), CAPES, EUCFLUX project of Forestry Science and Research Institute (IPEF), SOERE F-ORE-T, ANAEE-F, (CEBA: ANR-10-LABX-25-01), (ANAEE-France: ANR-11-INBS-0001), Ecofor, Allenvi, ANR-10-LABX-0025,CEBA,CEnter of the study of Biodiversity in Amazonia(2010), ANR-11-INBS-0001,ANAEE-FR,ANAEE-Services(2011), Institut National de la Recherche Agronomique (INRA)-Institut de Recherche pour le Développement (IRD)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), SEG-CEMUC, Université de Coimbra, Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS), University of Helsinki, Centre National de la Recherche Scientifique (CNRS)-Ministère de l'Europe et des Affaires étrangères (MEAE), ANR: 10-LABX-0025,CEBA,CEnter of the study of Biodiversity in Amazonia(2010), ANR: 11-INBS-0001,ANAEE-FR,ANAEE-Services(2011), University of Campinas [Campinas] (UNICAMP), Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut de Recherche pour le Développement (IRD)-Institut National de la Recherche Agronomique (INRA), Centre National de la Recherche Scientifique (CNRS)-École Centrale de Marseille (ECM)-Aix Marseille Université (AMU), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées, Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [France-Sud])-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Centre National de la Recherche Scientifique (CNRS)-AgroParisTech-Université Paris-Sud - Paris 11 (UP11), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS), Institut de Recherche pour le Développement (IRD [France-Sud])-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS), ANR-10-LABX-25-01/10-LABX-0025,CEBA,CEnter of the study of Biodiversity in Amazonia(2010)
Rok vydání: 2019
Předmět:
Support vector machine
010504 meteorology & atmospheric sciences
0208 environmental biotechnology
Radiative transfer model
02 engineering and technology
computer.software_genre
01 natural sciences
Shortwave infrared
[STAT.ML]Statistics [stat]/Machine Learning [stat.ML]
MODELING
Biomasse
apprentissage machine
OPTICAL PROPERTIES
ComputingMilieux_MISCELLANEOUS
Mathematics
Leaf spectroscopy
U10 - Informatique
mathématiques et statistiques
Indice de surface foliaire
Prévention des incendies
Geology
Regression analysis
VEGETAÇÃO
Biophysical properties
Informatique
Reflectivity
Propriété optique
MACHINE LEARNING
RISK MANAGEMENT
F40 - Écologie végétale
Spectroscopie infrarouge
Soil Science
Machine learning
fire hazards [EN]
Atmospheric radiative transfer codes
[SDV.EE.ECO]Life Sciences [q-bio]/Ecology
environment/Ecosystems
LEAF
LMA
[INFO]Computer Science [cs]
Computers in Earth Sciences
EWT
Modélisation environnementale
0105 earth and related environmental sciences
Remote sensing
Leaf mass per area
Vegetation
Optimal estimation
business.industry
Inversion (meteorology)
15. Life on land
Végétation
[INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation
020801 environmental engineering
13. Climate action
ECOSYSTEM
Artificial intelligence
Réduction des risques d'incendie
U30 - Méthodes de recherche
[SDE.BE]Environmental Sciences/Biodiversity and Ecology
business
computer
Zdroj: Repositório Institucional da USP (Biblioteca Digital da Produção Intelectual)
Universidade de São Paulo (USP)
instacron:USP
Remote Sensing of Environment
Remote Sensing of Environment, 2019, 231, pp.110959. ⟨10.1016/j.rse.2018.11.002⟩
Remote Sensing of Environment, Elsevier, 2019, 231, pp.110959. ⟨10.1016/j.rse.2018.11.002⟩
ISSN: 0034-4257
1879-0704
DOI: 10.1016/j.rse.2018.11.002⟩
Popis: International audience; Leaf mass per area (LMA) and leaf equivalent water thickness (EWT) are key leaf functional traits providing information for many applications including ecosystem functioning modeling and fire risk management. In this paper, we investigate two common conclusions generally made for LMA and EWT estimation based on leaf optical properties in the near-infrared (NIR) and shortwave infrared (SWIR) domains: (1) physically-based approaches estimate EWT accurately and LMA poorly, while (2) statistically-based and machine learning (ML) methods provide accurate estimates of both LMA and EWT. Using six experimental datasets including broadleaf species samples of >150 species collected over tropical, temperate and boreal ecosystems, we compared the performances of a physically-based method (PROSPECT model inversion) and a ML algorithm (support vector machine regression, SVM) to infer EWT and LMA based on leaf reflectance and transmittance. We assessed several merit functions to invert PROSPECT based on iterative optimization and investigated the spectral domain to be used for optimal estimation of LMA and EWT. We also tested several strategies to select the training samples used by the SVM, in order to investigate the generalization ability of the derived regression models. We evidenced that using spectral information from 1700 to 2400 nm leads to strong improvement in the estimation of EWT and LMA when performing a PROSPECT inversion, decreasing the LMA and EWT estimation errors by 55% and 33%, respectively. The comparison of various sampling strategies for the training set used with SVM suggests that regression models show limited generalization ability, particularly when the regression model is applied on data fully independent from the training set. Finally, our results demonstrate that, when using an appropriate spectral domain, the PROSPECT inversion outperforms SVM trained with experimental data for the estimation of EWT and LMA. Thus we recommend that estimation of LMA and EWT based on leaf optical properties should be physically-based using inversion of reflectance and transmittance measurements on the 1700 to 2400 nm spectral range.
Databáze: OpenAIRE
Externí odkaz: