Integration of polarimetric PALSAR attributes and local geomorphometric variables derived from SRTM for forest biomass modeling in Central Amazonia

The objective of this work is to generate a predictive model for biomass estimation in a forested area of central Amazonia based on the integration of incoherent target scattering decomposition polarimetric attributes extracted from Phased Array type L-band Synthetic Aperture Radar (PALSAR) data and geomorphometric variables derived from Shuttle Radar Topography Mission (SRTM). In addition to their incorporation as variables of ecophysiological nature in biomass modeling, the geomorphometrics variables were also evaluated with regard to the possibility of minimization of topographic effects that affect the acquisition of PALSAR data. Based on the processed data, three biomass models were generated. The first model involves independent parameters extracted from polarimetric PALSAR data, the second includes the same polarimetric variables, which are additionally adjusted for the cosine factor effect. The third model integrates both the polarimetric parameters extracted from PALSAR and the geomorphometric variables derived from SRTM. The latter model showed the best results of biomass estimation among the models generated. Our results confirm the importance of geomorphometric variables as additional input in prognostic biomass models that use radar remote sensing, in this case L band, because of their causal relationship with ecophysiological aspects that condition the growth of forest communities and because of minimization of the terrain effects on the radar signal.

L’objectif de cette étude est de créer un modèle prédictif pour l’estimation de la biomasse d’unerégion forestière de l’Amazonie centrale. Le modèle est basé sur l’intégration d’attributs issus de la décomposition polarimétrique incohérente de données PALSAR et de variables géomorphométriques dérivées du SRTM. En plus de leur intégration comme variables de nature écophysiologique dans la modélisation de la biomasse, nous avons évalué le potentiel des variables géomorphométriques à minimiser les effets topographiques qui influencent l’acquisition de données PALSAR. Basés sur les données traitées, trois modèles de biomasse ont été développés. Le premier modèle utilise les données polarimétriques originales SAR comme variables indépendantes. Le second modèle prend en compte les variables indépendantes du premier modèle ainsi que l’effet du facteur de cosinus. Le troisième modèle est composé des variables originales polarimétriques et des variables géomorphométriques. Ce dernier modèle a produit les résultats les plus cohérents d’estimation de la biomasse. Les résultats des modèles confirment l’importance des variables géomorphométriques en tant que données d’entrée dans les modèles prédictifs de biomasse qui utilisent la télédétection radar, dans ce cas, la bande L. Ces résultats sont dus, d’une part, à la relation causale avec entre les variables geomorphométriques et les aspects écophysiologiques qui conditionnent la croissance des communautés forestières et, d’autre part, à la minimisation des effets de la topographie sur le signal radar.