[論文レビュー] Estimation of boreal forest biomass from ICESat-2 data using hierarchical hybrid inference

Petri Varvia, Svetlana Saarela+6 more|arXiv (Cornell University)|Jul 10, 2023

Remote Sensing and LiDAR ApplicationsEnvironmental Science被引用数 3

ひとこと要約

本研究は、ボリオ森林の上部バイオマス密度（AGBD）をICESat-2レーザー測距データから推定するための階層的ハイブリッド推論手法を提案する。この手法は、個体群モデルとプロキシ空中レーザー測距データを含む、複数のモデリング段階からの不確実性を統合する。Nurmesの検証地域では、平均AGBD推定値が63.2 ± 1.9 Mg/haに達し、相対標準誤差は2.9%であった。これは、63.9 ± 0.6 Mg/ha（相対標準誤差1.0%）の高分解能ワイドスパン空中レーザー測距ベースの基準推定値と非常に近い値であり、本手法の正確性と信頼性の高い不確実性評価を確認するものである。

ABSTRACT

The ICESat-2, launched in 2018, carries the ATLAS instrument, which is a photon-counting spaceborne lidar that provides strip samples over the terrain. While primarily designed for snow and ice monitoring, there has been a great interest in using ICESat-2 to predict forest above-ground biomass density (AGBD). As ICESat-2 is on a polar orbit, it provides good spatial coverage of boreal forests. The aim of this study is to evaluate the estimation of mean AGBD from ICESat-2 data using a hierarchical modeling approach combined with rigorous statistical inference. We propose a hierarchical hybrid inference approach for uncertainty quantification of the AGBD estimated from ICESat-2 lidar strips. Our approach models the errors coming from the multiple modeling steps, including the allometric models used for predicting tree-level AGB. For testing the procedure, we have data from two adjacent study sites, denoted Valtimo and Nurmes, of which Valtimo site is used for model training and Nurmes for validation. The ICESat-2 estimated mean AGBD in the Nurmes validation area was 63.2$\pm$1.9 Mg/ha (relative standard error of 2.9%). The local reference hierarchical model-based estimate obtained from wall-to-wall airborne lidar data was 63.9$\pm$0.6 Mg/ha (relative standard error of 1.0%). The reference estimate was within the 95% confidence interval of the ICESat-2 hierarchical hybrid estimate. The small standard errors indicate that the proposed method is useful for AGBD assessment. However, some sources of error were not accounted for in the study and thus the real uncertainties are probably slightly larger than those reported.

研究の動機と目的

• ICESat-2レーザー測距データからボリオ森林の上部バイオマス密度（AGBD）を推定する統計的に厳密な手法を開発すること。
• 個体群モデルとプロキシ空中レーザー測距データを含む、複数のモデリングステップに起因する不確実性を、階層的推論を用いて扱うこと。
• ボリオ森林環境下で、ICESat-2のAGBD推定値を高分解能ワイドスパン空中レーザー測距基準推定値と照合して検証すること。
• 設計ベースとモデルベースの分散成分を組み合わせたハイブリッド推論フレームワークを用いて、ICESat-2 AGBD推定値の不確実性を評価すること。
• ICESat-2が、不確実性を明確に定量化した大規模なボリオ森林AGBDモニタリングの可能性と正確性を実証すること。

提案手法

• 本研究は、設計ベースの標本分散とプロキシおよび衛星レーザー測距モデルからのモデルベースの不確実性を組み合わせた階層的ハイブリッド推論フレームワークを採用する。
• 2段階のモデリングプロセスを用いる：まず、Valtimoのフィールドプロットで個体群モデルを訓練し、木レベルの測定値からAGBDを予測する。次に、ICESat-2セグメントの15×15 mサブセルに適用してプロキシAGBD推定値を生成する。
• 全変動の法則とテイラー近似を用いて、プロキシAGBDモデルのパラメータの共分散を導出する。これにより、標本抽出と予測の両方の不確実性を考慮する。
• ICESat-2 AGBDモデルは、プロキシAGBD値を応答変数としてフィッティングし、非線形モデルのヤコビ行列とプロキシ推定値の共分散を介して不確実性を伝搬する。
• 最終的なAGBD推定値とその分散は、ICESat-2モデルのヤコビ行列と、モデルパラメータの完全な共分散構造を用いてNurmesの検証地域で計算される。
• 基準となる階層的モデルベース推定値は、ワイドスパンのALSとSentinel-2データを用いて計算され、モデルパラメータと空間平均化への全変動の法則を適用して分散が推定される。

実験結果

リサーチクエスチョン

• RQ1 階層的ハイブリッド推論手法は、複数のモデリング段階における不確実性を評価しつつ、ICESat-2レーザー測距データからボリオ森林の上部バイオマス密度（AGBD）を正確に推定できるか？
• RQ2 精度とカバー範囲の観点から、ICESat-2 AGBD推定値の不確実性は、高分解能ワイドスパン空中レーザー測距基準推定値と比べてどの程度か？
• RQ3 プロキシモデルと個体群方程式からの不確実性伝搬を組み込むことで、衛星ベースのAGBD推定の信頼性はどの程度向上するか？
• RQ4 ICESat-2 AGBD推定値は、基準推定値の95%信頼区間内にあるか。これは統計的整合性を示唆するか？
• RQ5 ICESat-2 AGBD推定値の相対標準誤差は何か。また、基準推定値の精度と比べてどうか？

主な発見

• Nurmesの検証地域におけるICESat-2による平均AGBD推定値は63.2 ± 1.9 Mg/haであり、相対標準誤差は2.9%であった。
• 基準となるワイドスパン空中レーザー測距ベースの推定値は63.9 ± 0.6 Mg/haであり、相対標準誤差は1.0%とはるかに低かった。
• ICESat-2の推定値は基準推定値の95%信頼区間内に位置しており、統計的に整合的であることを示している。
• 小さな標準誤差は、提案された階層的ハイブリッド推論手法が、信頼性の高い不確実性評価を伴うAGBD評価に効果的であることを示している。
• 報告された不確実性が低いかかかわらず、本研究は未考慮の誤差要因を認識しており、実際の不確実性は報告値よりもわずかに高い可能性があると示唆している。
• 本手法は、フィールドデータ、個体群モデル、プロキシALSデータ、ICESat-2データからの不確実性を、整合的な統計的枠組みに統合できた。