[논문 리뷰] Estimation of boreal forest biomass from ICESat-2 data using hierarchical hybrid inference

Petri Varvia, Svetlana Saarela외 6명|arXiv (Cornell University)|2023. 07. 10.

Remote Sensing and LiDAR ApplicationsEnvironmental Science인용 수 3

한 줄 요약

이 연구는 이륙한 산림의 상부 생물량 밀도(AGBD)를 ICESat-2 레이저 레이더 데이터에서 추정하기 위해 계층적 하이브리드 추론 접근법을 제안한다. 이 방법은 전위적 항공 레이저 레이더 데이터와 체계적 모델링 단계(예: 이소체 모델)의 불확실성을 통합하여 추정한다. 연구는 누르메스 검증 지역에서 평균 AGBD 추정치로 63.2 ± 1.9 Mg/ha를 도출하였으며, 상대 표준오차는 2.9%로, 벽에서 벽까지의 항공 레이저 레이더 기반 기준치인 63.9 ± 0.6 Mg/ha(상대 표준오차 1.0%)와 매우 유사하다. 이는 본 방법의 정확성과 강력한 불확실성 정량화 능력을 확인한다.

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.

연구 동기 및 목표

• ICESat-2 레이저 레이더 데이터로부터 극지방 산림 상부 생물량 밀도(AGBD)를 추정하기 위한 통계적으로 엄밀한 방법을 개발한다.
• 이소체 모델과 대체 항공 레이저 레이더 데이터를 포함한 다중 모델링 단계에서 기인하는 불확실성을 계층적 추론을 통해 고려한다.
• 극지방 산림 환경에서 벽에서 벽까지의 항공 레이저 레이더 기반 기준치와 비교하여 ICESat-2 AGBD 추정치를 검증한다.
• 설계기반 및 모델기반 분산 성분을 조합한 하이브리드 추론 프레임워크를 통해 ICESat-2 AGBD 추정치의 불확실성을 정량화한다.
• ICESat-2가 다량의 불확실성 정량화를 제공하는 바탕으로 극지방 산림에서 대규모 AGBD 모니터링의 가능성과 정확성을 입증한다.

제안 방법

• 이 연구는 설계기반 표본 분산과 대체 및 위성 레이저 레이더 모델에서 유도된 모델기반 전파 불확실성을 통합한 계층적 하이브리드 추론 프레임워크를 활용한다.
• 이중 단계 모델링 과정을 사용한다: 먼저 밸티모의 현장 측정 플롯을 기반으로 나무 수준의 측정치에서 AGBD를 예측하는 이소체 모델을 학습하고, 이를 ICESat-2 세그먼트의 15×15 m 서브셀에 적용하여 대체 AGBD 추정치를 산출한다.
• 모든 모델 매개변수의 공분산은 전체 분산 법칙과 테일러 근사법을 사용하여 유도되며, 표본 추출 및 예측 불확실성을 모두 고려한다.
• ICESat-2 AGBD 모델은 대체 AGBD 값들을 반응 변수로 사용하여 피팅되며, 비선형 모델의 야코비안 행렬과 대체 추정치의 공분산을 통해 불확실성이 전파된다.
• 최종적으로 누르메스 검증 지역의 AGBD 추정치와 그 분산은 ICESat-2 모델의 야코비안과 모델 매개변수의 전체 공분산 구조를 사용하여 계산된다.
• 기준 기반의 계층적 모델기반 추정치는 벽에서 벽까지의 항공 레이저 레이더와 지구관측 위성 Sentinel-2 데이터를 사용하여 산출되며, 모델 매개변수와 공간 평균화에 대해 전체 분산 법칙을 적용하여 분산이 추정된다.

실험 결과

연구 질문

• RQ1 계층적 하이브리드 추론 접근법은 다중 모델링 단계에서 기인하는 불확실성을 정량화하면서 ICESat-2 레이저 레이더 데이터로부터 극지방 산림 상부 생물량 밀도(AGBD)를 정확하게 추정할 수 있는가?
• RQ2 ICESat-2 AGBD 추정치의 정밀도와 커버리지 측면에서, 고해상도의 벽에서 벽까지의 항공 레이저 레이더 기반 기준치 추정치와 비교할 때 불확실성은 어떻게 다를까?
• RQ3 대체 모델과 이소체 방정식에서 전파된 불확실성을 포함함으로써 위성 기반 AGBD 추정의 신뢰성은 어느 정도 향상되는가?
• RQ4 ICESat-2 AGBD 추정치가 기준 추정치의 95% 신뢰구간 내에 포함되는가? 이는 통계적 일치성을 의미하는가?
• RQ5 ICESat-2 AGBD 추정치의 상대 표준오차는 얼마이며, 기준 추정치의 정밀도와 비교해 볼 때 어떠한가?

주요 결과

• 누르메스 검증 지역에서 ICESat-2를 통한 평균 AGBD 추정치는 63.2 ± 1.9 Mg/ha이며, 상대 표준오차는 2.9%였다.
• 기준인 벽에서 벽까지의 항공 레이저 레이더 기반 추정치는 63.9 ± 0.6 Mg/ha였으며, 상대 표준오차는 1.0%로 훨씬 낮았다.
• ICESat-2 추정치는 기준 추정치의 95% 신뢰구간 내에 포함되어 있어 통계적으로 일관성을 보였다.
• 작은 표준오차는 제안된 계층적 하이브리드 추론 방법이 신뢰할 수 있는 불확실성 정량화를 제공하는 효과적인 AGBD 평가 방법임을 시사한다.
• 낮은 보고된 불확실성에도 불구하고, 연구는 고려하지 않은 오차 요소가 존재함을 인정하여 실제 불확실성은 보고된 값보다 略로 높을 수 있음을 시사한다.
• 이 방법은 현장 데이터, 이소체 모델, 대체 항공 레이저 레이더 데이터, ICESat-2 데이터에서 기인하는 불확실성을 통합하여 일관된 통계적 프레임워크를 성공적으로 구축하였다.