Overview

Les forêts jouent un rôle essentiel dans les cycles mondiaux du carbone, ce qui nécessite une estimation précise de la biomasse aérienne (AGB) pour les stratégies climatiques. Cette étude se concentre sur le Teraï central du Népal, en intégrant le LiDAR aéroporté, l'inventaire sur le terrain et l'imagerie satellitaire multisource (PlanetScope, Sentinel-2) pour l'estimation de l'AGB. Les données LiDAR (32 métriques) et les mesures de terrain (110 parcelles) ont été utilisées, avec Random Forest (RF) surpassant la régression linéaire par étapes (R² = 0,85, RMSE = 60,9 tonnes/ha). Une intégration plus poussée avec Sentinel-2 a amélioré la précision (R² = 0,92, RMSE = 44,58 tonnes/ha). La distribution de l'AGB a été influencée par le climat, la topographie et l'activité humaine, l'utilisation des terres, la température et les précipitations expliquant 64 % de la variabilité. Une AGB plus élevée était liée à des conditions climatiques modérées, à l'altitude et à la proximité d'une rivière, tandis que les routes avaient un impact négatif sur la biomasse. L'étude souligne l'utilité du LiDAR, le rôle de l'apprentissage automatique dans l'amélioration de l'estimation de l'AGB et le besoin d'approches intégrées de télédétection pour la gestion durable des forêts et l'adaptation au climat dans les régions riches en biodiversité.

Full Product Details

9786209237225

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available