The Role of Digital Terrain Models in the Remote Sensing of Forests

Abstract
Environ la moitié des forêts exploitables du Canada sont situées dans des régions montagneuses. Si nous voulons contrôler cette ressource vitale au moyen de satellites à résolution élevée et de capteurs aéroportés, il faut intégrer les renseignements topographiques au processus d'analyses des images. Au cours des trois dernières années, des recherches sont effectuées au Centre Canadien de Télédétection afin d'en arriver à une intégration des modèles numériques de terrain avec l'imagerie. Cette intégration servira à évaluer le cubage en volume réel et le potentiel d'exploitation. Le présent document décrit les principaux éléments de notre mode de traitement de l'image et met l'accent sur l'utilisation des données relatives à l'altitude, la pente et à l'orientation. L'imagerie est d'abord représentée sur une grille cartographique à l'aide d'un modèle numérique d'élévation (MNE) (Guindon et col, 1980). Il est préférable de redresser l'imagerie puisque les données topographiques et auxiliaires proviennent de cartes. Le MNE et les paramètres de la trajectoire de vol peuvent aussi servir à produire des masques qui délimitent précisément les zones d'ombre et de recouvrement. Ces zones peuvent être très étendues sur les imageries provenant de capteurs aéroportés et de satellites SAR et doivent être exclues de toute analyse ultérieure. Les données sur le terrain ont été intégrées au processus de classification des images des deux façons suivantes: On peut évaluer le cubage en volume réel dans une région couverte par l'imagerie à l'aide d'une image classifiée si celui-ci par unité de surface au sol est connu. Dans les régions montagneuses, il peut y avoir des problèmes parce que la projection bidimensionnelle des images du terrain ne reflète pas exactement la superficie totale. Ce problème peut être surmonté au moyen d'un facteur de correction pixel par pixel fondé sur les renseignements relatifs à la pente du terrain.

This publication has 3 references indexed in Scilit: