Hyperspectral remote sensing investigations of vegetation in Northern Peatlands

Imaging sensors designed to remotely observe the Earth can be used for land-cover studies of peatlands and other areas that provide carbon storage or other important ecosystem services. In order to improve our knowledge of remote sensing and peatland research, this study employed multiple types of remotely sensed data for the evaluation and testing of methodologies that aimed to map different characteristics of peatland vegetation. The study was conducted in two peatland ecosystems: 1) near James Bay Quebec, which is an important site for hydropower generation, and 2) Mer Bleue, an ombrotrophic bog near Ottawa, Ontario. For the first site and study, high-resolution aerial photographs and aerial hyperspectral imagery were used to generate land-cover maps over an area of proximately 145 km2. This study is based on a novel approach that integrates object-oriented classification (GEOBIA) for producing a classification/validation dataset as a base to classify hyperspectral imagery from two different airborne sensors. This methodology demonstrated the feasibility of using such an approach to distinguish between seven vegetation classes commonly found in peatlands. The maps exhibit mapping accuracies higher than 80 % and have a high level of confidence, for example the map produced with the CASI sensor has an overall accuracy of 88.18, 95 % CI [87.3, 89.02]. My findings provide a baseline for developing a more detailed research focus on topics related to land-use change and the stratification of the landscape to study the individual contributions of different plant functional types to the carbon cycle.For the second study, a field experiment was conducted aiming to characterize and map biophysical and biochemical characteristics of vegetation at high spatial scales (< 1 m). Through the implementation of neural network models, the upscaling of ground measurements to airborne imagery was investigated. Results show that maps of the four vegetation characteristics evaluated (i.e. vascular plant height, moss fractional cover and moss carbon and nitrogen content) have good spatial consistency. However they only have a moderate performance in upscaling.My overall research implemented methods that can be used by researchers and industry to map different types of vegetation and their characteristics, contributing to a better understanding of the carbon cycle in peatlands.Les capteurs d'imageries et de données hyperspectrales conçus pour observer la Terre, peuvent être utilisés pour étudier des sites telles que les tourbières qui, fournisse des services d'écosystème importantes comme la séquestration du carbone. Afin d'améliorer notre connaissance de la télédétection et de la recherche des tourbières , cette étude a utilisé plusieurs types de données de télédétection pour l'évaluation des méthodes qui visent à cartographier les différentes caractéristiques de la végétation. L'étude a été menée dans des tourbières situées dans la région de la baie James, au Québec, un site important pour la production hydroélectrique et à Mer Bleue, une tourbière situé près d'Ottawa, en Ontario. Pour le premier site, l'imagerie hyperspectrale et des photographies aériennes de haute résolution ont été utilisées pour générer des cartes de couverture terrestre sur une superficie de 145 km2. Cette étude démontre qu‘il est possible d'utiliser l'imagerie hyperspectrale afin de faire la distinction entre sept classes de végétation qui se trouvent dans les tourbières. Les cartes produites ont une précision de 80% avec un haut niveau de fidélité. La carte de couverture terrestre produite ici, représente une base pour les études de classes fonctionnelles de végétation, ainsi elle permet la stratification entre les écosystèmes et de la végétation qui s'y trouvent. Deuxièmement, une expérience a été menée visant à caractériser en détails les caractéristiques biophysiques et biochimiques de la végétation. À travers de l'utilisation de modèles (réseaux de neurones) cette étude réussie de produire des cartes qui montre les caractéristiques de la végétations sur le site. Les résultats démontrent que les cartes ont une bonne cohérence spatiale, mais ont un rendement inférieur pour caractériser la végétation à grande échelle de l'imagerie hyperspectrale.Globalement, cette enquête permettrais aux chercheurs et à l'industrie de cartographier la végétation et leurs caractéristiques en utilisant cet méthode ainsi contribuant à une meilleure connaissance du cycle du carbone dans les tourbières