Multispectral remote sensing of landscape level foliar moisture: techniques and applications for forest ecosystem monitoring

Broad-scale monitoring of varying moisture levels of leaves has ramifications for understanding fire potential, biogeochemistry, and ecosystem dynamics. Five different shortwave infrared (SWIR)-derived spectral indices, principal components analysis (PCA), and the tasseled cap transformation (TCT), derived from Landsat Thematic Mapper (TM) and Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) satellite data, were used to quantify landscape-level foliar moisture in an ecosystem dominated by Pinus ponderosa P. & C. Lawson. Landsat TM data demonstrated stronger correlations with in situ calculations of foliar moisture than did ASTER data. The second principal component correlated strongly with ground data (r2 = 0.765). The Landsat-derived TCT wetness component was significantly correlated with ground data (r2 = 0.638) as well as a normalized difference NIR/SWIR ratio (r2 = 0.834). The spectral indices and TCT are more practical for ecosystem moisture monitoring than PCA because of the empirical nature of PCA. Based on these results, we recommend modifications to existing methods of satellite-based fire susceptibility monitoring to account for primary effects of vegetation curing and temporal variation in ground fuels. Résumé : La détection à grande échelle des variations de teneur en eau des feuilles peut être utile pour comprendre le potentiel calorifique, la biogéochimie et la dynamique des écosystèmes. Cinq indices spectraux différents, dérivés de l’infrarouge ondes courtes (IROC), l’analyse en composante principale (ACP), l’espace indiciel transformé (TCT) dérivé des données satellitaires du capteur TM de Landsat (TM) et du radiomètre spatiale de pointe pour l’étude de la réflectance et des émissions thermiques terrestres (ASTER) ont été utilisés pour quantifier la teneur en eau des feuilles à l’échelle du paysage dans un écosystème dominé par Pinus ponderosa P. & C. Lawson. Les données de Landsat TM sont plus étroitement corrélées aux calculs in situ de la teneur en eau des feuilles que celles d’ASTER. La deuxième composante principale est fortement corrélée avec les données de terrain r2 = 0,765. La composante de TCT pour la teneur en eau dérivée des données de Landsat est significativement corrélée aux données de terrain (r2 = 0,638) aussi bien qu’un rapport (PIR/IROC) de différences normalisées (r2 = 0,834). Les indices spectraux et le TCT sont plus pratiques pour le suivi de la teneur en eau des écosystèmes que l’ACP étant donné la nature empirique de l’ACP. Sur la base de ces résultats, nous recommandons des modifications aux méthodes existantes de télédétection des risques de feu pour tenir compte des effets primaires du dessèchement de la végétation et des variations temporelles dans les com-