A ground-based scanning lidar (light detection and ranging) system was evaluated to assess its potential utility for tree-level forest mensuration data extraction. Ground-based-lidar and field-mensuration data were collected for two forest plots: one located within a red pine (Pinus resinosa Ait.) plantation and another in a mixed deciduous stand dominated by sugar maple (Acer saccharum Marsh.). Five lidar point cloud scans were collected from different vantage points for each plot over a 6-h period on 5 July 2002 using an Optech Inc. ILRIS-3D laser imager. Field- validation data were collected manually over several days during the same time period. Parameters that were measured in the field or derived from manual field measures included (i) stem location, (ii) tree height, (iii) stem diameter at breast height (DBH), (iv) stem density, and (v) timber volume. These measures were then compared with those derived from the ILRIS-3D data (i.e., the lidar point cloud data). It was found that all parameters could be measured or derived from the data collected by the ground-based lidar system. There was a slight systematic underestimation of mean tree height resulting from canopy shadow effects and suboptimal scan sampling distribution. Timber volume estimates for both plots were within 7% of manually derived estimates. Tree height and DBH parameters have the potential for objective measurement or derivation with little manual intervention. However, locating and counting trees within the lidar point cloud, particularly in the multitiered deciduous plot, required the assistance of field-validation data and some subjective interpretation. Overall, ground-based lidar demonstrates promise for objective and consistent forest metric assessment, but work is needed to refine and develop automatic feature identification and data extraction techniques.

NASA's Global Ecosystem Dynamics Investigation (GEDI) is collecting spaceborne full waveform lidar data with a primary science goal of producing accurate estimates of forest aboveground biomass density (AGBD). This paper presents the development of the models used to create GEDI's footprint-level (~25 m) AGBD (GEDI04_A) product, including a description of the datasets used and the procedure for final model selection. The data used to fit our models are from a compilation of globally distributed spatially and temporally coincident field and airborne lidar datasets, whereby we simulated GEDI-like waveforms from airborne lidar to build a calibration database. We used this database to expand the geographic extent of past waveform lidar studies, and divided the globe into four broad strata by Plant Functional Type (PFT) and six geographic regions. GEDI's waveform-to-biomass models take the form of parametric Ordinary Least Squares (OLS) models with simulated Relative Height (RH) metrics as predictor variables. From an exhaustive set of candidate models, we selected the best input predictor variables, and data transformations for each geographic stratum in the GEDI domain to produce a set of comprehensive predictive footprint-level models. We found that model selection frequently favored combinations of RH metrics at the 98th, 90th, 50th, and 10th height above ground-level percentiles (RH98, RH90, RH50, and RH10, respectively), but that inclusion of lower RH metrics (e.g. RH10) did not markedly improve model performance. Second, forced inclusion of RH98 in all models was important and did not degrade model performance, and the best performing models were parsimonious, typically having only 1-3 predictors. Third, stratification by geographic domain (PFT, geographic region) improved model performance in comparison to global models without stratification. Fourth, for the vast majority of strata, the best performing models were fit using square root transformation of field AGBD and/or height metrics. There was considerable variability in model performance across geographic strata, and areas with sparse training data and/or high AGBD values had the poorest performance. These models are used to produce global predictions of AGBD, but will be improved in the future as more and better training data become available.

Abstract. Floodplain wetland ecosystems experience significant seasonal water fluctuation over the year, resulting in a dynamic hydroperiod, with a range of vegetation community responses. This paper assesses trends and changes in land cover and hydroclimatological variables, including air temperature, river discharge, and water level in the Upper Columbia River Wetlands (UCRW), British Columbia, Canada. A land cover classification time series from 1984 to 2022 was generated from the Landsat image archive using a random forest algorithm. Peak river flow timing, duration, and anomalies were examined to evaluate temporal coincidence with observed land cover trends. The land cover classifier used to segment changes in wetland area and open water performed well (kappa of 0.82). Over the last 4 decades, observed river discharge and air temperature have increased, precipitation has decreased, the timing of peak flow is earlier, and the flow duration has been reduced. The frequency of both high-discharge events and dry years have increased, indicating a shift towards more extreme floodplain flow behavior. These hydrometeorological changes are associated with a shift in the timing of snowmelt, from April to mid-May, and with seasonal changes in the vegetative communities over the 39-year period. Thus, woody shrubs (+6 % to +12 %) have expanded as they gradually replaced marsh and wet-meadow land covers with a reduction in open-water area. This suggests that increasing temperatures have already impacted the regional hydrology, wetland hydroperiod, and floodplain land cover in the Upper Columbia River valley. Overall, there is substantial variation in seasonal and annual land cover, reflecting the dynamic nature of floodplain wetlands, but the results show that the wetlands are drying out with increasing areas of woody/shrub habitat and loss of aquatic habitat. The results suggest that floodplain wetlands, particularly marsh and open-water habitats, are vulnerable to climatic and hydrological changes that could further reduce their areal extent in the future.