Publications

Beaver, J; Humphreys, ER; King, D (2024). Random Forest Development and Modeling of Gross Primary Productivity in the Hudson Bay Lowlands. CANADIAN JOURNAL OF REMOTE SENSING, 50(1), 2355937.

Abstract
Peatlands are a critical component of the global carbon cycle. Within Canada, the Hudson Bay Lowlands (HBL) has accumulated an estimated 33 Gt of carbon as peat because of a small but persistent difference between gross primary productivity (GPP) and ecosystem respiration over millennia. However, the impacts of disturbance and climate change on GPP are difficult to monitor across the HBL due to its vast size and remote location. This study evaluates the potential for random forest regression models to estimate GPP at five HBL eddy covariance flux monitoring sites using only optical data from MODIS (500 m, 8 day) or harmonized Landsat/Sentinel (HLS; 30 m, 16 day or more frequent). The results show that spatial resolution has less impact on modeled daily GPP compared to temporal resolution across model configurations. Using MODIS data, individual sites' daily GPP could be simulated with minimal bias, R2 up to 0.89 and mean absolute error as low as 0.37 g C m-2 day-1. For annual GPP, MODIS (R2 = 0.84; mean absolute error 40.5 g C m-2 year-1) also outperformed the HLS models (R2 = 0.46; mean absolute error 86.4 g C m-2 year-1). Les tourbi & egrave;res sont une composante essentielle du cycle du carbone. Au Canada, les basses terres de la baie d'Hudson (HBL) ont accumul & eacute; environ 33 Gt de carbone sous forme de tourbe en raison d'une diff & eacute;rence l & eacute;g & egrave;re, mais persistante entre la productivit & eacute; primaire brute (GPP) et la respiration des & eacute;cosyst & egrave;mes au fil des mill & eacute;naires. Cependant, les impacts des perturbations et du changement climatique sur la GPP sont difficiles & agrave; quantifier sur l'ensemble des HBL en raison de la vaste & eacute;tendue du territoire et de son & eacute;loignement. Cette & eacute;tude & eacute;value le potentiel des mod & egrave;les de r & eacute;gression de for & ecirc;t al & eacute;atoire pour estimer la GPP sur cinq sites dans les HBL & eacute;quip & eacute;s de tour & agrave; covariance des turbulences, en utilisant uniquement les donn & eacute;es optiques de MODIS (500 m, 8 jours) ou les donn & eacute;es Landsat/Sentinel-2 harmonis & eacute;es (HLS; 30 m, 16 jours ou plus fr & eacute;quents). Les r & eacute;sultats montrent que dans toutes les configurations de mod & egrave;le, la r & eacute;solution spatiale a moins d'impact sur la GPP journali & egrave;re mod & eacute;lis & eacute; que la r & eacute;solution temporelle. & Agrave; l'aide des donn & eacute;es MODIS, la GPP journali & egrave;re de chaque site a pu & ecirc;tre simul & eacute; avec un faible biais, un R2 jusqu'& agrave; 0.89 et une erreur absolue moyenne aussi faible que 0.37 g C m-2 jour-1. Pour la GPP annuelle, MODIS (R2 = 0.84; erreur absolue moyenne 40.5 g C m-2 an-1) a & eacute;galement surperform & eacute; les mod & egrave;les issus des donn & eacute;es HLS (R2 = 0.46; erreur absolue moyenne 86.4 g C m-2 an-1).

DOI:
10.1080/07038992.2024.2355937

ISSN:
1712-7971