UC Irvine

Abstract LiDAR data are being increasingly used to provide a detailed characterization of the vertical profile of forests. This characterization enables the generation of new insights on the influence of environmental drivers and anthropogenic disturbances on forest structure as well as on how forest structure influences important ecosystem functions and services. Unfortunately, extracting information from LiDAR data in a way that enables the spatial visualization of forest structure, as well as its temporal changes, is challenging due to the high dimensionality of these data. We show how the Latent Dirichlet Allocation model applied to LiDAR data (LidarLDA) can be used to identify forest structural types and how the relative abundance of these forest types changes throughout the landscape. The code to fit this model is made available through the open‐source r package L idar LDA in github. We illustrate the use of LidarLDA both with simulated data and data from a large‐scale fire experiment in the Brazilian Amazon region. Using simulated data, we demonstrate that LidarLDA accurately identifies the number of forest types as well as their spatial distribution and absorptance probabilities. For the empirical data, we found that LidarLDA detects both landscape‐level patterns in forest structure as well as the strong interacting effect of fire and forest fragmentation on forest structure based on the experimental fire plots. More specifically, LidarLDA reveals that proximity to forest edge exacerbates the impact of fires, and that burned forests remain structurally different from unburned areas for at least 7 years, even when burned only once. Importantly, LidarLDA generates insights on the 3D structure of forest that cannot be obtained using more standard approaches that just focus on top‐of‐the‐canopy information (e.g. canopy height models based on LiDAR data). By enabling the mapping of forest structure and its temporal changes, we believe that LidarLDA will be of broad utility to the ecological research community. Resumo Dados de LiDAR são cada vez mais usados para caracterizar a estrutura vertical da floresta. Essa caracterização permite a geração de novos insights em relação a influência de fatores ambientais e distúrbios antropogênicos na estrutura da floresta e insights em relação a como a estrutura da floresta influencia importantes funções e serviços ecossistêmicos. Infelizmente, a extração de informações de dados de LiDAR de uma maneira que permita a visualização espacial da estrutura da floresta, assim como as mudanças temporais, tem sido desafiador por conta da alta dimensionalidade destes dados. Nós mostramos que o modelo Latent Dirichlet Allocation aplicado a dados de LiDAR (LidarLDA) pode ser usado para identificar tipologias estruturais e para revelar como que a abundância relativa destas tipologias mudam ao longo da paisagem. O código usado para ajustar o modelo se encontra disponível no pacote do R chamado LidarLDA no github. Nós ilustramos o uso do LidarLDA tanto com dados simulados quanto com dados empíricos de um experimento de fogo de grande escala na Amazônia Brasileira. Usando dados simulados, nós demonstramos que o LidarLDA identifica bem o número de tipologias florestais assim como sua distribuição espacial e as probabilidades de absorbância. Em relação aos dados empíricos, nós mostramos que o LidarLDA detecta padrões no nível da paisagem em relação a estrutura da floresta assim como um forte efeito da interação entre fogo e fragmentação florestal na estrutura florestal nas parcelas queimadas experimentalmente. Mais especificamente, LidarLDA revela que a proximidade com a borda da floresta aumenta o impacto do fogo e que áreas queimadas permanecem estruturalmente diferentes das áreas não queimadas por pelo menos sete anos, mesmo se estas áreas foram queimadas apenas uma vez. É importante enfatizar que o LidarLDA gera insights na estrutura 3D da floresta que não são obtidos usando abordagens mais comuns que focam apenas em informação oriunda do topo da copa (e.g., modelos de altura de copa baseados em dados de LiDAR). Nós acreditamos que a habilidade de mapear a estrutura da floresta e suas mudanças temporais fará com que o modelo LidarLDA seja de grande utilidade para a comunidade de pesquisas ecológicas.