Szukam innego, bardziej eleganckiego rozwiązania problemu statystyki przestrzennej. Surowe dane składają się ze współrzędnej xy dla każdego pojedynczego drzewa (tj. Przekonwertowanego na punktowy plik .shp). Chociaż nie zostało użyte w tym przykładzie, każde drzewo ma również odpowiedni wielokąt (tj. Jako .shp), który reprezentuje średnicę korony. Dwa obrazy po lewej pokazują szacunki gęstości jądra w skali poziomej (KDE) uzyskane z pliku punktowego .shp poszczególnych lokalizacji drzewa - jeden z 1989 roku, a drugi z 2009 roku. Grafika po prawej stronie pokazuje różnicę między dwoma KDE gdzie wyświetlane są tylko wartości +/- 2 odchylenia standardowe średniej. Kalkulator rastrowy Arc został wykorzystany do wykonania prostego obliczenia (KDE 2009 - KDE 2009) niezbędnego do wytworzenia nakładki rastrowej na zdjęciu po prawej stronie.
Czy istnieje bardziej odpowiednia metoda analizy gęstości drzew lub zmiany powierzchni korony w czasie, statystycznie lub graficznie? Biorąc pod uwagę te dane, jak oceniłbyś zmianę między danymi drzewa z 1989 i 2009 roku w środowisku geoprzestrzennym? Zalecane są rozwiązania ArcGIS, Python, R, Erdas i ENVI.
Odpowiedzi:
Pierwszy problem:
Patrzysz na mieszankę minimów. Jedno gigantyczne drzewo z koroną wielkości akra wygląda całkiem sporo , interpretowane na podstawie gęstości punktowej / jądra, jak pole bez drzew. Otrzymasz wysokie wartości tylko tam, gdzie są małe, szybko rosnące drzewa, na krawędziach i w szczelinach w lesie. Trudne jest to, że te gęste, mniejsze drzewa są znacznie bardziej prawdopodobne, że zostaną zasłonięte przez cień lub okluzję, albo będą nierozdzielalne przy rozdzielczości 1 metra, albo będą zlepione razem, ponieważ są kępami tego samego gatunku.
Odpowiedź Jen jest poprawna w pierwszej części: Wyrzucenie informacji o wielokącie jest marnotrawstwem. Jest tu jednak komplikacja. Drzewa otwarte mają znacznie mniej pionową, bardziej rozłożystą koronę, przy czym wszystkie inne rzeczy są równe, niż drzewostan o równej wieku lub drzewo w dojrzałym lesie. Aby uzyskać więcej, patrz # 3.
Drugi problem:
Idealnie powinieneś pracować z porównaniem jabłek do jabłek. Poleganie na NDVI dla jednego i B&W dla drugiego wprowadza niepoznawalne odchylenie w twoich wynikach. Jeśli nie możesz uzyskać odpowiednich danych za 1989 r., Możesz zamiast tego użyć zdegradowanych danych czarno-białych za 2009 r., A nawet spróbować zmierzyć odchylenie w danych za 2009 r. W stosunku do czarno-białych i ekstrapolować wyniki NDVI za 1989 r.
Zajęcie się tą kwestią może być, ale nie musi być wykonalne, ale istnieje spora szansa, że zostanie ona poruszona w recenzjach.
Trzeci problem:
Co dokładnie próbujesz zmierzyć? Gęstość jądra nie jest pozbawiona wartościmetryczny, daje to sposób na znalezienie nowych, młodych drzew, które szybko się nawzajem zabijają (z zastrzeżeniem powyższych ograniczeń cieniowania / okluzji); Tylko te z najlepszym dostępem do wody / słońca, jeśli w ogóle, przetrwają za kilka lat. Pokrycie baldachimem poprawiłoby gęstość jądra w przypadku większości zadań, ale ma to również problemy: traktuje duży równomierny drzewostan 20-letnich drzew, które ledwo zamknęły baldachim tak samo, jak ustalone 100 -letni las. Lasy są trudne do oszacowania w sposób, który zachowa informacje; Model wysokości baldachimu jest idealny do wielu zadań, ale historycznie niemożliwy. Metodę, której używasz, najlepiej wybrać na podstawie opracowania swoich celów. Czym oni są?
Edytować:
Celem jest wykrycie ekspansji zarośli w rodzime obszary trawiaste. Metody statystyczne są tutaj nadal w pełni poprawne , wymagają jedynie dopracowania i subiektywnych wyborów do zastosowania.
źródło
Problem z oceną KDE polega na tym, że wygładza on cały obszar, a tym samym zamyka luki, które możesz chcieć znaleźć.
Kiedy przeczytałem, że użyłeś NDVI do wykrywania koron drzew, zastanawiam się, jak wyglądają wielokąty koron? czy te naprawdę pojedyncze wielokąty z powiązanym z nimi identyfikatorem gatunku drzewa?
Jeśli masz luksus posiadania wielokątów dla każdej pojedynczej korony drzewa i jesteś zainteresowany tym, gdzie zginęła korona drzewa, to myślę, że są dwie możliwości; wektor i rozwiązanie rastrowe.
wektor
raster
Mam nadzieję, że się uda :) Nie wypróbowałem tych pomysłów, ale po prostu zapisałem, co przyszło mi do głowy. powodzenia!
och ... może mógłbyś po prostu podejść do kwadratu. na każdy rok pokrój swój obszar za pomocą siatki wektorowej o wymiarach 100 x 100 m, policz punkty w wielokątach i porównaj dwa różne wzory. tylko kolejny pomysł ...
źródło
Ogólną zmianę wegetacji można obliczyć za pomocą cyfrowej analizy zmian. Aby uruchomić tę analizę, najpierw potrzebujesz obrazu 4-pasmowego (R, G, B i NIR) zarówno dla 1989, jak i 2009. Następnie za pomocą oprogramowania do zdalnego wykrywania (takiego jak ENVI lub Erdas) uruchom analizę NDVI dla każdego obrazu . Analiza NDVI porównuje stosunek pasma NIR - pasmo czerwone / pasmo NIR + piksele pasma czerwonego. Wynik tego równania daje wartości pikseli w zakresie od -1 do 1. Piksele o wartości mniejszej niż zero nie wykazują współczynnika odbicia w paśmie NIR. Podobnie piksele o wartości większej niż zero odbijają światło NIR, a zatem są uważane za roślinność. Proces przeprowadzania analizy zmian cyfrowych polega na odjęciu jednego obrazu NDVI od drugiego (odejmowanie 1989 od 2009). Link do szczegółowej dyskusji znajduje się poniżej.
http://www.bioline.org.br/pdf?er07006
źródło