Xác định cây Joshua với dữ liệu LiDAR?

Tôi đang làm việc trong một dự án LiDAR để xác định vị trí của cây Joshua trong khu vực nghiên cứu được chỉ định. Do lớp phủ thực vật rất thưa thớt, thực sự có 2 loài tán ở đó, đó là cây Joshua và cây bông. Tôi tin rằng đây là một phân tích LiDAR tương đối dễ dàng do sự phong phú loài rất hạn chế trong tán cây. Cách tiếp cận của tôi là tạo ra một raster trái đất trần (DEM) và sau đó là một raster trở lại đầu tiên. Sau đó, tôi sẽ trừ trái đất từ ​​raster trở lại đầu tiên để tạo ra một raster thực vật. Tôi có thể dễ dàng loại bỏ bất kỳ tiếng ồn nào (ví dụ: đường dây điện, tòa nhà) bằng cách sử dụng sơ đồ cơ sở để xác minh. Bởi vì khách hàng muốn xem tất cả các cây Joshua> = 12ft, tôi chỉ đơn giản là phân loại lại các raster thực vật. Bằng cách này, tôi sẽ có thể nhìn thấy tất cả các loài cây, đó là cây Joshua, trong khu vực nghiên cứu của tôi.

Đây là phương pháp tôi đã theo dõi trong ArcMap:

Tạo lớp đất trống

1. Tạo bộ dữ liệu las của khu vực nghiên cứu đã chọn bằng công cụ Tạo bộ dữ liệu LAS
2. Tạo một lớp dữ liệu las với lớp này bằng công cụ Make LAS Dataset Layer
   a. Chọn 2 (mặt đất) từ Mã lớp
3. Chuyển đổi lớp này thành raster với công cụ LAS Dataset thành Raster.

Tạo lớp thực vật

4. SỬA CHỮA BƯỚC 2 VÀ 3 LẠI NHƯNG LỰA CHỌN 1ST TRẢ LẠI THEO Giá trị trả về (tùy chọn) KHI SỬ DỤNG CÔNG CỤ LAYER LAS DATASET LAYER.

5. Trừ raster Bare Earth khỏi Raster Return 1 bằng công cụ Minus

    1st Return (raster) – Bare Earth (raster) = Vegetation Layer
   

6. Sử dụng công cụ Reclassify để xác định 12 ft trở lên là gì:

          Classification: Natural Breaks (Jenks)
   
          Classes: 2
   
          Break values: 3.66, 10.725098
   

Có ai có bất kỳ kinh nghiệm nào với điều này và có thể cung cấp một số mẹo / gợi ý về việc tôi có thể sai ở đâu không? Nếu mọi người biết về các phương pháp tốt hơn, tôi sẽ mở ra cho các ý tưởng!

"Chất lượng" của trình raster CHM mà bạn tạo từ các điểm LiDAR làm đầu vào cho thuật toán CanopyMaxima sẽ ảnh hưởng đáng kể đến kết quả của bạn. Tôi đề nghị thử một vài phương pháp để tạo CHM, chẳng hạn như

• chia lưới / trả lại đơn giản cao nhất
• lợi nhuận cao nhất biến thành một lưới / ghép đĩa nhỏ
• nội suy trả về đầu tiên thông qua một TIN sau đó là rasterization
• Nội suy TIN chỉ có lợi nhuận cao nhất trên lưới và rasterization
• thuật toán không có hố dựa trên các CHM một phần
• thuật toán không tăng đột biến dựa trên việc tránh tăng đột biến.

Hai bài viết trên blog về pit-free và spike-free mô tả cách tạo raster CHM với các phương pháp khác nhau được liệt kê ở trên bằng cách sử dụng LAStools .

Nó xuất hiện như thể bạn đang cố gắng tạo một mô hình chiều cao tán với quy trình công việc của bạn. Điều này sẽ hiển thị chiều cao của tất cả các đối tượng trên mặt đất. Nhìn vào loài bạn quan tâm, cây gỗ bông thường mọc cao và trong các khu vực ven sông và vùng lũ lụt. Cây Joshua là cây vùng cao khô cằn hơn. Do đó, phân loại lại mô hình chiều cao tán để bao gồm tất cả các pixel> = 12 'chắc chắn sẽ bao gồm cả hai loài thay vì chỉ các cây Joshua.

ArcGIS là công cụ tuyệt vời để thao túng các sản phẩm LiDAR có nguồn gốc, mặc dù còn một chặng đường dài khi xử lý LiDAR. Thay vào đó, tôi muốn giới thiệu FUSION , được tối ưu hóa để làm việc trên các ứng dụng lâm nghiệp LiDAR. Tôi muốn giới thiệu một thuật toán trong FUSION có tên CanopyMaxima để xác định các cây riêng lẻ trong AOI của bạn. Từ tài liệu (tr.26) :

CanopyMaxima thường được sử dụng để xác định các cây chiếm ưu thế và chiếm ưu thế như được mô tả trong mô hình chiều cao tán. Nó hoạt động tốt nhất cho cây lá kim tương đối cô lập. Trên những khán đài dày đặc, những cây mọc gần nhau không thể tách rời. Kết quả là một cực đại cục bộ duy nhất trong đó phải có nhiều hơn một cực đại. Thuật toán không hoạt động tốt trong các khu rừng rụng lá vì hình dạng vương miện cho những cây như vậy có xu hướng tròn hơn và các vương miện có xu hướng chồng lên nhau gần ngọn cây

Lệnh tương đối đơn giản:

CanopyMaxima /img24 canopy_maxima_test_1m.dtm testtrees.csv

Từ đây, bạn có một tệp CSV hiển thị các chuỗi của từng cây riêng lẻ. Để lọc cây gỗ bông, hãy xem xét quy trình làm việc sau đây:

1. Chuyển đổi vị trí cây CSV thành shapefile
2. Xác định các khu vực ven sông (ví dụ thông qua ngưỡng DEM hoặc đệm một lớp luồng) và sử dụng vùng đó để lọc bất kỳ điểm vị trí cây nào trong các khu vực ven sông.