Phân biệt hành lang với các mảnh vỡ trong bản đồ môi trường sống

12

Tôi đã tự hỏi nếu ai đó đã delt với loại vấn đề này trước đây:

Tôi muốn phân định các mảnh dựa trên các pixel lân cận cùng loại (rừng) với ngưỡng khoảng cách 3 pixel (có ý nghĩa về mặt sinh học đối với loại lợi ích của tôi).

Mối quan tâm của tôi là, xem hình ảnh đính kèm để biết ví dụ, đôi khi những mảnh này thực sự là hành lang, và thường hành lang và mảnh thực tế được nhóm lại thành một mảnh vì sự gần gũi của chúng.

Tôi đang tự hỏi liệu có cách nào để phân biệt các hành lang với các mảnh dựa trên hình dạng, số lượng pixel xung quanh, v.v.?

Ví dụ, trong hộp sau, các hành lang có thể được chỉ định bởi các hộp màu đỏ và các mảnh bằng màu xanh lá cây.

Tôi có quyền truy cập vào QGIS và R.

— M514
nguồn

bạn có thể vui lòng thêm một hình với loại hành lang mà bạn muốn trích xuất từ ví dụ không?

— radouxju

4

Trước khi bắt đầu bất kỳ phân tích nào, tôi đặc biệt khuyên bạn nên áp dụng bộ lọc cho dữ liệu của mình để làm sạch hiệu ứng "muối và hạt tiêu". Bất kỳ thuật toán sẽ đấu tranh với mô hình cấu trúc hiện tại của dữ liệu của bạn. Một đa số đầu mối đơn giản sẽ có khả năng mang lại kết quả không mong muốn. Một phương pháp mạnh hơn đang áp dụng phương pháp sàng, trong đó đơn vị ánh xạ tối thiểu có thể được chỉ định. Điều này có thể được thực hiện thông qua chức năng gdal_sieve.py trong GDAL, raster > analysis > sievechức năng trong QGIS hoặc chức năng sàng trong Hộp công cụ đo lường độ dốc ArcGIS .

Điều này trông giống như một cái gì đó có thể được giải quyết với các toán tử Hình thái toán học (ví dụ: trích xuất đường từ hình ảnh ). Tôi sẽ tưởng tượng rằng một toán tử giãn nở theo sau bởi một toán tử đóng sẽ làm rõ các hành lang. Sau đó, bạn có thể áp dụng toán tử Mở, để loại bỏ các hành lang và phân biệt các trình quét để kéo các hành lang được xác định thành các đối tượng riêng biệt. Các loại chức năng phân rã hình ảnh này phần nào được tự động hóa trong phần mềm MSPA và GUIDOS, nhưng, một lần nữa, sẽ bị ảnh hưởng đáng kể bởi sự không liên tục trong dữ liệu của bạn.

Có một bổ trợ QGIS cho MSPA cũng như các chức năng có sẵn trong GRASS (có sẵn thông qua GUI QGIS). Một trong những vấn đề với MSPA và GUIDOS là bạn bị giới hạn về kích thước hình ảnh. Thật không may, trong phần mềm ESRI, các toán tử hình thái chỉ có sẵn trong phần mở rộng ArcScan . Với một số hoạt động đào, bạn sẽ tìm thấy các tùy chọn phần mềm khác cũng như các phương pháp xác định toán tử hình thái thông qua đại số raster với ma trận hạt nhân tùy chỉnh.

Một cách tiếp cận khác sẽ là các phương thức lọc phát hiện cạnh như toán tử nhân Sobal . Có một chức năng sobal trong Hộp công cụ đo lường độ dốc ArcGIS cũng như trong gói spatialEco R. Ưu điểm của việc triển khai R là bạn có thể trả về hàm gradient của toán tử trong khi triển khai ArcGIS chỉ trả về hàm thứ tự 1 (có thể là tất cả những gì bạn cần). Tôi tin rằng hộp công cụ Orfeo (có sẵn dưới dạng bổ trợ QGIS) có tùy chọn sobal trong chức năng EdgeExtraction.

— Jeffrey Evans
nguồn

có lẽ áp dụng bộ lọc "salter and pepper" có thể có tác dụng loại bỏ các khu vực sinh sống nhỏ quan trọng cho các loài mục tiêu kết nối các mảnh (mặc dù đôi khi các khu vực chất lượng không tối ưu). Tôi sẽ quyết định áp dụng bộ lọc như vậy dựa trên các đặc điểm phân tán của loài và độ phân giải không gian của dữ liệu. Một con chim (có khả năng phân tán thường cao hơn) có thể sử dụng những mảng nhỏ đó trong khi một loài lưỡng cư (có khả năng phân tán tương đối thấp hơn) có thể không. Chỉ cần một suy nghĩ ..

— Kamo

Đây luôn là một sự đánh đổi nhưng đơn vị ánh xạ tối thiểu sẽ giải thích cho giả thuyết này. Nhưng, bạn cũng phải nhớ rằng sự cân bằng là mô hình thể hiện một mức độ không chắc chắn nhất định và bạn đang coi kết quả là tuyệt đối. Thành thật mà nói, để hỗ trợ cho khẳng định của bạn, cảnh quan nên được coi là một độ dốc xác suất chứ không phải là một quá trình nhị thức. Kiểu lọc này là một thực tiễn được chấp nhận từ lâu trong việc thể hiện các cảnh quan chức năng hơn. Trừ khi mô hình bao gồm một thuật ngữ kế toán cho cấu trúc không gian trong các ước tính, không chắc chắn về không gian là một thực tế.

— Jeffrey Evans

5

Đây không phải là một giải pháp đầy đủ, nhưng, hãy kiểm tra các công cụ này để phân tích kết nối (lần đầu tiên gần đúng với những gì bạn đang tìm kiếm):

MSPA - Phân tích mô hình không gian hình thái ( http://forest.jrc.ec.europa.eu/doad/software/guidos/mspa ) từ hộp công cụ GUIDOS ( http://forest.jrc.ec.europa.eu/doad/software / hướng dẫn ) và
Bộ cảm biến hình nón ( http://www.conefor.org/ ).

Cũng xem xét việc đào tạo một thuật toán học máy để phân loại các thể hiện của bạn (hành lang so với các đoạn). Bạn có thể cung cấp các thuộc tính không gian ở cấp độ bản vá (ví dụ: kích thước bản vá, tỷ lệ diện tích chu vi, tỷ lệ vòng tròn) và các tính năng dựa trên khoảng cách (ví dụ: khoảng cách đến các mảnh) để phân loại. Để tính toán các tính năng ở cấp độ bản vá cần thiết để phân loại, bạn có thể thử FragStats ( https://www.umass.edu/landeco/research/fragstats/fragstats.html ).

Bạn cũng có thể xem xét một "hệ thống quy tắc dựa trên chuyên gia" đơn giản hơn để phân loại từng trường hợp. Ví dụ, hành lang sẽ có tỷ lệ diện tích chu vi cao hơn các mảnh môi trường sống, v.v.

Nhiều thứ thú vị hơn ở đây để phân tích kết nối: http://conservationcorridor.org/corridor-toolbox/programs-and-tools/

Tuy nhiên, thực tế là một số hành lang không có 'kết nối pixel đầy đủ' sẽ là vấn đề mà bạn cần sắp xếp trước. Tôi nghĩ rằng bạn phải xác định một số loại tiêu chí ngưỡng dựa trên khoảng cách để quyết định xem một số pixel có phải là một phần của hành lang hay không.

— Kamo
nguồn

0

Có vẻ như nó phụ thuộc vào hình dạng của mảnh của bạn. Nếu chiều rộng gấp hơn 2 (hoặc 3) lần chiều cao (hoặc ngược lại), bạn có thể gọi nó là hành lang?

Bạn đã đến phân định các mảnh vỡ chưa?

— Rodrigo
nguồn