Câu hỏi hóc búa không gian địa lý

Tôi đang tìm kiếm một giải pháp khác, thanh lịch hơn cho một vấn đề thống kê không gian. Dữ liệu thô bao gồm tọa độ xy cho từng cây riêng lẻ (nghĩa là được chuyển đổi thành tệp .shp điểm). Mặc dù không được sử dụng trong ví dụ này, mỗi cây cũng có một đa giác tương ứng (nghĩa là .shp) đại diện cho đường kính vương miện. Hai hình ảnh bên trái hiển thị ước tính mật độ hạt nhân theo tỷ lệ ngang (KDEs) xuất phát từ tệp .shp của các vị trí cây riêng lẻ - một từ năm 1989 và khác từ năm 2009. Đồ họa bên phải cho thấy sự khác biệt giữa hai KDE trong đó chỉ các giá trị +/- 2 độ lệch chuẩn của giá trị trung bình được hiển thị. Máy tính raster của Arc đã được sử dụng để thực hiện phép tính đơn giản (2009 KDE - 1989 KDE) cần thiết để tạo lớp phủ raster trên hình ảnh bên tay phải.

Có một phương pháp thích hợp hơn để phân tích mật độ cây hoặc diện tích tán thay đổi theo thời gian theo thống kê hoặc đồ họa? Với những dữ liệu này, bạn sẽ đánh giá sự thay đổi giữa dữ liệu cây 1989 và 2009 trong môi trường không gian địa lý như thế nào? Các giải pháp trong ArcGIS, Python, R, Erdas và ENVI được khuyến khích.

Vấn đề đầu tiên:

Bạn đang nhìn vào một hỗn hợp cực tiểu. Một cây khổng lồ với vương miện có kích thước acre trông khá nhiều , được giải thích trên cơ sở mật độ điểm / nhân, giống như một trường không có cây nào cả. Bạn sẽ kết thúc với giá trị cao chỉ khi có những cây nhỏ, phát triển nhanh, ở rìa và trong những khoảng trống trong rừng. Một mẹo nhỏ là, những cây nhỏ hơn dày đặc này có nhiều khả năng bị che khuất bởi bóng tối hoặc tắc hoặc không thể giải quyết ở độ phân giải 1 mét, hoặc bị kết hợp với nhau vì chúng là một cụm cùng loài.

Câu trả lời của Jen là chính xác trong phần đầu tiên này: Vứt bỏ thông tin đa giác là một sự lãng phí. Có một sự phức tạp ở đây, mặc dù. Cây mọc mở có tán cây thẳng đứng, lan rộng hơn nhiều, tất cả những thứ khác đều bằng nhau, so với cây đứng tuổi hoặc cây trong rừng trưởng thành. Để biết thêm xem # 3.

Vấn đề thứ hai:

Tốt nhất bạn nên làm việc với một so sánh táo với táo. Dựa vào NDVI cho một và B & W cho người khác giới thiệu một thành kiến ​​không thể biết về kết quả của bạn. Nếu bạn không thể có được dữ liệu phù hợp cho năm 1989, thay vào đó, bạn có thể sử dụng dữ liệu B & W đã xuống cấp cho năm 2009 hoặc thậm chí cố gắng đo độ lệch trong dữ liệu năm 2009 so với B & W và ngoại suy kết quả NDVI cho năm 1989.

Có thể có hoặc không có lý khi giải quyết vấn đề này về mặt lao động, nhưng có một cơ hội tốt nó sẽ được đưa ra trong một đánh giá ngang hàng.

Vấn đề thứ ba:

Chính xác thì bạn đang cố gắng đo lường điều gì? Mật độ hạt nhân không phải là giá trị nhỏ hơnsố liệu, nó cung cấp cho bạn một cách để tìm các khu vực phát triển mới, cây non đang nhanh chóng giết chết nhau (tuân theo các giới hạn che bóng / tắc ở trên); Chỉ những người có khả năng tiếp cận tốt nhất với nước / ánh nắng mặt trời, nếu có, sẽ tồn tại trong một vài năm. Độ che phủ của tán cây sẽ là một sự cải thiện về mật độ hạt nhân đối với hầu hết các nhiệm vụ, nhưng cũng có một số vấn đề: nó xử lý một cây lớn 20 tuổi thậm chí chỉ đóng tán tán giống như 100 cây đã được thiết lập rừng già. Rừng khó định lượng theo cách bảo tồn thông tin; Một mô hình chiều cao tán là lý tưởng cho rất nhiều nhiệm vụ, nhưng không thể có được lịch sử. Số liệu bạn sử dụng được chọn tốt nhất dựa trên việc xây dựng mục tiêu của bạn. Họ là ai?

Biên tập:

Mục tiêu là cảm nhận sự mở rộng của cây bụi vào đồng cỏ bản địa. Phương pháp thống kê vẫn hoàn toàn hợp lệ ở đây, chúng chỉ cần một số lựa chọn công phu và chủ quan để áp dụng.

• Tính một biện pháp cơ bản của độ che phủ tán. Điều này có thể liên quan đến cách tiếp cận trực tiếp trên đa giác vương miện hoặc biến đa giác vương miện thành raster + làm mờ chúng nếu bạn cần phiên bản liên tục hơn.
• Hãy thử tách các lớp cảnh quan để phân tích, dựa trên tỷ lệ phần trăm tán. Các kỹ thuật thống kê bạn làm việc trong rừng tán kín có thể khác với các kỹ thuật bạn sử dụng trên đồng cỏ gần như trống trải, hoặc thậm chí có thể bị loại trừ khỏi phân tích. Một số khu vực nhỏ trong cảnh quan của bạn sẽ bao gồm "mở rộng vùng đất" và việc chọn cách loại bỏ hiệu ứng đó và bỏ qua dữ liệu không liên quan tùy thuộc vào bạn như một nhà thống kê.
• Tôi không biết nếu điều này sẽ hoạt động trong khoảng thời gian 20 năm (và nó sẽ hoạt động tốt hơn với các kỷ nguyên trung gian bổ sung), nhưng hãy thử chú ý đến đường kính vương miện như một proxy cho tuổi cây. Có một câu hỏi xác định mà bạn phải đặt ra, liệu kích thước nhân đôi của vương miện hiện tại có đại diện cho "sự mở rộng" hay liệu nó có cần cây mới hay không. Nếu đó là cái sau, bạn có một số ý tưởng cho dù chúng là mới (ít nhất, đối với một số loại cảnh quan bạn đã chọn ở trên, nơi bạn có thể xác minh một mức độ truy cập ánh sáng mặt trời nhất định).
• Tùy thuộc vào mục đích sinh thái của bạn, có thể đáng giá không chỉ để khám phá mật độ cây trực tiếp, mà còn khám phá sự phân mảnh cảnh quan bằng cách sử dụng các gói như Fragstats .
• Cú sút xa: Hãy chắc chắn rằng không có bộ dữ liệu LIDAR của quận đang chờ đợi để được sử dụng làm đánh giá xác thực và chính xác cho khả năng phân biệt mão trong bộ dữ liệu năm 2009.

Vấn đề với thẩm định KDE của bạn là nó làm mịn toàn bộ khu vực và do đó sẽ thu hẹp khoảng cách bạn có thể muốn tìm.

Khi tôi đọc rằng bạn đã sử dụng NDVI để phát hiện tán cây, tôi tự hỏi làm thế nào các đa giác vương miện trông như thế nào? Có phải những đa giác thực sự đơn lẻ với ID loài cây được liên kết với nó?

Nếu bạn có sự sang trọng để có đa giác cho mỗi vương miện của một cây và bạn quan tâm đến việc mất một vương miện cây, thì tôi nghĩ có hai khả năng; một vector và một giải pháp raster.

vectơ

1. kết hợp tất cả các đa giác từ một năm để không tồn tại các polys chồng chéo. Polys duy nhất là tốt. điều này sẽ dẫn đến hai shapefiles
2. sử dụng lớp phủ hoặc giao nhau để tìm các khu vực không phù hợp với năm 1989 và 2009 (nữa).

raster

1. chuyển đổi tất cả các đa giác từ mỗi năm thành một raster nhị phân với 0 = notree và 1 = cây. sử dụng độ phân giải cao, ví dụ 0,5m và nội suy song tuyến? điều này sẽ đảm bảo rằng các cạnh được mịn
2. trừ các hình ảnh nhị phân (2009-1989) và bạn sẽ nhận được một cái gì đó tương tự với kết quả đầu tiên của bạn nhưng không có KDEs được làm mịn

Tôi hy vọng nó sẽ thành công :) Tôi đã không thử những ý tưởng này mà chỉ đơn giản là viết ra những gì xuất hiện trong đầu tôi. chúc may mắn!

ồ ... có lẽ, bạn cũng có thể đơn giản thực hiện một cách tiếp cận đếm phần tư. mỗi năm, hãy cắt khu vực của bạn bằng cách sử dụng lưới vector 100x100m, đếm số điểm trong đa giác và so sánh hai mẫu khác nhau. chỉ là một ý tưởng khác ...

Một thay đổi chung trong thảm thực vật có thể được tính bằng Phân tích Thay đổi Kỹ thuật số. Để chạy phân tích này, trước tiên bạn sẽ cần một hình ảnh 4 băng tần (R, G, B và NIR) cho cả năm 1989 và 2009. Tiếp theo, sử dụng phần mềm viễn thám (như ENVI hoặc Erdas) chạy phân tích NDVI trên mỗi hình ảnh . Phân tích NDVI so sánh tỷ lệ của dải NIR - dải màu đỏ / dải NIR + pixel dải màu đỏ. Kết quả của phương trình này cho các giá trị pixel nằm trong phạm vi từ -1 đến 1. Các pixel có giá trị nhỏ hơn 0 cho thấy không có độ phản xạ trong dải NIR. Tương tự, các pixel có giá trị lớn hơn 0 phản ánh ánh sáng NIR và do đó được coi là thảm thực vật. Quá trình thực hiện phân tích thay đổi kỹ thuật số chỉ đơn giản là trừ đi một hình ảnh NDVI từ hình ảnh kia (trừ 1989 từ năm 2009). Vui lòng xem liên kết dưới đây để thảo luận sâu hơn.

http://www.bioline.org.br/pdf?er07006