LiDAR 데이터로 Joshua Tree를 식별 하시겠습니까?

LiDAR 프로젝트를 진행 중이며 특정 연구 지역 내에서 조슈아 나무가 어디에 있는지 확인하고 있습니다. 초목이 매우 희박하기 때문에 여호수아 나무와 미루 나무라는 두 개의 캐노피 종이 실제로 있습니다. 캐노피의 종 풍부 성이 매우 제한되어 있기 때문에 이것이 비교적 쉬운 LiDAR 분석이라고 생각합니다. 내 접근 방식은 DEM (Bare Earth Raster)을 만든 다음 1 차 귀환 래스터를 만드는 것입니다. 그런 다음 첫 번째 반환 래스터에서 맨손으로 지구를 빼고 식생 래스터를 만듭니다. 검증을 위해베이스 맵을 사용하여 노이즈 (예 : 전력선, 건물)를 쉽게 제거 할 수 있습니다. 고객은 모든 조슈아 나무가 12 피트 이상인 것을보고 싶기 때문에 초목 래스터를 재 분류합니다. 이렇게함으로써 연구 영역 내에서 모든 나무 종 (여호수아 나무)을 볼 수 있어야합니다.

이것이 내가 ArcMap에서 수행 한 방법입니다.

베어 어스 레이어 만들기

1. LAS 데이터 세트 생성 도구를 사용하여 선택한 스터디 영역의 라스 데이터 세트 생성
2. LAS 데이터 세트 레이어 만들기 도구를 사용하여이 레이어로 라스 데이터 세트 레이어를 만듭니다
   . 클래스 코드에서 2 (접지)를 선택하십시오
3. LAS Dataset to Raster 도구를 사용하여이 레이어를 래스터로 변환하십시오.

초목 레이어 만들기

4. 2 단계와 3 단계를 반복합니다. 그러나 LAS 데이터 세트 레이어 도구를 사용할 때 반환 값 (선택 사항)에서 첫 번째 반환을 선택합니다.

5. 빼기 도구를 사용하여 첫 번째 반환 래스터에서 베어 어스 래스터를 뺍니다.

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

6. 재 분류 도구를 사용하여 12 피트 이상을 결정하십시오.

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

누구든지 이것에 대해 경험이 있고 내가 잘못 될 수있는 몇 가지 팁 / 포인터를 제공 할 수 있습니까? 사람들이 더 나은 방법론을 알고 있다면 나는 아이디어에 개방적입니다!

LiDAR 지점에서 CanopyMaxima 알고리즘에 대한 입력으로 생성 한 CHM 래스터의 "품질"은 결과에 큰 영향을 미칩니다. CHM을 생성하는 몇 가지 방법을 시도해보십시오.

• 간단한 고수익 그리드 / 비닝
• 가장 높은 수익률은 작은 디스크 그리드 / 비닝으로 바 turned
• TIN을 통한 첫 번째 반환 보간 및 래스터 화
• 그리드 및 래스터 화에서 최고 수익률의 TIN 보간
• 부분 CHM에 기반한 피트없는 알고리즘
• 스파이크 방지에 기반한 스파이크가없는 알고리즘

피트 프리 및 스파이크 프리에 관한이 두 블로그 기사는 LAStools를 사용하여 위에 나열된 다양한 방법으로 CHM 래스터를 생성하는 방법을 설명합니다 .

워크 플로우로 캐노피 높이 모델을 작성하려고하는 것처럼 보입니다. 지면 위의 모든 물체의 높이가 표시됩니다. 관심있는 종을 살펴보면, 미루 나무는 일반적으로 키가 크고 강기슭 지역과 홍수 지역 내에서 자랍니다. 조슈아 나무는 더 건조한 고지대 나무입니다. 따라서, 캐노피 높이 모델을 == 12 '의 모든 픽셀을 포함하도록 재 분류하는 것은 조슈아 트리 만이 아닌 두 종을 포함 할 것이다.

ArcGIS는 파생 된 LiDAR 제품을 조작하는 데 유용하지만 LiDAR 처리와 관련하여 갈 길이 멀다. 오히려 LiDAR 임업 작업에 최적화 된 FUSION 을 추천 합니다. FUSION에서 CanopyMaxima라는 알고리즘을 사용하여 AOI 내의 개별 트리를 식별하는 것이 좋습니다. 로부터 문서 (P.26) :

CanopyMaxima는 캐노피 높이 모델로 표현 된 개별 우성 및 우성 나무를 식별하는 데 가장 자주 사용됩니다. 상대적으로 고립 된 침엽수 나무에 가장 적합합니다. 밀집한 스탠드에서는 서로 가까이에서 자라는 나무를 분리 할 수 ​​없습니다. 결과는 최대 값이 둘 이상이어야하는 단일 로컬 최대 값입니다. 낙엽 숲에서는 알고리즘이 잘 수행되지 않습니다. 그러한 나무의 크라운 모양이 더 둥글고 크라운이 트리의 상단 근처에서 서로 겹치는 경향이 있기 때문입니다.

명령은 비교적 간단합니다.

CanopyMaxima /img24 canopy_maxima_test_1m.dtm testtrees.csv

여기에는 개별 트리의 좌표를 보여주는 CSV 파일이 있습니다. 미루 나무를 걸러 내려면 다음 워크 플로를 고려하십시오.

1. 트리 위치 CSV를 점 shapefile로 변환
2. 강기슭 지역을 식별하고 (예 : DEM 임계 값을 지정하거나 스트림 레이어 버퍼링) 강기슭 지역 내의 나무 위치 지점을 필터링하는 데 사용합니다.