서식지지도에서 파편과 복도 구별

12

누군가 전에 이런 종류의 문제에 익숙해 졌는지 궁금합니다.

거리 임계 값이 3 픽셀 인 동일한 클래스 (숲)의 인접 픽셀을 기반으로 조각을 묘사하고 싶습니다 (관심 분야에서 생물학적으로 중요합니다).

내 관심사는 예를 들어 첨부 된 이미지를 참조하십시오. 이러한 조각은 실제로 복도이며 종종 복도와 실제 조각은 근접성 때문에 동일한 조각으로 그룹화됩니다.

모양, 주변 픽셀 수 등을 기준으로 복도와 조각을 구별하는 방법이 있는지 궁금합니다.

예를 들어 다음 상자에서 가능한 복도는 빨간색 상자로 표시되고 조각은 녹색 상자로 표시됩니다.

QGIS와 R에 액세스 할 수 있습니다.

— M514
소스

예제에서 추출하려는 복도 유형이있는 그림을 추가 할 수 있습니까?

— radouxju

4

분석을 시작하기 전에 데이터에 필터를 적용하여 "소금과 후추"효과를 정리하는 것이 좋습니다. 모든 알고리즘은 데이터의 현재 구조 패턴으로 어려움을 겪습니다. 단순한 초점 대다수는 바람직하지 않은 결과를 낳을 것입니다. 보다 강력한 방법은 최소 매핑 단위를 지정할 수있는 체 접근 방식을 적용하는 것입니다. 이 작업 은 GDAL 의 gdal_sieve.py 함수, raster > analysis > sieveQGIS 의 함수 또는 ArcGIS Gradient Metrics Toolbox 의 체 기능을 통해 수행 할 수 있습니다 .

이것은 수학 형태론 연산자 (예 : 이미지에서 도로 추출) 로 해결할 수있는 것으로 보입니다 . 나는 확장 연산자 다음에 닫는 연산자가 복도를 명확히 할 것이라고 상상할 것입니다. 그런 다음 열기 연산자를 적용하여 복도를 제거하고 식별 된 복도를 별도의 객체로 끌어 오기 위해 래스터를 구별 할 수 있습니다. 이러한 유형의 이미지 분해 기능은 MSPA 및 GUIDOS 소프트웨어에서 다소 자동화되지만 데이터의 불연속성에 의해 다시 한 번 영향을받습니다.

MSPA 용 QGIS 플러그인과 GRASS에서 사용 가능한 기능 (QGIS GUI를 통해 사용 가능)이 있습니다. MSPA 및 GUIDOS의 문제 중 하나는 이미지 크기가 제한되어 있다는 것입니다. 불행히도 ESRI 소프트웨어에서 형태소 연산자는 ArcScan 확장 에서만 사용할 수 있습니다 . 일부 파기를 사용하면 다른 소프트웨어 옵션뿐만 아니라 사용자 정의 커널 행렬이있는 래스터 대수를 통해 형태 학적 연산자를 정의하는 방법을 찾을 수 있습니다.

또 다른 방법은 Sobal 커널 연산자 와 같은 에지 감지 필터링 방법 입니다. 에서 소발 기능이 는 ArcGIS 그라데이션 메트릭 도구 상자 뿐만 아니라에서 spatialEco R 패키지. R 구현의 장점은 연산자의 그라디언트 함수를 반환 할 수 있고 ArcGIS 구현은 1 차 함수 (필요한 전부일 수 있음) 만 반환한다는 것입니다. 나는 믿고 오르페오 도구 상자 (A QGIS의 추가 기능으로 사용할 수)가 EdgeExtraction 기능에 소발 옵션이 있습니다.

— 제프리 에반스
소스

아마도 "염과 후추"필터를 적용하면 조각을 연결하는 표적 종에 대해 작은 중요 서식지 지역을 제거하는 효과가있을 수 있습니다 (때로는 최적이 아닌 품질 지역 임). 종의 분산 특성과 데이터의 공간 분해능을 기반으로 이러한 필터를 적용하기로 결정했습니다. 조류 (일반적으로 더 높은 분산 능력을 가진)는 작은 패치를 사용할 수 있지만 양서류 (비교 능력이 더 낮은 분산 능력)는 그렇지 않을 수 있습니다. 그냥 생각 ..

— Kamo

이것은 항상 트레이드 오프이지만 최소한의 매핑 단위는 주어진 가설을 설명해야합니다. 그러나 균형은 모델이 어느 정도의 불확실성을 나타내며 결과를 절대적인 것으로 취급한다는 점을 명심해야합니다. 솔직히, 당신의 주장을 뒷받침하기 위해, 풍경은 이항 과정이 아닌 확률 론적 구배로 취급되어야합니다. 이러한 유형의 필터링은 더 많은 기능적 환경을 나타내는 데 오랫동안 사용되어 왔습니다. 모형에 추정에 공간 구조를 설명하는 용어가 포함되어 있지 않는 한 공간은 확실하지 않습니다.

— Jeffrey Evans

5

전체 솔루션은 아니지만 연결 분석을 위해 다음 도구를 확인하십시오 (첫 번째는 검색 대상과 대략 비슷 함).

MSPA - GUIDOS 도구 상자 ( http://forest.jrc.ec.europa.eu/download/software )에서 형태 적 공간 패턴 분석 ( http://forest.jrc.ec.europa.eu/download/software/guidos/mspa ) / guidos ) 및
Conefor Sensinode ( http://www.conefor.org/ ).

또한 인스턴스를 분류하기 위해 기계 학습 알고리즘을 학습하는 것이 좋습니다 (복도 대 조각). 패치 수준 (예 : 패치 크기, 주변 영역 비율, 원 비율) 및 분류 할 거리 기반 기능 (예 : 조각 거리)으로 공간 속성을 제공 할 수 있습니다. 분류에 필요한 패치 수준 기능을 계산하려면 FragStats ( https://www.umass.edu/landeco/research/fragstats/fragstats.html )를 사용해보십시오 .

각 인스턴스를 분류하기 위해 더 단순한 '전문가 기반 규칙 시스템'을 고려할 수도 있습니다. 예를 들어 복도는 서식지 조각보다 주변 면적 비율이 더 높습니다.

연결성 분석에 대한 더 흥미로운 것들 : http://conservationcorridor.org/corridor-toolbox/programs-and-tools/

그러나 일부 복도에 '풀 픽셀 연결'이 없다는 사실은 먼저 정리해야하는 문제가됩니다. 일부 픽셀이 복도의 일부인지 여부를 결정하려면 거리 기반 임계 값 기준을 정의해야한다고 생각합니다.

— 카모
소스

0

조각의 모양에 달려있는 것 같습니다. 너비가 높이 (또는 반대)의 2 배 (또는 3 배)를 초과하면 복도라고 부를 수 있습니까?

아직 조각의 경계에 도달 했습니까?

— 로드리고
소스