생태 지리 공간 수수께끼

공간 통계 문제에 대한 다른 더 우아한 솔루션을 찾고 있습니다. 원시 데이터는 각 개별 트리 에 대한 xy 좌표 (예 : 점 .shp 파일로 변환)로 구성됩니다. 이 예에서는 사용되지 않았지만 모든 트리에는 크라운 직경을 나타내는 해당 다각형 (예 : .shp)도 있습니다. 왼쪽의 두 이미지는 개별 트리 위치의 .shp 파일 (1989 년과 2009 년 각각)의 .shp 파일에서 파생 된 가로 크기 커널 밀도 추정값 (KDE)을 보여줍니다. 오른쪽의 그래픽은 두 KDE의 차이점을 보여줍니다. 평균의 값 +/- 2 표준 편차 만 표시됩니다. Arc의 래스터 계산기는 오른쪽 이미지에 래스터 오버레이를 생성하는 데 필요한 간단한 계산 (2009 KDE-1989 KDE)을 수행하는 데 사용되었습니다.

통계적으로 또는 그래픽 적으로 시간에 따른 트리 밀도 또는 캐노피 영역 변화를 분석하는 데 더 적합한 방법이 있습니까? 이러한 데이터가 제공되면 지리 공간 환경에서 1989 년과 2009 년 트리 데이터 간의 변화를 어떻게 평가할 수 있습니까? ArcGIS, Python, R, Erdas 및 ENVI의 솔루션이 권장됩니다.

첫 번째 문제 :

당신은 최소의 혼합을보고 있습니다. 에이커 크기의 왕관을 가진 하나의 거대한 나무는 나무가 전혀없는 들판과 같이 점 / 커널 밀도 기준으로 해석되어 상당히 많이 보입니다 . 당신은 작고 빠르게 자라는 나무가있는 곳, 숲 가장자리와 간격에 높은 값으로 끝납니다. 까다로운 점은,이 조밀 한 작은 나무는 그림자 나 폐색에 의해 가려 지거나 1 미터 해상도에서 분해 할 수 없거나 같은 종의 덩어리이기 때문에 함께 번쩍 일 가능성이 훨씬 높다는 것입니다.

Jen의 대답은 첫 번째 부분에서 정확합니다. 다각형 정보를 버리는 것은 낭비입니다. 그러나 여기에는 합병증이 있습니다. 자란 나무는 성숙한 숲의 나무 나 나무보다 훨씬 덜 수직이고 더 퍼져있는 왕관을 가지고 있습니다. 자세한 내용은 # 3을 참조하십시오.

두 번째 문제 :

이상적으로 사과 대 사과 비교를 사용하는 것이 좋습니다. 하나는 NDVI에 의존하고 다른 하나는 흑백에 의존하면 결과에 알 수없는 편견이 생깁니다. 1989 년에 적합한 데이터를 얻을 수 없다면, 2009 년에 성능 저하 된 B & W 데이터를 사용하거나 2009 년 데이터를 B & W에 대한 바이어스를 측정하여 1989 년에 대한 NDVI 결과를 추정 할 수 있습니다.

이 점을 노동 적으로 현명하게 다루는 것이 가능할 수도 있고 그렇지 않을 수도 있지만, 동료 검토에서 제기 될 수있는 적절한 기회가 있습니다.

세번째 문제 :

정확히 무엇을 측정하려고합니까? 커널 밀도는 가치 가 없습니다미터법을 사용하면 서로 빠르게 자라나는 신생 어린 나무 지역을 찾을 수 있습니다 (위의 음영 / 폐색 한계에 따라 다름). 물 / 햇빛에 가장 잘 접근 할 수있는 사람 만이 몇 년 안에 생존 할 것입니다. 캐노피 적용 범위는 대부분의 작업에서 커널 밀도를 향상시키는 것이지만 문제도 있습니다. 캐노피를 거의 100 개와 거의 동일하게 닫지 않은 20 년 된 나무의 큰 짝수 스탠드를 처리합니다. 세의 숲. 산림은 정보를 보존하는 방식으로 수량화하기가 어렵습니다. 캐노피 높이 모델은 많은 작업에 이상적이지만 역사적으로는 불가능합니다. 사용하는 측정 항목은 세부적인 목표를 기반으로 선택하는 것이 가장 좋습니다. 그들은 무엇인가?

편집하다:

목표는 토착 초원으로의 관목 지 확장을 감지하는 것입니다. 통계적 방법은 여전히 완벽히 유효 하며 적용하기 위해서는 정교하고 주관적인 선택이 필요합니다.

• 캐노피 적용 범위의 기본 측정 값을 계산하십시오. 크라운 다각형에 직접 그리드 방식을 사용하거나보다 연속적인 버전이 필요한 경우 크라운 다각형을 래스터로 바꾸거나 흐리게 만드는 것이 포함될 수 있습니다.
• 퍼센트 캐노피 적용 범위를 기준으로 분석을 수행 할 수있는 조경 클래스를 분리 해보십시오. 폐쇄 형 캐노피 숲에서 작업하는 통계 기법은 거의 맨발의 초원에서 사용하는 기법과 다를 수 있으며 분석에서 방어 적으로 제외 될 수도 있습니다. 지형의 일부 작은 영역에는 "스크루 블 확장"이 포함되며, 해당 효과의 하위 세트를 지정하고 관련이없는 데이터를 무시하는 방법을 선택하는 것은 통계 전문가에게 달려 있습니다.
• 이것이 20 년 동안 지속되는지 (그리고 추가 중간 신기원에서 더 잘 작동하는지) 모르겠지만 나무 나이의 대리로 크라운 지름에주의를 기울이십시오. 기존 왕관의 크기가 두 배로 늘어 나면 "확장"을 나타내는 지 또는 새 나무를 필요로하는지에 대한 정의적인 질문이 있습니다. 후자의 경우, 새로운 것인지 여부를 알 수 있습니다 (적어도, 위에서 선택한 일부 풍경 클래스의 경우 특정 정도의 햇빛에 대한 액세스를 확인할 수 있음).
• 생태 학적 목표에 따라 트리 밀도를 직접 탐색 할뿐만 아니라 Fragstats 와 같은 패키지를 사용하여 가로 분할을 탐색하는 것이 좋습니다 .
• 롱 샷 : 2009 년 데이터 세트에서 크라운을 구별 할 수있는 유효성 및 정확도 평가로 사용되기를 기다리는 카운티 LIDAR 데이터 세트가 없는지 확인하십시오.

KDE 접근법의 문제점은 전체 영역을 부드럽게하여 찾을 수있는 격차를 줄이는 것입니다.

트리 크라운 감지에 NDVI를 사용했다는 것을 읽었을 때 크라운 다각형이 어떻게 보이는지 궁금합니다. 트리 종 ID가 연결된 단일 폴리곤입니까?

모든 단일 트리 크라운에 다각형을 사용할 수있는 고급 스러움이 있고 트리 크라운이 손실 된 위치에 관심이 있다면 두 가지 가능성이 있다고 생각합니다. 벡터 및 래스터 솔루션.

벡터

1. 겹치는 폴리곤이 남지 않도록 1 년 동안의 모든 다각형을 결합합니다. 단일 폴리는 괜찮습니다. 이것은 두 개의 shapefile로 이어질 것입니다
2. 1989 년과 2009 년이 더 이상 일치하지 않는 영역을 찾으려면 오버레이 또는 교차를 사용하십시오.

래스터

1. 매년 모든 다각형을 0 = notree 및 1 = tree의 이진 래스터로 변환합니다. 0.5m 및 쌍 선형 보간과 같은 고해상도를 사용합니까? 이렇게하면 가장자리가 매끄럽게됩니다.
2. 이진 이미지를 빼면 (2009-1989) 첫 번째 결과와 비슷하지만 부드러운 KDE가 없어야합니다.

나는 그것이 잘되기를 바랍니다 :) 나는이 아이디어를 시험해 보지 않고 단순히 내 마음에 온 것을 적었습니다. 행운을 빕니다!

아 ... 아마도, 당신은 단순히 쿼드 래트 카운트 접근법을 만들 수도 있습니다. 매년 100x100m의 벡터 격자를 사용하여 영역을 분할하고 다각형으로 포인트를 세고 두 가지 패턴을 비교하십시오. 또 다른 아이디어 ...

식생의 일반적인 변화는 디지털 변화 분석을 사용하여 계산 될 수 있습니다. 이 분석을 실행하려면 먼저 1989 년과 2009 년 모두에 대해 4 밴드 (R, G, B 및 NIR) 이미지가 필요합니다. 그런 다음 원격 감지 소프트웨어 (예 : ENVI 또는 Erdas)를 사용하여 각 이미지에 대해 NDVI 분석을 실행하십시오. . NDVI 분석은 NIR 대역 – 적색 대역 / NIR 대역 + 적색 대역 픽셀의 비율을 비교합니다. 이 방정식의 결과는 -1에서 1까지의 픽셀 값을 제공합니다. 값이 0보다 작은 픽셀은 NIR 대역에서 반사율을 나타내지 않습니다. 마찬가지로, 0보다 큰 값을 갖는 픽셀은 근적외선을 반사하므로 식물로 간주됩니다. 디지털 변경 분석을 수행하는 프로세스는 단순히 하나의 NDVI 이미지를 다른 것에서 빼는 것입니다 (2009에서 1989를 뺍니다). 자세한 내용은 아래 링크를 참조하십시오.

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