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.