Identificare gli alberi di Joshua con i dati LiDAR?

Sto lavorando a un progetto LiDAR per determinare dove si trovano gli alberi di Joshua all'interno di un'area di studio specifica. Dato che la copertura vegetale è così scarsa, ci sono davvero 2 specie di baldacchino, che sono alberi di Giosuè e pioppi. Credo che questa sia un'analisi LiDAR relativamente semplice a causa della ricchezza molto limitata di specie nel baldacchino. Il mio approccio è stato quello di creare un raster di terra nuda (DEM) e quindi un raster di primo ritorno. Vorrei quindi sottrarre la terra nuda dal primo raster di ritorno per creare un raster di vegetazione. Sarei in grado di rimuovere facilmente qualsiasi rumore (ad esempio linee elettriche, edifici) utilizzando una mappa di base per la verifica. Dato che il cliente vuole vedere tutti gli alberi di Joshua> = 12 piedi, riclassificerei semplicemente la trama della vegetazione. In questo modo, dovrei essere in grado di vedere tutte le specie di alberi, che dovrebbero essere alberi di Joshua, all'interno della mia area di studio.

Questa è la metodologia che ho seguito in ArcMap:

Crea strato di terra nuda

1. Creare un set di dati las dell'area di studio selezionata con lo strumento Crea set di dati LAS
2. Crea un livello di set di dati las con questo livello con lo strumento Crea livello di set di dati LAS
   a. Selezionare 2 (terra) dai Codici di classe
3. Converti questo livello in raster con lo strumento set di dati LAS in raster.

Crea uno strato di vegetazione

4. RIPETERE I PASSAGGI 2 E 3 DI NUOVO, MA SELEZIONARE IL PRIMO RITORNO SOTTO VALORI DI RITORNO (opzionale) QUANDO SI UTILIZZA LO STRUMENTO STRATO LAS DATASET.

5. Sottrarre il raster Terra nuda dal 1 ° Raster di ritorno con lo strumento Meno

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

6. Utilizzare lo strumento Ricodifica per determinare che cosa è 12 piedi e più:

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

Qualcuno ha qualche esperienza con questo e potrebbe essere in grado di fornire alcuni suggerimenti / indicazioni su dove potrei sbagliare? Se le persone conoscono metodologie migliori, sono aperto alle idee!

La "qualità" del raster CHM generato dai punti LiDAR come input per l'algoritmo CanopyMaxima influirà in modo significativo sui risultati. Suggerisco di provare alcuni metodi per generare un CHM, come

• griglia / binning semplice con il rendimento più alto
• i rendimenti più alti si sono trasformati in un piccolo disco che si occupa di griglia / binning
• interpolazione di primo ritorno tramite TIN seguita da rasterizzazione
• Interpolazione TIN dei soli ritorni più alti su una griglia e rasterizzazione
• l'algoritmo senza pit basato su CHM parziali
• l'algoritmo senza picchi basato sull'evitamento di picchi.

Questi due articoli del blog su pit-free e spike-free descrivono come generare CHM raster con i diversi metodi sopra elencati usando LAStools .

Sembra che tu stia tentando di creare un modello di altezza del baldacchino con il tuo flusso di lavoro. Questo mostrerà l'altezza di tutti gli oggetti fuori terra. Osservando le tue specie di interesse, gli alberi del pioppo crescono in genere alti e all'interno di aree ripariali e zone di inondazione. Gli alberi di Joshua sono alberi di montagna più aridi. Pertanto, riclassificare il modello di altezza del baldacchino per includere tutti i pixel> = 12 'includerebbe sicuramente entrambe le specie anziché solo gli alberi di Joshua.

ArcGIS è ottimo per la manipolazione di prodotti LiDAR derivati, sebbene abbia ancora molta strada da fare per quanto riguarda l'elaborazione LiDAR. Piuttosto, raccomanderei FUSION , che è ottimizzato per lavorare su applicazioni forestali LiDAR. Consiglierei un algoritmo in FUSION chiamato CanopyMaxima per identificare i singoli alberi all'interno del tuo AOI. Dalla documentazione (p. 26) :

CanopyMaxima viene spesso utilizzato per identificare singoli alberi dominanti e codominanti rappresentati in un modello di altezza del baldacchino. Funziona meglio con alberi di conifere relativamente isolati. In fitti banchi, gli alberi che crescono in stretta vicinanza l'uno con l'altro non possono essere separati. Il risultato è un singolo massimo locale dove dovrebbero esserci più di un massimo. L'algoritmo non funziona bene nelle foreste decidue perché la forma della corona per tali alberi tende ad essere più arrotondata e le corone tendono a sovrapporsi reciprocamente vicino alla cima dell'albero

Il comando è relativamente semplice:

CanopyMaxima /img24 canopy_maxima_test_1m.dtm testtrees.csv

Da qui, hai un file CSV che mostra le corde dei singoli alberi. Per filtrare gli alberi del pioppo, considerare il flusso di lavoro seguente:

1. Converti CSV posizione dell'albero in shapefile punto
2. Identificare le aree rivierasche (ad esempio tramite il soglia di un DEM o il buffering di un livello di flussi) e utilizzarlo per filtrare eventuali punti di localizzazione dell'albero all'interno delle aree ripariali.