Enigma geospaziale ecologico


15

Sto cercando una soluzione diversa, più elegante per un problema di statistica spaziale. I dati grezzi sono costituiti da una coordinata xy per ogni singolo albero (ovvero convertito in un file .shp di punto). Sebbene non utilizzato in questo esempio, ogni albero ha anche un poligono corrispondente (cioè come .shp) che rappresenta il diametro della corona. Le due immagini a sinistra mostrano le stime della densità del kernel su scala orizzontale (KDE) derivate da un file .shp puntuale delle singole posizioni dell'albero - uno dal 1989 e l'altro dal 2009. Il grafico a destra mostra la differenza tra i due KDE dove vengono visualizzati solo i valori +/- 2 deviazioni standard della media. Il calcolatore raster di Arc è stato utilizzato per eseguire il semplice calcolo (KDE 2009 - KDE del 1989) necessario per produrre la sovrapposizione raster sull'immagine a destra.

Esiste un metodo più appropriato per analizzare la densità dell'albero o il cambiamento dell'area del baldacchino nel tempo statisticamente o graficamente? Dati questi dati, come valuteresti il ​​cambiamento tra i dati sugli alberi del 1989 e del 2009 in un ambiente geospaziale? Le soluzioni in ArcGIS, Python, R, Erdas ed ENVI sono incoraggiate.

inserisci qui la descrizione dell'immagine


3
Hai i dati originali sulla posizione dell'albero dal 1989? In caso contrario, i KDE usano almeno gli stessi kernel (e le stesse larghezze di banda)? I dati dell'albero sono un censimento completo dell'area o sono una specie di campione (e in tal caso, come sono stati selezionati i membri di quel campione)? Cosa costituisce un "cambiamento" nel tuo studio e come vorresti misurarlo (ad esempio, come un cambiamento assoluto nella densità dell'albero o un cambiamento relativo)?
whuber

1
@whuber: Le posizioni degli alberi originali possono essere considerate dati di censimento poiché ogni albero all'interno del DOQQ è stato inventariato. Il KDE si basava su punti derivati ​​dai dati del censimento. Sono principalmente interessato a rilevare nuovi alberi e cambiare la copertura del baldacchino.
Aaron

1
I KDE potrebbero essere inappropriati qui poiché il cambiamento nella posizione dell'albero e i numeri cambieranno la larghezza di banda e quindi i risultati. Hai mai pensato di creare un raster zonale di dimensioni arbitrarie (diciamo 100m x 100m) e ottenere alberi / cella e area / cellula dell'albero per ogni volta e poi calcolare una differenza tra i tempi?
blindjesse,

@blindJesse: hai un buon punto. In alternativa, ho pensato di convertire i poligoni del diametro del baldacchino del 2009 e del 1989 in raster, quindi riclassificando i raster in dati binari. Da lì, posso eseguire uno script di statistiche focali della finestra mobile sulla differenza tra i due.
Aaron

1
Non sono ancora sicuro della forma dei dati grezzi, Aaron. Quando scrivi "ogni albero ... è stato inventariato", significa che ogni singolo albero è stato identificato e assegnato le coordinate? O forse significa che qualcuno ha disegnato un poligono e ha detto "Ho trovato 39 aceri rossi e 13 querce bianche qui?" Comprendere i punti di forza e le limitazioni dei dati originali è fondamentale per ottenere la risposta canonica che cerchi.
whuber

Risposte:


8

Primo problema:

Stai guardando una miscela di minimi. Un albero gigantesco con una corona delle dimensioni di un acro sembra abbastanza , interpretato su una base di densità punto / kernel, come un campo senza alberi. Finirai con valori alti solo dove ci sono piccoli alberi in rapida crescita, ai bordi e negli spazi vuoti nella foresta. La cosa difficile è che questi alberi più piccoli e densi hanno molte più probabilità di essere oscurati dall'ombra o dall'occlusione o di essere irrisolvibili con una risoluzione di 1 metro o di essere aglomerati insieme perché sono un gruppo della stessa specie.

La risposta di Jen è corretta in questa prima parte: buttare via le informazioni sui poligoni è uno spreco. C'è una complicazione qui, però. Gli alberi aperti hanno una corona molto meno verticale, più diffusa, a parità di altre condizioni, rispetto a un supporto di età pari o un albero in una foresta matura. Per di più vedi # 3.

Secondo problema:

Idealmente dovresti lavorare con un confronto tra mele e mele. Affidarsi a NDVI per uno e B&W per l'altro introduce una distorsione ignota nei risultati. Se non riesci a ottenere dati adeguati per il 1989, potresti invece utilizzare dati in bianco e nero degradati per il 2009 o persino provare a misurare la distorsione nei dati del 2009 in relazione al B&W ed estrapolare i risultati NDVI per il 1989.

Potrebbe essere plausibile o meno affrontare questo punto dal punto di vista del lavoro, ma c'è una buona possibilità che venga sollevato in una revisione tra pari.

Terzo problema:

Cosa stai cercando di misurare con precisione? La densità del kernel non ha valoremetrico, ti dà un modo per trovare aree di nuova crescita, alberi giovani che si stanno rapidamente uccidendo a vicenda (soggetti alle limitazioni di ombreggiatura / occlusione sopra); Solo quelli con il miglior accesso all'acqua / luce del sole, se presenti, sopravviveranno in pochi anni. La copertura del baldacchino sarebbe un miglioramento della densità del kernel per la maggior parte dei compiti, ma ha anche dei problemi: tratta un grande stand di alberi di 20 anni di età pari che ha appena chiuso il baldacchino più o meno come un 100 stabilito foresta di anni. Le foreste sono difficili da quantificare in un modo che conserverà le informazioni; Un modello di altezza del baldacchino è l'ideale per molte attività, ma impossibile da ottenere storicamente. La metrica che usi è la scelta migliore basata su un'elaborazione dei tuoi obiettivi. Quali sono?

Modificare:

L'obiettivo è percepire l'espansione della macchia nella prateria nativa. I metodi statistici sono ancora perfettamente validi qui, richiedono solo alcune elaborazioni e scelte soggettive da applicare.

  • Calcola una misura di base della copertura del baldacchino. Ciò può comportare un approccio grigliato direttamente sui poligoni della corona o trasformare i poligoni della corona su un raster + sfocandoli se è necessaria una versione più continua.
  • Prova a separare le classi di paesaggi in cui eseguire l'analisi, in base alla percentuale di copertura del baldacchino. Le tecniche statistiche con cui lavori in una foresta chiusa possono essere diverse da quelle che usi in una prateria quasi spoglia o potrebbero persino essere difendibilmente escluse dall'analisi. Alcune piccole aree dei tuoi paesaggi includeranno "l'espansione della macchia" e scegliere come sottoporre a effetto quell'effetto e ignorare i dati che non sono rilevanti dipende da te come statistico.
  • Non so se funzionerà per un periodo di 20 anni (e funzionerà meglio con epoche intermedie aggiuntive), ma prova a prestare attenzione al diametro della corona come proxy per l'età degli alberi. C'è una domanda definitiva che devi porre, se il raddoppio delle dimensioni di una corona esistente rappresenta "espansione" o se richiede nuovi alberi. Se è quest'ultimo, hai qualche idea se sono nuovi (almeno, per alcune classi di paesaggi che hai selezionato sopra, dove puoi verificare un certo grado di accesso alla luce solare).
  • A seconda dei tuoi obiettivi ecologici, potrebbe essere utile non solo esplorare direttamente la densità degli alberi, ma esplorare la frammentazione del paesaggio usando pacchetti come Fragstats .
  • In breve: assicurati che non ci siano set di dati LIDAR della contea in attesa di essere utilizzati come validazione e valutazione dell'accuratezza per la tua capacità di distinguere le corone nel set di dati del 2009.

Grazie Chris, fai emergere molte lacune legittime nell'approccio di KDE al rilevamento delle modifiche. Ho lottato con il modo migliore per affrontare la differenza nella qualità dell'immagine tra il 2009 e il 1989. Concordo sul fatto che sia garantito un set di dati di formazione per confrontare l'output delle immagini. Lo scopo di questi dati è valutare l'espansione delle arbusti nelle praterie native. Raccolgo che l'approccio migliore consiste nell'utilizzare il potere di questi dati del censimento e, di fatto, non usare un approccio statistico, ma piuttosto descrittivo.
Aaron

Non necessariamente. Risposta modificata con alcuni suggerimenti.
Mappatura domani

5

Il problema con la tua valutazione di KDE è che leviga l'intera area e quindi chiude gli spazi che potresti voler trovare.

Quando ho letto che hai usato NDVI per il rilevamento di corone d'albero, mi chiedo come siano i poligoni della corona? questi poligoni sono davvero singoli con ID albero-specie collegato ad esso?

Se hai il lusso di avere poligoni per ogni singola corona d'albero e sei interessato a dove una corona d'albero è andata persa, allora penso che ci siano due possibilità; un vettore e una soluzione raster.

vettore

  1. combinare tutti i poligoni da un anno in modo che non rimangano poli sovrapposti. i polis singoli vanno bene. questo porterà a due shapefile
  2. utilizzare la sovrapposizione o l'intersezione per trovare aree in cui il 1989 e il 2009 non corrispondono (più).

raster

  1. converti tutti i poligoni di ogni anno in un raster binario con 0 = notree e 1 = tree. utilizzare una risoluzione elevata, ad es. 0,5 me interpol bilineare? questo farà in modo che i bordi siano lisci
  2. sottrai le immagini binarie (2009-1989) e dovresti ottenere qualcosa di simile al tuo primo risultato ma libero dai KDE levigati

Spero che funzioni :) Non ho provato queste idee ma ho semplicemente scritto ciò che mi è venuto in mente. in bocca al lupo!

oh ... forse, potresti anche semplicemente fare un approccio conteggio dei quadrat. per ogni anno, taglia la tua area usando una griglia vettoriale di 100x100m, conta i punti in poligoni e confronta i due diversi schemi. solo un'altra idea ...


Jens, eccellente analisi del problema ecologico. La tua risposta concisa identifica entrambi un grave problema con l'approccio di KDE e ha davvero aiutato con una strada da seguire complessiva.
Aaron

2

Un cambiamento generale nella vegetazione può essere calcolato usando un'analisi del cambiamento digitale. Per eseguire questa analisi è necessario innanzitutto un'immagine a 4 bande (R, G, B e NIR) sia per il 1989 che per il 2009. Successivamente, utilizzando un software di telerilevamento (come ENVI o Erdas) eseguire un'analisi NDVI su ogni immagine . L'analisi NDVI confronta il rapporto tra banda NIR - banda rossa / banda NIR + pixel di banda rossa. Il risultato di questa equazione fornisce valori di pixel che vanno da -1 a 1. I pixel con un valore inferiore a zero non mostrano alcuna riflettanza nella banda NIR. Allo stesso modo, i pixel che hanno un valore maggiore di zero riflettono la luce NIR e quindi sono considerati vegetazione. Il processo di analisi del cambiamento digitale consiste semplicemente nel sottrarre un'immagine NDVI dall'altra (sottrarre il 1989 dal 2009). Si prega di consultare il link qui sotto per una discussione più approfondita.

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


Grazie per un pensiero stimolante risposta e riferimento. Le NDVI sono state create dal DOQQ NAIP a 4 bande 1m del 2009 per ricavare le posizioni degli alberi. Tuttavia, le immagini NAIP da 1m del 1989 sono disponibili solo in scala di grigi - quindi queste immagini hanno dovuto essere manipolate in modo diverso per ricavare le posizioni degli alberi. Potrebbe esserci troppo "rumore di fondo" per questo studio usando NDVI generati da TM o altre immagini a bassa risoluzione per l'analisi del cambiamento digitale. Grazie ancora!
Aaron
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.