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.