Teka-teki geospasial ekologis

Saya mencari solusi berbeda, lebih elegan untuk masalah statistik spasial. Data mentah terdiri dari koordinat xy untuk setiap pohon individu (yaitu dikonversi ke file .shp titik). Meskipun tidak digunakan dalam contoh ini, setiap pohon juga memiliki poligon yang sesuai (yaitu sebagai .shp) yang mewakili diameter mahkota. Dua gambar di sebelah kiri menunjukkan estimasi kerapatan kernel skala lansekap (KDE) yang berasal dari file .shp titik lokasi pohon individu - satu dari 1989 dan yang lainnya dari 2009. Grafik di sebelah kanan menunjukkan perbedaan antara kedua KDE. di mana hanya nilai +/- 2 standar deviasi dari mean yang ditampilkan. Kalkulator raster Arc digunakan untuk melakukan perhitungan sederhana (2009 KDE - 1989 KDE) yang diperlukan untuk menghasilkan overlay raster pada gambar sebelah kanan.

Apakah ada metode yang lebih tepat untuk menganalisis kerapatan pohon atau perubahan luas tajuk dari waktu ke waktu baik secara statistik maupun grafis? Dengan data ini, bagaimana Anda menilai perubahan antara data pohon 1989 dan 2009 di lingkungan geospasial? Solusi di ArcGIS, Python, R, Erdas dan ENVI sangat dianjurkan.

Masalah pertama:

Anda sedang melihat campuran minima. Satu pohon raksasa dengan mahkota ukuran acre terlihat cukup banyak , ditafsirkan berdasarkan titik / kernel density, seperti bidang tanpa pohon sama sekali. Anda akan berakhir dengan nilai tinggi hanya di mana ada pohon-pohon kecil yang tumbuh cepat, di tepi dan celah di hutan. Yang agak sulit adalah, pohon-pohon kecil yang lebat ini jauh lebih mungkin untuk dikaburkan oleh bayangan atau oklusi atau tidak dapat diselesaikan dengan resolusi 1 meter, atau diaglomerasi bersama karena mereka adalah rumpun dari spesies yang sama.

Jawaban Jen benar di bagian pertama ini: Membuang informasi poligon itu sia-sia. Tapi ada komplikasi di sini. Pohon yang tumbuh terbuka memiliki mahkota yang jauh lebih vertikal dan lebih menyebar, semua hal lain dianggap sama, daripada tegakan yang berumur genap atau pohon di hutan dewasa. Untuk lebih lanjut lihat # 3.

Masalah kedua:

Sebaiknya Anda bekerja dengan perbandingan apel dengan apel. Mengandalkan NDVI untuk satu dan B&W untuk yang lain memperkenalkan bias yang tidak diketahui ke dalam hasil Anda. Jika Anda tidak bisa mendapatkan data yang sesuai untuk 1989, Anda bisa menggunakan data B&W terdegradasi untuk 2009, atau bahkan mencoba mengukur bias dalam data 2009 relatif terhadap B&W dan mengekstrapolasi hasil NDVI untuk 1989.

Mungkin masuk akal atau tidak masuk akal untuk membahas hal ini dari sisi tenaga kerja, tetapi ada peluang yang layak untuk diangkat dalam peer review.

Masalah ketiga:

Apa tepatnya yang Anda coba ukur? Kepadatan kernel bukan nilai-kurangmetrik, ini memberi Anda cara untuk menemukan area pertumbuhan baru, pohon muda yang dengan cepat saling membunuh (tunduk pada batasan naungan / oklusi di atas); Hanya yang memiliki akses terbaik ke air / sinar matahari, jika ada, yang akan bertahan dalam beberapa tahun. Cakupan kanopi akan menjadi peningkatan pada kepadatan kernel untuk sebagian besar tugas, tetapi itu memiliki masalah juga: ia memperlakukan tegakan pohon genap berusia 20 tahun yang baru saja berumur genap yang baru saja menutup kanopi sama seperti yang sudah 100 hutan tua. Hutan sulit untuk diukur dengan cara yang akan menjaga informasi; Model ketinggian kanopi sangat ideal untuk banyak tugas, tetapi tidak mungkin diperoleh secara historis. Metrik yang Anda gunakan paling baik dipilih berdasarkan pada penjabaran tujuan Anda. Apakah mereka?

Edit:

Tujuannya adalah merasakan ekspansi semak belukar ke padang rumput asli. Metode statistik masih benar-benar valid di sini, mereka hanya memerlukan beberapa elaborasi dan pilihan subjektif untuk diterapkan.

• Hitung ukuran dasar dari cakupan kanopi. Ini mungkin melibatkan pendekatan grid langsung pada poligon mahkota, atau mengubah poligon mahkota menjadi raster + mengaburkannya jika Anda memerlukan versi yang lebih berkelanjutan.
• Coba pisahkan kelas lanskap tempat Anda melakukan analisis, berdasarkan persen cakupan kanopi. Teknik statistik yang Anda gunakan di hutan kanopi tertutup mungkin berbeda dari yang Anda gunakan di padang rumput yang hampir gundul, atau bahkan mungkin secara defensif dikeluarkan dari analisis. Beberapa area kecil lanskap Anda akan termasuk "ekspansi scrubland", dan memilih cara untuk mengelompokkan efek itu & mengabaikan data yang tidak relevan terserah Anda sebagai ahli statistik.
• Saya tidak tahu apakah ini akan bekerja lebih dari rentang waktu 20 tahun (dan itu akan bekerja lebih baik dengan zaman menengah tambahan), tetapi cobalah memperhatikan diameter mahkota sebagai proksi untuk usia pohon. Ada pertanyaan definisi yang harus Anda tanyakan, apakah menggandakan ukuran mahkota yang ada mewakili "ekspansi", atau apakah itu membutuhkan pohon baru. Jika yang terakhir, Anda memiliki ide apakah mereka baru (setidaknya, untuk beberapa kelas lansekap yang Anda pilih di atas, di mana Anda dapat memverifikasi tingkat tertentu dari akses sinar matahari).
• Bergantung pada tujuan ekologis Anda, mungkin bermanfaat tidak hanya mengeksplorasi kepadatan pohon secara langsung, tetapi juga untuk mengeksplorasi fragmentasi lanskap menggunakan paket seperti Fragstats .
• Catatan panjang: Pastikan tidak ada dataset LIDAR county yang menunggu untuk digunakan sebagai penilaian validasi dan akurasi untuk kemampuan Anda membedakan mahkota di dataset 2009.

Masalah dengan appraoch KDE Anda adalah bahwa hal itu menghaluskan seluruh area dan dengan demikian menutup celah yang mungkin ingin Anda temukan.

Ketika saya membaca bahwa Anda menggunakan NDVI untuk deteksi mahkota pohon, saya ingin tahu seperti apa bentuk poligon mahkota? Apakah ini benar-benar poligon tunggal dengan ID spesies pohon yang terhubung dengannya?

Jika Anda memiliki kemewahan untuk memiliki poligon untuk setiap mahkota pohon tunggal dan Anda tertarik di mana mahkota pohon hilang, maka saya pikir ada dua kemungkinan; vektor dan solusi raster.

vektor

1. gabungkan semua poligon dari satu tahun sehingga tidak ada lagi polis yang tumpang tindih. polys tunggal baik-baik saja. ini akan menyebabkan dua shapefile
2. gunakan overlay atau berpotongan untuk menemukan area di mana 1989 dan 2009 tidak cocok (lagi).

raster

1. ubah semua poligon dari setiap tahun menjadi raster biner dengan 0 = notree dan 1 = tree. menggunakan resolusi tinggi, misalnya 0,5m dan bilinear interpol? ini akan memastikan bahwa tepinya halus
2. kurangi gambar biner (2009-1989) dan Anda harus mendapatkan sesuatu yang mirip dengan hasil pertama Anda tetapi bebas dari KDE yang dihaluskan

Saya harap itu berhasil :) Saya tidak mencoba ide-ide ini tetapi hanya menuliskan apa yang muncul di pikiran saya. semoga berhasil!

oh ... mungkin, Anda juga bisa membuat pendekatan hitungan kuadrat. untuk setiap tahun, iris area Anda menggunakan kisi vektor 100x100m, hitung poin dalam poligon dan bandingkan dua pola yang berbeda. hanya ide lain ...

Perubahan umum dalam vegetasi dapat dihitung menggunakan Analisis Perubahan Digital. Untuk menjalankan analisis ini, pertama-tama Anda memerlukan gambar 4-band (R, G, B, dan NIR) untuk tahun 1989 dan 2009. Selanjutnya, menggunakan perangkat lunak penginderaan jauh (seperti ENVI atau Erdas) menjalankan analisis NDVI pada setiap gambar . Analisis NDVI membandingkan rasio pita NIR - pita merah / pita NIR + piksel pita merah. Hasil persamaan ini memberikan nilai piksel yang berkisar dari -1 hingga 1. Pixel yang memiliki nilai kurang dari nol tidak menunjukkan pantulan di pita NIR. Demikian juga, piksel yang memiliki nilai lebih besar dari nol memantulkan cahaya NIR dan karenanya dianggap sebagai vegetasi. Proses melakukan analisis perubahan digital hanya mengurangi satu gambar NDVI dari yang lain (kurangi 1989 dari 2009). Silakan lihat tautan di bawah ini untuk diskusi yang lebih mendalam.

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