Ekstraksi Puing-puing Kayu Kasar

8

Saya membuat awan titik padat yang sangat tinggi dari beberapa plot hutan menggunakan pemindai laser terestrial. Kemudian dihapus poin di atas 1,3 meter untuk melihat puing-puing kayu kasar (Pohon tumbang mati). Terlampir adalah DEM yang diarsir dari plot sampel dengan puing-puing kayu kasar di dalam elips merah.

masukkan deskripsi gambar di sini

Plot juga terdiri dari pohon-pohon kecil, bagian dari batang pohon di bawah 1,3 meter, tanah dan batu-batu kecil. Dari gambar, puing-puing kayu terlihat dengan bentuk terus menerus. Saya mencari alat untuk mengambil puing-puing kayu dari gambar ini. Arcmap, Envi atau perangkat lunak open source apa pun akan sempurna, dan saya juga memiliki pengetahuan Python dasar jika pengkodean bermanfaat.

python dem point-cloud forest-ecology Sher
sumber
2
Apakah LiDAR Anda diklasifikasikan? Ground / nonground otomatis akan membantu di sini. Algoritma otomatis harus mengklasifikasikan puing jatuh Anda sebagai bangunan (di atas tanah tanpa titik tanah di bawah), Anda dapat mencoba mengubah kelas bangunan Anda (atau kelas sayuran rendah / sedang) menjadi TIN dengan Esri dan mengubah TIN menjadi sumber daya triangle.arcgis.com /en/help/main/10.1/index.html#//… , hapus segitiga sisi yang sangat panjang (diperlukan python), larutkan dan abaikan yang kecil. Semua metrik ini akan memerlukan eksperimen dan mungkin beberapa pemeriksaan manual untuk menghapus aberasi.
Michael Stimson
Terima kasih @ Michael Stimson. Saya memiliki klasifikasi tanah dan vegetasi, tetapi saya akan mencoba membuat klasifikasi untuk melihat apakah dapat mendeteksi puing-puing kayu. Metode TIN terdengar seperti pekerjaan manual yang mungkin tidak ideal untuk kasus saya karena saya memiliki 96 1 hektar plot.
Sher
Pengerasan dan penghancuran harus mengurangi jumlah area yang harus diperiksa dengan menghilangkan segala sesuatu yang terlalu kecil untuk dianggap berdampingan tetapi dari pengalaman akan ada sejumlah kecil area yang tampaknya berdekatan tetapi tidak .. kedekatan mudah dideteksi oleh mata. tetapi tidak mudah dideteksi dengan algoritma; pembelajaran mesin mungkin bisa membantu tetapi saya tidak memiliki pengalaman dalam bidang ini untuk membujuk / menghalangi Anda dari tindakan ini. Secara pribadi saya tidak akan hanya mengandalkan proses perangkat lunak tanpa memverifikasi hasilnya.
Michael Stimson
1
Saya tidak yakin apakah ini sudah dilakukan sebelumnya. Saya akan mencoba menggunakan jaringan sepenuhnya convolutional yang melakukan segmentasi gambar seperti U-net: deeplearning.net/tutorial/unet.html .
Aaron
1
Bisakah Anda memposting contoh gambar tanpa elips merah?
BERA

Jawaban:

1

Untuk menambah apa yang telah dikatakan oleh Michael, saya akan merekomendasikan menghitung kekasaran permukaan DEM Anda menggunakan indeks Rumple atau metrik yang serupa. Anda juga dapat melakukan estimasi kekasaran pada titik cloud itu sendiri selama titik dasar telah diklasifikasikan.

Anda mungkin dapat mengklasifikasikan jenis puing yang Anda minati berdasarkan nilai-nilai kekasaran saja, tetapi Anda juga akan dapat membandingkan bagaimana kekasaran DEM dan titik cloud dibandingkan satu sama lain. Ini dapat membantu Anda memverifikasi validitas DEM Anda serta lokasi puing-puing kayu kasar Anda.

Berikut ini tautan ke paket yang dapat menghitung indeks rumple di R: https://rdrr.io/cran/lidR/man/rumple_index.html

Dan di sini adalah program python yang melakukan sesuatu yang serupa walaupun secara statistik berbeda: https://github.com/BodoBookhagen/PC_geomorph_roughness

EDIT:

Untuk memvisualisasikan kekasaran DEM Anda sebagai lapisan raster, gunakan fungsi gdal gdaldem untuk membuat peta kekasaran dan kekasaran medan.

gdaldem roughness path/to/dem.tif path/to/output.tif [-compute_edges] 

gdaldem TRI path/to/dem.tif path/to/output.tif [-compute_edges]
Kartograaf
sumber
Terima kasih @Gory G. Fungsi indeks rumple di R hanya mengembalikan satu indeks untuk seluruh plot, saya mengharapkan peta kotak indeks kekasaran. las <- readLAS('a-4.las') chm = grid_canopy(las,0.1,p2r()) roughness = rumple_index(chm)Bisakah Anda memberi tahu saya bagaimana cara mengubah kode untuk membuat peta indeks kekasaran?
Sher
1
@Sher Untuk membuat peta kekasaran Anda mungkin ingin menggunakan GDAL. Ada fungsi yang disebut "gdaldem" yang akan melakukan ini untuk Anda dalam satu baris kode. Anda juga dapat membuat raster indeks kekasaran medan (TRI) menggunakan DEM Anda sebagai input. Saya akan menambahkan kode ke respons saya di atas.
Kartograaf