Estoy buscando una solución diferente y más elegante para un problema de estadísticas espaciales. Los datos sin procesar consisten en una coordenada xy para cada árbol individual (es decir, convertido en un archivo .shp de punto). Aunque no se usa en este ejemplo, cada árbol también tiene un polígono correspondiente (es decir, como un .shp) que representa el diámetro de la copa. Las dos imágenes de la izquierda muestran estimaciones de densidad de kernel (KDE) a escala horizontal derivadas de un archivo .shp puntual de ubicaciones de árboles individuales, una de 1989 y otra de 2009. El gráfico de la derecha muestra la diferencia entre las dos KDE donde solo se muestran los valores +/- 2 desviaciones estándar de la media. La calculadora ráster de Arc se utilizó para realizar el cálculo simple (KDE 2009 - KDE 1989) necesario para producir la superposición ráster en la imagen de la derecha.
¿Existe un método más apropiado para analizar la densidad de los árboles o el cambio en el área del dosel con el tiempo, ya sea estadística o gráficamente? Teniendo en cuenta estos datos, ¿cómo evaluaría el cambio entre los datos del árbol de 1989 y 2009 en un entorno geoespacial? Se recomiendan soluciones en ArcGIS, Python, R, Erdas y ENVI.
Respuestas:
Primer problema:
Estás viendo una mezcla de mínimos. Un árbol gigantesco con una corona del tamaño de un acre se ve bastante , interpretado sobre una base de densidad de punto / núcleo, como un campo sin árboles en absoluto. Terminará con valores altos solo donde hay árboles pequeños y de rápido crecimiento, en los bordes y en las brechas en el bosque. La parte difícil es que estos árboles más pequeños y densos tienen muchas más probabilidades de quedar oscurecidos por sombras u oclusiones o no pueden resolverse a una resolución de 1 metro, o se aglomeran juntos porque son un grupo de la misma especie.
La respuesta de Jen es correcta en esta primera parte: desechar la información del polígono es un desperdicio. Sin embargo, hay una complicación aquí. Los árboles a cielo abierto tienen una copa mucho menos vertical, más extendida, y todas las demás cosas son iguales, que un soporte de edad uniforme o un árbol en un bosque maduro. Para más información ver # 3.
Segundo problema
Lo ideal es que trabajes con una comparación de manzanas con manzanas. Confiar en NDVI para uno y B&W para el otro introduce un sesgo desconocido en sus resultados. Si no puede obtener datos adecuados para 1989, puede utilizar datos en blanco y negro degradados para 2009, o incluso tratar de medir el sesgo en los datos de 2009 en relación con el blanco y negro y extrapolar los resultados de NDVI para 1989.
Puede o no ser plausible abordar este punto en términos laborales, pero hay una posibilidad decente de que aparezca en una revisión por pares.
Tercer problema:
¿Qué es exactamente lo que estás tratando de medir? La densidad del núcleo no es un valor sinmétrico, le brinda una manera de encontrar áreas de árboles jóvenes de nuevo crecimiento que se están matando rápidamente entre sí (sujeto a las limitaciones de sombra / oclusión anteriores); Solo aquellos con el mejor acceso al agua / sol, si los hay, sobrevivirán en unos pocos años. La cobertura del dosel sería una mejora en la densidad del grano para la mayoría de las tareas, pero eso también tiene problemas: trata un gran grupo de árboles de 20 años de edad uniforme que apenas han cerrado el dosel casi igual que un 100 establecido. de un año de antigüedad. Los bosques son difíciles de cuantificar de una manera que preservará la información; Un modelo de altura de dosel es ideal para muchas tareas, pero imposible de obtener históricamente. La métrica que utiliza se elige mejor en función de la elaboración de sus objetivos. ¿Qué son?
Editar:
El objetivo es detectar la expansión de los matorrales en pastizales nativos. Los métodos estadísticos siguen siendo perfectamente válidos aquí, solo requieren un poco de elaboración y elecciones subjetivas para aplicarlos.
fuente
El problema con su appraoch de KDE es que suaviza toda el área y, por lo tanto, cierra las brechas que desee encontrar.
Cuando leí que usó NDVI para la detección de copa de árbol, me pregunto cómo se verían los polígonos de corona. ¿Son estos polígonos realmente únicos con ID de especies de árboles vinculados?
Si tiene el lujo de tener polígonos para cada corona de árbol y le interesa saber dónde se perdió una corona de árbol, entonces creo que hay dos posibilidades; un vector y una solución raster.
vector
trama
Espero que eso funcione :) No probé estas ideas, sino que simplemente escribí lo que se me ocurrió. ¡buena suerte!
oh ... tal vez, también podrías simplemente hacer un enfoque de conteo cuadrático. para cada año, corte su área usando una cuadrícula de vectores de 100x100m, cuente puntos en polígonos y compare los dos patrones diferentes. solo otra idea ...
fuente
Se puede calcular un cambio general en la vegetación utilizando un Análisis de cambio digital. Para ejecutar este análisis, primero necesitará una imagen de 4 bandas (R, G, B y NIR) para 1989 y 2009. Luego, utilizando un software de detección remota (como ENVI o Erdas), ejecute un análisis NDVI en cada imagen . El análisis NDVI compara la relación de la banda NIR - banda roja / banda NIR + píxeles de la banda roja. El resultado de esta ecuación proporciona valores de píxeles que varían de -1 a 1. Los píxeles que tienen un valor inferior a cero no muestran reflectancia en la banda NIR. Del mismo modo, los píxeles que tienen un valor mayor que cero reflejan la luz NIR y, por lo tanto, se consideran vegetación. El proceso de realizar un análisis de cambio digital es simplemente restar una imagen NDVI de la otra (restar 1989 de 2009). Consulte el siguiente enlace para una discusión más profunda.
http://www.bioline.org.br/pdf?er07006
fuente