Enigma geoespacial ecológico

15

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.

ingrese la descripción de la imagen aquí

Aaron
fuente
33
¿Tiene los datos de ubicación del árbol original de 1989? Si no, ¿los KDE utilizan al menos los mismos núcleos (y el mismo ancho de banda)? ¿Son los datos del árbol un censo completo del área o son algún tipo de muestra (y si es así, cómo se seleccionaron los miembros de esa muestra)? ¿Qué constituye un "cambio" en su estudio y cómo le gustaría medirlo (por ejemplo, como un cambio absoluto en la densidad de los árboles o un cambio relativo)?
whuber
1
@whuber: las ubicaciones de los árboles originales pueden considerarse datos del censo, ya que cada árbol dentro del DOQQ fue inventariado. El KDE se basó en puntos derivados de los datos del censo. Estoy principalmente interesado en detectar nuevos árboles y cambiar la cubierta del dosel.
Aaron
1
Los KDE pueden ser inapropiados aquí ya que el cambio en la ubicación del árbol y los números cambiarán el ancho de banda y, por lo tanto, los resultados. ¿Ha considerado crear un ráster zonal de tamaño arbitrario (digamos 100m x 100m) y obtener árboles / celda y área de árbol / celda para cada vez y luego calcular una diferencia entre tiempos?
blindjesse
@blindJesse: Tienes un buen punto. Como alternativa, he estado jugando con la idea de convertir los polígonos de diámetro del dosel de 2009 y 1989 en rásteres, y luego reclasificar los rásteres en datos binarios. A partir de ahí, puedo ejecutar un script de estadísticas focales de ventana móvil sobre la diferencia entre los dos.
Aaron
1
Todavía no estoy seguro de la forma de los datos en bruto, Aaron. Cuando escribe "cada árbol ... fue inventariado", ¿eso significa que cada árbol individual fue identificado y se le asignaron coordenadas? ¿O tal vez significa que alguien dibujó un polígono y dijo "Aquí encontré 39 arces rojos y 13 robles blancos?" Comprender las fortalezas y limitaciones de los datos originales es crucial para obtener la respuesta canónica que busca.
whuber

Respuestas:

8

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.

  • Calcule una medida básica de la cobertura del dosel. Esto puede implicar un enfoque cuadriculado directamente en los polígonos de la corona, o convertir los polígonos de la corona en una trama + desenfocarlos si necesita una versión más continua.
  • Intente separar las clases de paisaje en las que realizar su análisis, en función del porcentaje de cobertura del dosel. Las técnicas estadísticas con las que trabaja en un bosque de dosel cerrado pueden ser diferentes de las que usa en un prado casi desnudo, o incluso pueden excluirse del análisis de manera defendible. Algunas áreas pequeñas de sus paisajes incluirán la "expansión de los matorrales", y elegir cómo subestimar ese efecto e ignorar los datos que no son relevantes depende de usted como estadístico.
  • No sé si esto funcionará durante un período de tiempo de 20 años (y funcionará mejor con épocas intermedias adicionales), pero trate de prestar atención al diámetro de la copa como indicador de la edad del árbol. Hay una pregunta definitoria que debe hacerse, si duplicar el tamaño de una corona existente representa "expansión" o si requiere nuevos árboles. Si es lo último, tiene alguna idea de si son nuevos (al menos, para algunas clases de paisajes que seleccionó anteriormente, donde puede verificar un cierto grado de acceso a la luz solar).
  • Dependiendo de sus objetivos ecológicos, puede valer la pena no solo explorar la densidad de los árboles directamente, sino también explorar la fragmentación del paisaje utilizando paquetes como Fragstats .
  • Apuesta arriesgada: asegúrese de que no haya un conjunto de datos LIDAR del condado esperando a ser utilizado como evaluación de validación y precisión para su capacidad de distinguir coronas en el conjunto de datos de 2009.
Mapeo Mañana
fuente
Gracias Chris, traes muchos agujeros legítimos en el enfoque de KDE para la detección de cambios. He estado luchando con la mejor manera de lidiar con la diferencia en la calidad de la imagen entre 2009 y 1989. Estoy de acuerdo en que un conjunto de datos de entrenamiento está garantizado para comparar la salida de imágenes. El propósito de estos datos es evaluar la expansión de los arbustos en pastizales nativos. Creo que el mejor enfoque es utilizar el poder de estos datos del censo y, de hecho, no utilizar un enfoque estadístico, sino más bien descriptivo.
Aaron
No necesariamente. Respuesta editada con algunas sugerencias.
MappingTomorrow
5

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

  1. combine todos los polígonos de un año para que no queden polis superpuestos. polys individuales están bien. esto conducirá a dos archivos de forma
  2. use superposición o intersección para encontrar áreas donde 1989 y 2009 ya no coinciden (más).

trama

  1. Convierta todos los polígonos de cada año en un ráster binario con 0 = notree y 1 = árbol. utiliza una alta resolución, p. ej. 0,5 my interpol bilineal? esto asegurará que los bordes sean lisos
  2. reste las imágenes binarias (2009-1989) y debería obtener algo similar a su primer resultado pero libre de los KDE suavizados

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 ...

Jens
fuente
Jens, excelente análisis del problema ecológico. Su respuesta sucinta identifica un problema grave con el enfoque de KDE y realmente ha ayudado con un camino general a seguir.
Aaron
2

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

artwork21
fuente
Gracias por una sugerencia de respuesta y referencia. Los NDVI se crearon a partir de los DOQQ NAIP de 4 bandas de 1 m de 2009 para obtener ubicaciones de árboles. Sin embargo, las imágenes de 1m NAIP de 1989 solo están disponibles en escala de grises, por lo que estas imágenes tuvieron que manipularse de manera diferente para derivar las ubicaciones de los árboles. Puede haber demasiado "ruido de fondo" para este estudio utilizando NDVI generados a partir de TM u otras imágenes de baja resolución para el análisis de cambio digital. ¡Gracias de nuevo!
Aaron