Перша проблема:
Ти дивишся на суміш мінімумів. Одне гігантське дерево з кроною розміром з акрів виглядає досить багато , інтерпретується на основі точки щільності / ядра, як поле, у якому зовсім немає дерев. Ви отримаєте високі значення лише там, де в лісі є невеликі швидкозростаючі дерева, на узліссях і в прогалинах. Хитрий біт полягає в тому, що ці щільні більш дрібні дерева набагато частіше затьмарені тінню чи оклюзією, або не можуть бути вирішені при 1-метровай роздільній здатності, або агломеровані разом, оскільки вони є грудкою одного виду.
Відповідь Джен правильна у цій першій частині: Викидання інформації про полігон - це марно. Тут є і ускладнення. Дерева відкритого типу мають набагато менш вертикальну, більш розкинуту крону, всі інші речі рівні, ніж рівномірна підставка або дерево у зрілому лісі. Детальніше див. №3.
Друга проблема:
Ідеально вам слід працювати з порівнянням яблук з яблуками. Покладаючись на NDVI для одного та B&W для іншого, вводить невідомі упередження у ваші результати. Якщо ви не можете отримати належних даних за 1989 рік, ви можете замість цього використати деградовані дані з ПЗ за 2009 рік або навіть спробувати виміряти зміщення даних за 2009 р. Відносно Н / З та екстраполювати результати NDVI за 1989 рік.
Це може бути, а може і не бути правдоподібним, щоб вирішити цю проблему трудомістко, але є пристойний шанс, що вона буде розглянута під час експертної оцінки.
Третя проблема:
Що саме ви намагаєтеся виміряти? Щільність ядра не має значенняметричні, це дає вам змогу знайти ділянки новорослих молодих дерев, які швидко знищують одне одного (за умови обмеження затінення / оклюзії, що вище); Лише ті, у кого найкращий доступ до води / сонячного світла, якщо вони є, виживуть через кілька років. Покриття навісом було б поліпшенням щільності ядра для більшості завдань, але це також має проблеми: він обробляє велику рівномірну стійку 20-річних дерев, які щойно ледве закрили навіс стільки ж, скільки встановлену 100 -річний ліс. Ліси важко оцінити таким чином, щоб зберегти інформацію; Модель висоти навісу ідеально підходить для безлічі завдань, але неможливо отримати історично. Використовуваний показник найкраще вибирати на основі опрацювання ваших цілей. Хто вони?
Редагувати:
Метою є відчуття розширення сходів на рідні луки. Статистичні методи все ще цілком справедливі , вони просто потребують певної деталізації та суб'єктивного вибору.
- Обчисліть основний показник покриття навісу. Це може включати сітчастий підхід безпосередньо на полігонах корони або перетворення багатокутників коронки на растр + розмивання їх, якщо вам потрібна більш безперервна версія.
- Спробуйте відокремити класи ландшафту, в якому робити аналіз, виходячи з відсоткового покриття. Статистичні прийоми, з якими ви працюєте у закритому лісі, можуть бути іншими, ніж ті, які ви використовуєте на майже голих лугах, або навіть можуть бути виправдано виключені з аналізу. Деякі невеликі ділянки ваших ландшафтів включатимуть "розширення скрабленду", а вибір способу підкреслити той ефект та ігнорувати дані, які не стосуються, залежить від статистики.
- Я не знаю, чи це буде працювати протягом 20-річного періоду (і це буде працювати краще з додатковими проміжними епохами), але спробуйте звернути увагу на діаметр крони як проксі для віку дерева. Ви маєте визначитися з певним запитанням, чи є подвоєння розмірів існуючої крони «розширенням», чи потрібні нові дерева. Якщо це останнє, ви маєте деяке уявлення, чи є вони новими (принаймні, для деяких класів пейзажу, які ви вибрали вище, де можна перевірити певний ступінь доступу сонячного світла).
- Залежно від ваших екологічних цілей, можливо, варто не тільки дослідити щільність дерев, але й дослідити фрагментацію ландшафту, використовуючи такі пакети, як Fragstats .
- Довгий знімок. Переконайтеся, що немає жодного набору даних LIDAR в окрузі, що очікується, щоб його використовувати як перевірку та оцінку точності для вашої здатності розрізняти корони в наборі даних 2009 року.
