Ich habe mich gefragt, ob sich schon jemand mit dieser Art von Problem beschäftigt hat:
Ich möchte Fragmente auf der Basis benachbarter Pixel derselben Klasse (Wald) mit einer Abstandsschwelle von 3 Pixeln abgrenzen (was für meine interessierende Art biologisch signifikant ist).
Ich befürchte, dass diese Fragmente manchmal tatsächlich Korridore sind und Korridore und tatsächliche Fragmente aufgrund ihrer Nähe häufig zu einem gleichen Fragment zusammengefasst werden.
Ich frage mich, ob es eine Möglichkeit gibt, die Korridore anhand der Form, der Anzahl der umliegenden Pixel usw. von den Fragmenten zu unterscheiden.
Zum Beispiel werden in der folgenden Box mögliche Korridore durch die roten Kästchen und Fragmente durch die grünen gekennzeichnet.
Ich habe Zugang zu QGIS und R.
Antworten:
Bevor Sie mit einer Analyse beginnen, sollten Sie unbedingt einen Filter auf Ihre Daten anwenden, um den "Salz- und Pfeffereffekt" zu beseitigen. Jeder Algorithmus hat Probleme mit dem aktuellen Strukturmuster Ihrer Daten. Eine einfache Fokusmehrheit würde wahrscheinlich zu unerwünschten Ergebnissen führen. Eine robustere Methode ist die Anwendung eines Siebansatzes, bei dem eine Minimal-Mapping-Einheit angegeben werden kann. Dies kann über die Funktion gdal_sieve.py in GDAL, die
raster > analysis > sieve
Funktion in QGIS oder die Siebfunktion in der ArcGIS Gradient Metrics Toolbox erfolgen .Dies scheint etwas zu sein, das mit Operatoren der mathematischen Morphologie angegangen werden könnte (z. B. Extrahieren von Straßen aus Bildern ). Ich würde mir vorstellen, dass ein Dilatationsoperator, gefolgt von einem Closing-Operator, die Korridore verdeutlicht. Sie können dann einen Eröffnungsoperator anwenden, um die Korridore zu entfernen, und die Raster unterscheiden, um die identifizierten Korridore als separate Objekte zu ziehen. Diese Art von Bildzerlegungsfunktionen sind in der MSPA- und GUIDOS-Software etwas automatisiert, würden aber auch hier insbesondere durch die Diskontinuitäten in Ihren Daten beeinträchtigt.
Es gibt ein QGIS-Plug-In für MSPA sowie verfügbare Funktionen in GRASS (verfügbar über die QGIS-GUI). Eines der Probleme mit MSPA und GUIDOS ist, dass Sie in der Bildgröße begrenzt sind. In der ESRI-Software sind morphologische Operatoren leider nur in der ArcScan- Erweiterung verfügbar . Mit einigem Graben finden Sie andere Softwareoptionen sowie Methoden zum Definieren von morphologischen Operatoren durch Raster-Algebra mit benutzerdefinierten Kernel-Matrizen.
Ein anderer Ansatz wären Kantenerkennungs-Filtermethoden wie ein Sobal-Kernel-Operator . In der ArcGIS Gradient Metrics Toolbox sowie im spatioEco R-Paket gibt es eine umfassende Funktion . Der Vorteil der R-Implementierung besteht darin, dass Sie die Gradientenfunktion des Operators zurückgeben können, während die ArcGIS-Implementierung nur die Funktion 1. Ordnung zurückgibt (was möglicherweise alles ist, was Sie benötigen). Ich glaube, dass die Orfeo-Toolbox (als QGIS-Add-On verfügbar) eine umfassende Option in der EdgeExtraction-Funktion hat.
quelle
Es ist keine vollständige Lösung, aber sehen Sie sich diese Tools für die Konnektivitätsanalyse an (die ersten entsprechen genau Ihren Suchkriterien):
MSPA - Morphologische räumliche Musteranalyse ( http://forest.jrc.ec.europa.eu/download/software/guidos/mspa ) aus der GUIDOS- Toolbox ( http://forest.jrc.ec.europa.eu/download/software) / guidos ) und
Conefor Sensinode ( http://www.conefor.org/ ).
Erwägen Sie auch, einen Algorithmus für maschinelles Lernen zu trainieren, um Ihre Instanzen (Korridor vs. Fragmente) zu klassifizieren. Sie können räumliche Attribute auf Patch-Ebene (z. B. Patch-Größe, Umfangsflächenverhältnis, Kreisverhältnis) und entfernungsbasierte Features (z. B. Entfernung zu Fragmenten) zur Klassifizierung angeben. Zur Berechnung der für die Klassifizierung erforderlichen Funktionen auf Patch-Ebene können Sie FragStats ( https://www.umass.edu/landeco/research/fragstats/fragstats.html ) verwenden.
Sie können auch ein einfacheres, auf Experten basierendes Regelsystem in Betracht ziehen, um jede Instanz zu klassifizieren. Korridore haben beispielsweise ein höheres Perimeterflächenverhältnis als Habitatfragmente und so weiter.
Weitere interessante Informationen für Konnektivitätsanalysen finden Sie hier: http://conservationcorridor.org/corridor-toolbox/programs-and-tools/
Die Tatsache, dass einige Korridore keine vollständige Pixelkonnektivität aufweisen, muss jedoch zuerst behoben werden. Ich denke, dass Sie eine Art entfernungsbasiertes Schwellenwertkriterium definieren müssen, um zu entscheiden, ob ein Pixel Teil eines Korridors ist oder nicht.
quelle
Es scheint, dass es von der Form Ihres Fragments abhängt. Wenn die Breite mehr als das Zwei- (oder Dreifache) der Höhe (oder des Gegenteils) beträgt, können Sie von einem Korridor sprechen?
Sind Sie schon zur Abgrenzung der Fragmente gekommen?
quelle