Ökologisches Rätsel um Geodaten

15

Ich suche eine andere, elegantere Lösung für ein räumliches Statistikproblem. Rohdaten bestehen aus einer xy-Koordinate für jeden einzelnen Baum (dh konvertiert in eine Punkt-SHP-Datei). Obwohl in diesem Beispiel nicht verwendet, hat jeder Baum auch ein entsprechendes Polygon (dh als .shp), das den Kronendurchmesser darstellt. Die beiden Bilder auf der linken Seite zeigen KDEs (Landscape-Scale Kernel Density Estimates), die aus einer Punkt-SHP-Datei einzelner Baumpositionen stammen - eine aus dem Jahr 1989 und eine aus dem Jahr 2009. Die Grafik auf der rechten Seite zeigt den Unterschied zwischen den beiden KDEs Hier werden nur Werte +/- 2 Standardabweichungen des Mittelwerts angezeigt. Der Rasterrechner von Arc wurde verwendet, um die einfache Berechnung (2009 KDE - 1989 KDE) durchzuführen, die erforderlich ist, um das Raster-Overlay auf dem rechten Bild zu erzeugen.

Gibt es eine geeignetere Methode zur statistischen oder grafischen Analyse der Baumdichte oder der Veränderung der Überdachungsfläche über die Zeit? Wie beurteilen Sie angesichts dieser Daten die Veränderung zwischen den Baumdaten von 1989 und 2009 in einer geografischen Umgebung? Lösungen in ArcGIS, Python, R, Erdas und ENVI werden empfohlen.

Bildbeschreibung hier eingeben

Aaron
quelle
3
Haben Sie die ursprünglichen Baumstandortdaten von 1989? Wenn nicht, verwenden die KDEs mindestens dieselben Kernel (und dieselbe Bandbreite)? Sind die Baumdaten eine vollständige Volkszählung des Gebiets oder handelt es sich um eine Art Stichprobe (und wenn ja, wie wurden die Mitglieder dieser Stichprobe ausgewählt)? Was ist eine "Änderung" in Ihrer Studie und wie möchten Sie sie messen (z. B. als absolute Änderung der Baumdichte oder als relative Änderung)?
Whuber
1
@whuber: Die ursprünglichen Baumpositionen können als Volkszählungsdaten betrachtet werden, da jeder Baum im DOQQ inventarisiert wurde. Der KDE basierte auf Punkten, die aus den Volkszählungsdaten abgeleitet wurden. Ich interessiere mich in erster Linie für das Erkennen neuer Bäume und die Veränderung der Überdachung.
Aaron
1
KDEs könnten hier ungeeignet sein, da eine Änderung der Baumposition und der Anzahl die Bandbreite und damit die Ergebnisse ändert. Haben Sie darüber nachgedacht, ein zonales Raster mit einer beliebigen Größe (z. B. 100 m x 100 m) zu erstellen, für jedes Mal Bäume / Zellen und Baumbereiche / Zellen abzurufen und dann die Zeitdifferenz zu berechnen?
Blindjesse
@blindJesse: Du hast einen guten Punkt. Als Alternative habe ich mit der Idee gespielt, die Polygone mit dem Überdachungsdurchmesser von 2009 und 1989 in Raster umzuwandeln und die Raster dann in Binärdaten umzuklassifizieren. Von dort aus kann ich ein Statistikskript für bewegte Fenster ausführen, um den Unterschied zwischen den beiden zu ermitteln.
Aaron
1
Ich bin immer noch unsicher, in welcher Form die Rohdaten vorliegen, Aaron. Wenn Sie schreiben "Jeder Baum ... wurde inventarisiert", bedeutet das, dass jeder einzelne Baum identifiziert und mit Koordinaten versehen wurde? Oder bedeutet es vielleicht, dass jemand ein Polygon gezeichnet und gesagt hat: "Ich habe hier 39 rote Ahornbäume und 13 weiße Eichen gefunden?" Das Verständnis der Stärken und Grenzen der Originaldaten ist entscheidend, um die von Ihnen gesuchte kanonische Antwort zu erhalten.
whuber

Antworten:

8

Erstes Problem:

Du siehst eine Mischung aus Minima. Ein riesiger Baum mit einer großen Krone sieht ziemlich viel aus , auf Punkt- / Kerndichte-Basis interpretiert, wie ein Feld ohne Bäume. Sie erhalten nur dann hohe Werte, wenn kleine, schnell wachsende Bäume am Rand und in Waldlücken stehen. Das Knifflige ist, dass diese dichten, kleineren Bäume viel wahrscheinlicher durch Schatten oder Okklusion verdeckt werden, bei einer Auflösung von 1 Meter nicht auflösbar sind oder sich zusammenballen, weil sie aus einem Büschel derselben Art bestehen.

Jens Antwort zu diesem ersten Teil ist richtig: Das Wegwerfen der Polygoninformationen ist eine Verschwendung. Hier gibt es jedoch eine Komplikation. Offen gewachsene Bäume haben eine viel weniger vertikale, sich ausbreitende Krone, wobei alle anderen Dinge gleich sind, als ein gleichaltriger Bestand oder ein Baum in einem ausgewachsenen Wald. Weitere Informationen finden Sie unter # 3.

Zweites Problem:

Sie sollten idealerweise mit einem Apfel-zu-Apfel-Vergleich arbeiten. Wenn Sie sich bei der einen auf NDVI und bei der anderen auf B & W verlassen, werden Ihre Ergebnisse unkenntlich. Wenn Sie keine geeigneten Daten für 1989 erhalten, können Sie stattdessen verschlechterte Schwarzweißdaten für 2009 verwenden oder sogar versuchen, die Abweichung in den Daten für 2009 in Bezug auf den Schwarzweißwert zu messen und die NDVI-Ergebnisse für 1989 zu extrapolieren.

Es mag plausibel oder nicht plausibel sein, diesen Punkt arbeitsmäßig anzugehen, aber es gibt eine gute Chance, dass er in einem Peer Review zur Sprache gebracht wird.

Drittes Problem:

Was genau versuchen Sie zu messen? Die Kerneldichte ist kein Wert wenigerMetrisch gibt es Ihnen die Möglichkeit, Bereiche mit neu wachsenden, jungen Bäumen zu finden, die sich gegenseitig schnell töten (vorbehaltlich der obigen Einschränkungen in Bezug auf Schattierung / Okklusion). Nur diejenigen, die den besten Zugang zu Wasser / Sonnenschein haben, werden in ein paar Jahren überleben. Die Abdeckung des Baldachins ist für die meisten Aufgaben eine Verbesserung der Kerneldichte, hat jedoch auch Probleme: Es wird ein großer Bestand von 20-jährigen Bäumen im geraden Alter behandelt, die den Baldachin gerade erst so weit geschlossen haben wie ein etablierter Bestand von 100 -jähriger Wald. Wälder lassen sich nur schwer quantifizieren, um Informationen zu erhalten. Ein Modell mit Überdachungshöhe ist ideal für viele Aufgaben, historisch jedoch nicht zu bekommen. Die Metrik, die Sie verwenden, wird am besten anhand einer Ausarbeitung Ihrer Ziele ausgewählt. Was sind Sie?

Bearbeiten:

Das Ziel ist es, die Ausdehnung des Buschlandes in einheimisches Grasland zu spüren. Hier sind statistische Methoden noch immer gültig , sie erfordern lediglich eine gewisse Ausarbeitung und subjektive Auswahlmöglichkeiten.

  • Berechnen Sie ein Grundmaß für die Überdachung. Dies kann eine gerasterte Annäherung direkt an die Kronenpolygone oder das Verwischen der Kronenpolygone in ein Raster beinhalten, wenn Sie eine kontinuierlichere Version benötigen.
  • Versuchen Sie, die Landschaftsklassen, in denen Sie Ihre Analyse durchführen möchten, anhand der prozentualen Überdachung zu trennen. Die statistischen Techniken, mit denen Sie in geschlossenen Laubwäldern arbeiten, können sich von denen unterscheiden, die Sie auf fast nackten Wiesen anwenden, oder sie können sogar aus Gründen der Sicherheit von der Analyse ausgeschlossen werden. Einige kleine Bereiche Ihrer Landschaften werden eine "Buschlanderweiterung" beinhalten. Es liegt an Ihnen als Statistiker, zu entscheiden, wie dieser Effekt unterdrückt und nicht relevante Daten ignoriert werden sollen.
  • Ich weiß nicht, ob dies über einen Zeitraum von 20 Jahren funktionieren wird (und es wird besser mit zusätzlichen Zwischenzeiten funktionieren), aber achten Sie auf den Kronendurchmesser als Proxy für das Baumalter. Es gibt eine definitive Frage, die Sie stellen müssen, ob die Verdoppelung der Größe einer vorhandenen Krone eine "Erweiterung" darstellt oder ob neue Bäume erforderlich sind. In letzterem Fall haben Sie eine Vorstellung davon, ob sie neu sind (zumindest für einige der oben ausgewählten Landschaftsklassen, in denen Sie einen bestimmten Grad an Sonneneinstrahlung überprüfen können).
  • Abhängig von Ihren ökologischen Zielen kann es sich lohnen, nicht nur die Baumdichte direkt zu erkunden, sondern auch die Fragmentierung der Landschaft mithilfe von Paketen wie Fragstats .
  • Long Shot: Stellen Sie sicher, dass kein County-LIDAR-Dataset herumliegt, das darauf wartet, als Validierungs- und Genauigkeitsbewertung für Ihre Fähigkeit zur Unterscheidung von Kronen im 2009-Dataset verwendet zu werden.
MappingTomorrow
quelle
Vielen Dank, Chris. Sie haben viele legitime Lücken im KDE-Ansatz zur Erkennung von Änderungen gefunden. Ich habe Probleme damit, wie ich den Unterschied in der Bildqualität zwischen 2009 und 1989 am besten bewältigen kann. Ich bin damit einverstanden, dass ein Trainingsdatensatz zum Vergleich der Bildausgabe erforderlich ist. Der Zweck dieser Daten ist es, die Ausdehnung des Buschlandes in einheimische Wiesen zu bewerten. Meiner Meinung nach besteht der beste Ansatz darin, die Leistungsfähigkeit dieser Volkszählungsdaten zu nutzen und in der Tat keinen statistischen, sondern einen deskriptiven Ansatz zu verwenden.
Aaron
Nicht unbedingt. Antwort mit einigen Vorschlägen bearbeitet.
MappingTomorrow
5

Das Problem mit Ihrem KDE-Ansatz ist, dass es den gesamten Bereich glättet und so Lücken schließt, die Sie möglicherweise finden möchten.

Als ich las, dass Sie NDVI für die Baumkronenerkennung verwendet haben, frage ich mich, wie die Kronenpolygone aussehen. Sind diese wirklich einzelnen Polygone mit der Baumartenkennung verknüpft?

Wenn Sie den Luxus haben, Polygone für jede einzelne Baumkrone zu haben, und Sie sich dafür interessieren, wo eine Baumkrone verloren gegangen ist, dann gibt es meines Erachtens zwei Möglichkeiten. ein Vektor und eine Rasterlösung.

Vektor

  1. Kombinieren Sie alle Polygone aus einem Jahr, damit keine überlappenden Polys verbleiben. Single Polys sind in Ordnung. Dies führt zu zwei Shapefiles
  2. Verwenden Sie Überlagerung oder Überschneidung, um Bereiche zu finden, in denen 1989 und 2009 nicht mehr übereinstimmen.

Raster

  1. Konvertieren Sie alle Polygone jedes Jahres in ein binäres Raster mit 0 = notree und 1 = tree. Verwenden Sie eine hohe Auflösung, z. B. 0,5 m und bilineare Interpolation? Dadurch wird sichergestellt, dass die Kanten glatt sind
  2. Wenn Sie die Binärbilder (2009-1989) subtrahieren, sollten Sie etwas erhalten, das Ihrem ersten Ergebnis ähnelt, aber frei von den geglätteten KDEs ist

Ich hoffe das klappt :) Ich habe diese Ideen nicht ausprobiert, sondern einfach aufgeschrieben, was mir in den Sinn kam. Viel Glück!

oh ... vielleicht könnten Sie auch einfach einen quadrat count Ansatz machen. Schneiden Sie für jedes Jahr Ihre Fläche mit einem Vektorraster von 100 x 100 m auf, zählen Sie die Punkte in Polygonen und vergleichen Sie die beiden unterschiedlichen Muster. nur eine andere Idee ...

Jens
quelle
Jens, exzellente Analyse des ökologischen Problems. Ihre prägnante Antwort identifiziert beide ein ernstes Problem mit dem KDE-Ansatz und hat wirklich zu einem umfassenden Fortschritt beigetragen.
Aaron
2

Eine allgemeine Änderung der Vegetation kann unter Verwendung einer digitalen Änderungsanalyse berechnet werden. Um diese Analyse durchzuführen, benötigen Sie zuerst ein 4-Band-Bild (R, G, B und NIR) für 1989 und 2009. Anschließend führen Sie mit einer Fernerkundungssoftware (wie ENVI oder Erdas) eine NDVI-Analyse für jedes Bild durch . Die NDVI-Analyse vergleicht das Verhältnis von NIR-Band - Rot-Band / NIR-Band + Rot-Band-Pixel. Das Ergebnis dieser Gleichung ergibt Pixelwerte im Bereich von -1 bis 1. Pixel mit einem Wert von weniger als Null zeigen im NIR-Band kein Reflexionsvermögen. Ebenso reflektieren Pixel mit einem Wert größer als Null NIR-Licht und werden daher als Vegetation betrachtet. Bei der Durchführung einer digitalen Änderungsanalyse wird lediglich ein NDVI-Bild vom anderen subtrahiert (subtrahiert 1989 von 2009). Weitere Informationen finden Sie unter dem folgenden Link.

http://www.bioline.org.br/pdf?er07006

artwork21
quelle
Vielen Dank für eine zum Nachdenken anregende Antwort und Hinweise. NDVIs wurden aus 2009 1m 4-Band-NAIP-DOQQs erstellt, um Baumpositionen abzuleiten. 1989 sind NAIP-Bilder in 1 m nur in Graustufen verfügbar. Daher mussten diese Bilder anders bearbeitet werden, um Baumstandorte abzuleiten. Möglicherweise liegt für diese Studie zu viel Hintergrundrauschen vor, wenn NDVIs verwendet werden, die aus TM generiert wurden, oder andere Bilder mit niedriger Auflösung für die Analyse digitaler Änderungen. Danke noch einmal!
Aaron