¿Identificación de árboles de Josué con datos LiDAR?

Question

Estoy trabajando en un proyecto LiDAR para determinar donde los árboles de Josué se encuentran dentro de una determinada área de estudio. Debido a la cubierta de la vegetación ser tan escasa, hay realmente en 2 dosel de las especies, que son árboles de Josué y de los álamos. Yo creo que esta es una manera relativamente fácil LiDAR análisis debido a la muy limitada de la riqueza de especies en el dosel. Mi enfoque ha sido el de crear una tierra desnuda raster (DEM) y, a continuación, un 1º de retorno de la trama. Me gustaría a continuación, reste la tierra desnuda desde el 1 de devolución de trama para crear una vegetación de trama. Me gustaría ser capaz de eliminar fácilmente cualquier tipo de ruido (por ejemplo, líneas de energía, edificios) con un mapa base para la verificación. Debido a que el cliente quiere ver todos los árboles de Josué >=12 pies, yo simplemente reclasificar la vegetación de la trama. Al hacer esto, yo debería ser capaz de ver todas las especies de árboles, que debe ser árboles de Josué, dentro de mi área de estudio. Con esta metodología, sólo he sido capaz de crear la más alta de la tierra desnuda punto de ubicaciones en la zona de estudio, que no es lo que yo quiero y no estoy confundido en cuanto a por qué este es mi salida.

Esta es la metodología que he seguido en ArcMap:

Crear Desnudo Capa De La Tierra

1. Crear un dataset de las seleccionado de la zona de estudio, con la opción Crear Dataset de LAS herramienta
2. Hacer una capa de dataset las con esta capa con el Hacer de la Capa de Dataset LAS herramienta
   una. Seleccione 2 (tierra) de los Códigos de Clase
3. Convertir esta capa raster con las Dataset Ráster de la herramienta.

Crear La Vegetación De La Capa De

4. REPITA los PASOS 2 Y 3 de NUEVO, PERO SELECCIONAR 1 DE VOLVER BAJO los Valores de Retorno (opcional) CUANDO el USO de LA marca CAPA de DATASET LAS HERRAMIENTA.

5. Restar la Tierra Desnuda trama desde el 1 de Devolución de Trama con el signo Menos de la herramienta

    1st Return (raster) – Bare Earth (raster) = Vegetation Layer
   

6. Utilice la herramienta Reclasificar a determinar lo que es de 12 pies y mayor:

          Classification: Natural Breaks (Jenks)
   
          Classes: 2
   
          Break values: 3.66, 10.725098
   

¿Alguien tiene alguna experiencia con esto y podría ser capaz de proporcionar algunos consejos y sugerencias en donde yo podría ir mal? Si la gente sabe de las mejores metodologías, estoy abierto a ideas!

Answer 1

La "calidad" de la CHM trama que se generan a partir de los datos LiDAR puntos de entrada a la CanopyMaxima algoritmo afectará significativamente los resultados. Sugiero probar algunos de los métodos para la generación de un mecanismo de facilitación, tal como

• simple mayor retorno cuadrículas / binning
• mayores rendimientos se convirtió en un pequeño disco de cuadrículas / binning
• primer retorno de interpolación a través de una LATA seguido por la rasterización
• TIN interpolación de alta devuelve en una cuadrícula y la rasterización
• el pit-libre algoritmo basado en parcial CHMs
• el pico de libre algoritmo basado en el pico de la evitación.

Estos dos artículos del blog en la fosa de la libre y libre de espiga describe cómo generar CHM ráster con los diferentes métodos mencionados anteriormente utilizando LAStools.

Answer 2

Parece como si usted está tratando de crear un dosel altura de la modelo con su flujo de trabajo. Esto le mostrará a la altura de todos los objetos sobre la tierra. Busca en tu especies de interés, los algodoneros suelen crecer de altura y dentro de las zonas ribereñas y zonas de inundación. Árboles de josué son más áridas tierras altas de los árboles. Por lo tanto, la reclasificación de la altura del dosel modelo para incluir todos los píxeles >= 12' ciertamente incluyen tanto especies, y no sólo los árboles de Josué.

ArcGIS es ideal para la manipulación de derivados de productos LiDAR, aunque tiene un largo camino por recorrer cuando se trata de LiDAR de procesamiento. Más bien, yo recomendaría la FUSIÓN, que está optimizado para trabajar en el LiDAR aplicaciones forestales. Yo recomendaría un algoritmo de FUSIÓN llamado CanopyMaxima para identificar árboles individuales dentro de su ZONA de interés. A partir de la documentación (p.26):

CanopyMaxima es más a menudo se utiliza para identificar al individuo dominante y los árboles codominantes, como los representados en altura en el dosel del modelo. Funciona mejor para los árboles coníferos que están relativamente aislados. En densas, los árboles que crecen en las proximidades de uno al otro no pueden ser separados. El resultado es un único local maxima donde debe haber más de uno de maxima. El algoritmo no funciona bien en bosques de hoja caduca debido a que la corona de la forma de tales árboles tiende a ser más redondeado y coronas tienden a superponerse uno con el otro cerca de la parte superior del árbol

El comando es relativamente simple:

CanopyMaxima /img24 canopy_maxima_test_1m.dtm testtrees.csv

Desde aquí, usted tiene un archivo CSV que muestra las coordenadas de los árboles individuales. Para filtrar los árboles de álamo, considere el siguiente flujo de trabajo:

1. Convertir la ubicación del árbol de CSV a punto de shapefile
2. Identificar las áreas ribereñas (a través de umbral de un DEM, o el almacenamiento en búfer de una flujos de capa, por ejemplo) y el uso que para filtrar cualquier árbol puntos de ubicación dentro de las zonas ribereñas.