Первая проблема:
Вы смотрите на смесь минимумов. Одно гигантское дерево с кроной размером в акр выглядит довольно много , интерпретируемое на основе плотности точек / ядра, как поле без деревьев вообще. Вы получите высокие значения только там, где есть маленькие, быстро растущие деревья, на опушках и в пропасти в лесу. Хитрость в том, что эти плотные более мелкие деревья с большей вероятностью будут затенены тенью или окклюзией или будут неразрешимыми с разрешением в 1 метр, или будут агломерированы вместе, потому что они представляют собой скопление одного и того же вида.
На первой части ответ Джен верен: выбрасывать информацию о многоугольниках - пустая трата времени. Здесь есть осложнение. Открытые деревья имеют гораздо менее вертикальную, более раскидистую крону, при прочих равных условиях, чем ровный древостой или дерево в зрелом лесу. Для получения дополнительной информации см. № 3.
Вторая проблема:
В идеале вы должны работать со сравнением яблок с яблоками. Опора на NDVI для одного и B & W для другого привносит непонятный уклон в ваши результаты. Если вы не можете получить подходящие данные за 1989 год, вы можете вместо этого использовать ухудшенные данные B & W за 2009 год или даже попытаться измерить систематическую ошибку в данных 2009 года относительно B & W и экстраполировать результаты NDVI за 1989 год.
Это может быть или не быть правдоподобным для решения этой проблемы с точки зрения работы, но есть хороший шанс, что она будет рассмотрена в экспертной оценке.
Третья проблема:
Что именно вы пытаетесь измерить? Плотность ядра не имеет значенияметрика, это дает вам возможность находить новые зоны, молодые деревья, которые быстро убивают друг друга (с учетом ограничений затенения / окклюзии, указанных выше); Только те, которые имеют лучший доступ к воде / солнечному свету, если таковые имеются, выживут через несколько лет. Покрытие сенью было бы улучшением плотности ядра для большинства задач, но это также имеет проблемы: оно рассматривает большой ровный древостой 20-летних деревьев, которые едва закрыли полог, почти так же, как установленный летний лес. Леса трудно количественно определить таким образом, чтобы сохранить информацию; Модель высоты купола идеальна для многих задач, но исторически невозможно получить. Метрика, которую вы используете, лучше всего выбирается на основе разработки ваших целей. Кто они такие?
Редактировать:
Цель состоит в том, чтобы ощутить расширение кустарников в родные луга. Статистические методы здесь по-прежнему совершенно актуальны , они просто требуют некоторой проработки и субъективного выбора.
- Рассчитайте базовую меру покрытия купола. Это может включать в себя сеточный подход непосредственно к полигонам короны или превращение полигонов короны в растр + размывание их, если вам нужна более непрерывная версия.
- Попробуйте выделить классы ландшафта, в которых вы будете проводить анализ, исходя из процента покрытия купола. Статистические методы, с которыми вы работаете в лесу с закрытыми пологами, могут отличаться от тех, которые вы используете на почти голых пастбищах, или даже могут быть оправданно исключены из анализа. Небольшая область ваших ландшафтов будет включать в себя «расширение кустарников», и выбор метода выделения этого эффекта и игнорирования данных, которые не имеют значения, зависит от вас, как от статистики.
- Я не знаю, будет ли это работать в течение 20-летнего периода времени (и это будет работать лучше с дополнительными промежуточными эпохами), но попробуйте обратить внимание на диаметр кроны в качестве показателя возраста дерева. Есть вопрос, который вы должны задать, является ли удвоение размера существующей кроны «расширением», или же это требует новых деревьев. Если это последнее, у вас есть некоторое представление о том, являются ли они новыми (по крайней мере, для некоторых классов ландшафта, которые вы выбрали выше, где вы можете проверить определенную степень доступа солнечного света).
- В зависимости от ваших экологических целей может оказаться целесообразным не только непосредственно изучить плотность деревьев, но и изучить фрагментацию ландшафта с помощью таких пакетов, как Fragstats .
- В конечном итоге: убедитесь, что нет окружного набора данных LIDAR, ожидающего использования в качестве проверки и оценки точности для вашей способности различать короны в наборе данных 2009 года.