生態学的な地理空間の難問

私は、空間統計問題に対する別のより洗練された解決策を探しています。生データは、個々のツリーのxy座標で構成されます（つまり、ポイント.shpファイルに変換されます）。この例では使用されていませんが、すべてのツリーには、クラウンの直径を表す対応するポリゴン（.shpなど）もあります。左側の2つの画像は、個々のツリー位置のポイント.shpファイルから導出されたランドスケープスケールカーネル密度推定値（KDE）を示しています。1つは1989年、もう1つは2009年です。右側の図は、2つのKDE平均値の+/- 2標準偏差の値のみが表示されます。Arcのラスター計算機を使用して、右手画像にラスターオーバーレイを作成するために必要な簡単な計算（2009 KDE-1989 KDE）を実行しました。

樹木密度または樹冠面積の経時的な変化を統計的またはグラフィカルに分析するより適切な方法はありますか？これらのデータを考慮して、地理空間環境で1989年と2009年のツリーデータ間の変化をどのように評価しますか？ArcGIS、Python、R、Erdas、ENVIのソリューションが推奨されます。

最初の問題：

あなたは最小の混合物を見ています。エーカーサイズの王冠を持つ巨大な木は、ポイント/カーネル密度に基づいて解釈され、木がまったくない畑のように非常によく見えます。小さな、急速に成長している木がある場合、森の端や隙間に高い値が表示されます。トリッキーなビットは、これらの密集した小さな木は、シャドウやオクルージョンによって隠されたり、1メートルの解像度では解決できなかったり、同じ種の塊であるため一緒に凝集したりする可能性が非常に高いことです。

Jenの答えは、この最初の部分で正しいです。ポリゴン情報を捨てることは無駄です。ただし、ここには問題があります。開いた木は、同じ年齢の林や成熟した森の木よりも、垂直がはるかに少なく、冠が広がっており、他のすべてのものは同じです。詳細については、＃3を参照してください。

2番目の問題：

理想的には、リンゴとリンゴを比較して作業する必要があります。一方をNDVIに、もう一方をB＆Wに依存すると、結果に認識できないバイアスがかかります。1989年の適切なデータを取得できない場合は、代わりに2009年の劣化したB＆Wデータを使用するか、B＆Wに対する2009年のデータのバイアスを測定し、1989年のNDVI結果を外挿することもできます。

この点に労力で対処することは妥当かもしれませんが、ピアレビューで取り上げられる可能性は十分にあります。

3番目の問題：

何を正確に測定しようとしていますか？カーネル密度は無価値ではありませんメトリック、それはあなたに急速にお互いを殺している新しい成長の若い木のエリアを見つける方法を提供します（上記のシェーディング/オクルージョンの制限に従います）; 水/日光にアクセスできる場所があれば、それが数年で生き残ります。キャノピーのカバレッジは、ほとんどのタスクでカーネル密度の改善になりますが、それにも問題があります。これは、樹齢100年とほぼ同じようにキャノピーをかろうじて閉じた20歳の木の大きな同齢の林を扱います歳の森。森林は、情報を保存する方法で定量化するのが困難です。キャノピー高さモデルは、多くのタスクに理想的ですが、歴史的に取得することは不可能です。使用するメトリックは、目標の詳細に基づいて選択するのが最適です。彼らは何ですか？

編集：

目標は、原生草地への低木地拡大を感知することです。ここでも統計的方法は完全に有効であり、適用するにはいくつかの精緻化と主観的な選択が必要です。

• キャノピーカバレッジの基本的な尺度を計算します。これには、クラウンポリゴンに直接グリッドアプローチを使用したり、クラウンポリゴンをラスタに変えたり、より連続したバージョンが必要な場合はぼかしたりすることがあります。
• キャノピーのカバー率に基づいて、分析を行うランドスケープのクラスを分離してみてください。閉じたキャノピーフォレストで使用する統計的手法は、ほとんど裸の草原で使用する手法とは異なる場合があり、分析から防御的に除外される場合もあります。ランドスケープの小さな領域には「スクラブランド拡張」が含まれます。その影響を無視して、関連しないデータを無視する方法を選択するのは、統計学者の責任です。
• これが20年の期間にわたって機能するかどうかはわかりませんが（追加の中間エポックでより適切に機能します）、樹齢の代用として冠の直径に注意してみてください。既存のクラウンのサイズを2倍にすることが「拡張」を表すのか、それとも新しいツリーを必要とするのか、という質問があります。後者の場合、それらが新しいものであるかどうかはある程度わかります（少なくとも、上で選択した一部のクラスのクラスでは、ある程度の日光へのアクセスを確認できます）。
• 生態学的目的に応じて、樹木密度を直接調査するだけでなく、Fragstatsなどのパッケージを使用して景観の断片化を調査することも価値があります。
• ロングショット：2009データセットのクラウンを区別する能力の検証と精度評価として使用されるのを待っている郡LIDARデータセットがないことを確認します。

KDEのアプローチの問題は、エリア全体が滑らかになるため、見つけたいギャップがなくなることです。

樹冠の検出にNDVIを使用したことを読んだとき、樹冠ポリゴンはどのように見えるのでしょうか？これらは本当に樹種IDがリンクされた単一のポリゴンですか？

樹冠ごとにポリゴンを持つ贅沢があり、樹冠が失われた場所に興味がある場合、2つの可能性があると思います。ベクトルとラスターソリューション。

ベクター

1. 重複するポリゴンが残らないように、1年間のすべてのポリゴンを結合します。単一のポリゴンで十分です。これは2つのシェープファイルにつながります
2. オーバーレイとインターセクトを使用して、1989と2009が（もう）一致しないエリアを見つけます。

ラスター

1. 各年のすべてのポリゴンを、0 = notreeおよび1 = treeのバイナリラスタに変換します。0.5mなどの高解像度と双線形補間を使用しますか？これにより、エッジが滑らかになります
2. バイナリ画像（2009-1989）を差し引くと、最初の結果に似たものが得られますが、スムージングされたKDEはありません

それがうまくいくことを願っています:)これらのアイデアを試したのではなく、単に頭に浮かんだことを書き留めました。幸運を！

ああ...たぶん、単純に四角カウントのアプローチをすることもできます。毎年、100x100mのベクトルグリッドを使用してエリアをスライスし、ポリゴン内のポイントをカウントして、2つの異なるパターンを比較します。別のアイデア...

植生の一般的な変化は、デジタル変化分析を使用して計算できます。この分析を実行するには、最初に1989年と2009年の両方の4バンド（R、G、B、およびNIR）イメージが必要です。次に、リモートセンシングソフトウェア（ENVIまたはErdasなど）を使用して各イメージでNDVI分析を実行します。NDVI分析では、NIRバンド–赤バンド/ NIRバンド+赤バンドピクセルの比率を比較します。この方程式の結果は、-1〜1の範囲のピクセル値を提供します。値がゼロより小さいピクセルは、NIR帯域で反射率を示しません。同様に、ゼロより大きい値を持つピクセルはNIR光を反射するため、植生と見なされます。デジタル変化分析を実行するプロセスは、1つのNDVIイメージをもう1つのNDVIイメージから単純に減算することです（2009年から1989を減算します）。より詳細な議論については、以下のリンクをご覧ください。

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