タグ付けされた質問 「forest-ecology」

http://www.globalforestwatch.org/で入手可能な、Science、2013年に発行されたhttp://www.globalforestwatch.org/で、ハンセン、MC、ポタポフ、P。V、ムーア、Rとして ハンセンの驚くべき分類を発見しました。。、Hancher、M.、Turubanova、SA、およびTyukavina、A。（2013）。21世紀の森林被覆変化の高解像度グローバルマップ。サイエンス、342（6160）（11月15日）、850–854。doi：DOI：10.1126 / science.1244693。 しかし、私はこの記事/ウェブサイトで、どのような分類をハンセンが使用したので、そのようなマップを再現する正確な方法論を見つけることができませんか？ 私が見つけることができる唯一のことは、教師あり学習アルゴリズムが木のカバーを識別するために使用されたことですが、それはかなり広い用語です。 可能であれば、同じ方法論を使用したいと思います（ただし、90年目に適用します）ので、選択した領域でのハンセンの分類の前に。

10 raster  remote-sensing  classification  landsat  forest-ecology 

LiDARプロジェクトに取り組んでおり、指定された調査地域内のジョシュアツリーの位置を特定しています。植生が非常にまばらであるため、実際にはジョシュアツリーとコットンウッドという2つの林冠種があります。樹冠内の種の豊富さが非常に限られているため、これは比較的簡単なLiDAR分析であると思います。私のアプローチは、ベアアースラスタ（DEM）を作成してから、最初のリターンラスタを作成することでした。次に、1番目のリターンラスターから裸地を差し引いて、植生ラスターを作成します。検証にベースマップを使用すると、ノイズ（電力線、建物など）を簡単に除去できます。クライアントはすべてのジョシュアツリーが12フィート以上あることを確認したいので、植生ラスターを再分類します。こうすることで、私の調査地域内でジョシュアツリーであるすべての樹種を見ることができます。 これは、ArcMapで私が従った方法です。 ベアアースレイヤーの作成 LASデータセットの作成ツールを使用して、選択した調査範囲のlasデータセットを作成します LASデータセットレイヤーの作成ツールを使用して、このレイヤーでlasデータセットレイヤーを作成 します。クラスコードから2（グラウンド）を選択します LASデータセットからラスターツールを使用して、このレイヤーをラスターに変換します。 植生層を作成する 手順2と3を繰り返しますが、MAKE LASデータセットレイヤーツールを使用する場合は、戻り値の下で最初の戻り値を選択します（オプション）。 マイナスツールを使用して、1番目のリターンラスターからベアアースラスターを減算します。 1st Return (raster) – Bare Earth (raster) = Vegetation Layer 再分類ツールを使用して、12フィート以上のものを判別します。 Classification: Natural Breaks (Jenks) Classes: 2 Break values: 3.66, 10.725098 誰かがこれについて何か経験があり、私が間違っているかもしれない場所でいくつかのヒント/ポインタを提供できるかもしれませんか？人々がより良い方法論を知っているなら、私はアイデアを受け入れます！

9 arcgis-desktop  remote-sensing  lidar  feature-extraction  forest-ecology 

地上レーザースキャナーを使用して、いくつかの森林区画の非常に高密度の点群を作成しました。次に、1.3メートルを超えるポイントを削除して、粗い木質の破片（枯れた枯れた木）を確認しました。添付されているのは、赤い楕円の内側に粗い木質の破片があるサンプルプロットの陰影付きDEMです。 プロットはまた、1.3メートル未満の木の幹の一部である小さな木、地面、小さな岩で構成されています。画像から、木質の破片はその連続的な形状で識別できます。この画像から木質の破片を抽出するツールを探しています。Arcmap、Envi、またはその他のオープンソースソフトウェアは完璧です。コーディングが役立つ場合は、Pythonの基本的な知識も持っています。

8 python  dem  point-cloud  forest-ecology