¿Identificando árboles de Joshua con datos LiDAR?

Estoy trabajando en un proyecto LiDAR para determinar dónde se encuentran los árboles de Joshua dentro de un área de estudio específica. Debido a que la cubierta vegetal es tan escasa, hay realmente dos especies de dosel allí, que son árboles de Joshua y álamos. Creo que este es un análisis LiDAR relativamente fácil debido a la riqueza de especies muy limitada en el dosel. Mi enfoque ha sido crear un ráster de tierra desnuda (DEM) y luego un ráster de primer retorno. Luego restaría la tierra desnuda del primer ráster de retorno para crear un ráster de vegetación. Sería capaz de eliminar fácilmente cualquier ruido (por ejemplo, líneas eléctricas, edificios) utilizando un mapa base para la verificación. Como el cliente quiere ver todos los árboles de Joshua> = 12 pies, simplemente reclasificaría la trama de vegetación. Al hacer esto, debería poder ver todas las especies de árboles, que deberían ser árboles de Joshua, dentro de mi área de estudio.

Esta es la metodología que he seguido en ArcMap:

Crear capa de tierra desnuda

1. Cree un conjunto de datos las del área de estudio seleccionada con la herramienta Crear conjunto de datos LAS
2. Cree una capa de conjunto de datos las con esta capa con la herramienta Crear capa de conjunto de datos LAS
   a. Seleccione 2 (suelo) de los códigos de clase
3. Convierta esta capa en ráster con la herramienta LAS Dataset to Raster.

Crear capa de vegetación

4. REPITA LOS PASOS 2 Y 3 OTRA VEZ PERO SELECCIONE EL PRIMER REGRESO BAJO los valores de retorno (opcional) CUANDO SE UTILICE LA HERRAMIENTA DE CAPAS HECHO LAS DATASET.

5. Resta el ráster Bare Earth del 1er Ráster de retorno con la herramienta Menos

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

6. Use la herramienta Reclasificar para determinar qué mide 12 pies o más:

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

¿Alguien tiene alguna experiencia con esto y podría proporcionar algunos consejos / sugerencias sobre dónde podría estar yendo mal? Si la gente conoce mejores metodologías, ¡estoy abierto a ideas!

La "calidad" del ráster CHM que genera a partir de los puntos LiDAR como entrada al algoritmo CanopyMaxima afectará significativamente sus resultados. Sugiero probar algunos métodos para generar un CHM, como

• cuadrícula / binning de mayor retorno simple
• los rendimientos más altos se convirtieron en un pequeño disco de cuadrícula
• interpolación de primer retorno a través de un TIN seguido de rasterización
• Interpolación TIN de solo los rendimientos más altos en una cuadrícula y rasterización
• El algoritmo sin fosa basado en CHM parciales
• El algoritmo libre de picos basado en la evitación de picos.

Estos dos artículos de blog sobre sin picos y sin picos describen cómo generar un ráster CHM con los diferentes métodos enumerados anteriormente con LAStools .

Parece que está intentando crear un modelo de altura de dosel con su flujo de trabajo. Esto mostrará la altura de todos los objetos sobre el suelo. Al observar su especie de interés, los álamos generalmente crecen altos y dentro de áreas ribereñas y zonas de inundación. Los árboles de Joshua son árboles de tierras altas más áridos. Por lo tanto, la reclasificación del modelo de altura del dosel para incluir todos los píxeles> = 12 'ciertamente incluiría ambas especies en lugar de solo los árboles de Joshua.

ArcGIS es excelente para manipular productos derivados de LiDAR, aunque tiene un largo camino por recorrer en lo que respecta al procesamiento de LiDAR. Más bien, recomendaría FUSION , que está optimizado para trabajar en aplicaciones forestales LiDAR. Recomendaría un algoritmo en FUSION llamado CanopyMaxima para identificar árboles individuales dentro de su AOI. De la documentación (p.26) :

CanopyMaxima se utiliza con mayor frecuencia para identificar árboles individuales dominantes y codominantes como se representa en un modelo de altura del dosel. Funciona mejor para árboles de coníferas que están relativamente aislados. En rodales densos, los árboles que crecen muy cerca uno del otro no se pueden separar. El resultado es un solo máximo local donde debería haber más de un máximo. El algoritmo no funciona bien en los bosques caducifolios porque la forma de la copa para tales árboles tiende a ser más redondeada y las coronas tienden a superponerse entre sí cerca de la parte superior del árbol.

El comando es relativamente simple:

CanopyMaxima /img24 canopy_maxima_test_1m.dtm testtrees.csv

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

1. Convierta CSV de ubicación de árbol en un archivo de formas
2. Identifique las áreas ribereñas (por ejemplo, mediante el umbral de un DEM o el almacenamiento en búfer de una capa de corrientes) y utilícelo para filtrar los puntos de ubicación de los árboles dentro de las áreas ribereñas.