Siéntete libre de compartir nuestros post y códigos en tus redes, necesitamos de tu ayuda para ampliar nuestra comunidad.
Solución:
Existe una cantidad considerable de literatura sobre la detección de copas individuales en datos espectrales y lidar. En cuanto a los métodos, tal vez comience con:
Falkowski, MJ, AMS Smith, PE Gessler, AT Hudak, LA Vierling y JS Evans. (2008). La influencia de la cubierta del dosel del bosque de coníferas en la precisión de dos algoritmos de medición de árboles individuales utilizando datos LIDAR. Canadian Journal of Remote Sensing 34(2):338-350.
Smith AMS, EK Strand, CM Steele, DB Hann, SR Garrity, MJ Falkowski, JS Evans (2008) Producción de mapas de estructura espacial de la vegetación mediante el análisis por objeto de la invasión de enebro en fotografías aéreas multitemporales. Canadian Journal Remote Sensing 34(2):268-285
Si está interesado en el método Wavelet (Smith et al., 2008), lo tengo codificado en Python pero es muy lento. Si tiene experiencia en Matlab, aquí es donde se implementa en el modo de producción. Tenemos dos artículos en los que identificamos ~6 millones de acres de invasión de enebros en el este de Oregón usando el método wavelet con imágenes NAIP RGB-NIR, por lo que está bien probado.
Baruch-Mordo, S., JS Evans, J. Severson, JD Naugle, J. Kiesecker, J. Maestas y MJ Falkowski (2013) Saving sage-grouse from the trees: A proactive solution to reduce a key amenaza para una especie candidata Biological Conservation 167:233-241
Poznanovic, AJ, MJ Falkowski, AL Maclean y JS Evans (2014) Una evaluación de precisión de los algoritmos de detección de árboles en Juniper Woodlands. Ingeniería Fotogramétrica y Teledetección 80(5):627–637
Hay algunos enfoques interesantes, en la descomposición general de objetos, de la literatura de espacio de estado de matemáticas aplicadas que utilizan procesos gaussianos de resolución múltiple para descomponer características de objetos a escala. Utilizo este tipo de modelos para describir procesos de múltiples escalas en modelos ecológicos, pero podría adaptarse para descomponer las características de los objetos de imagen. Divertido, pero un poco esotérico.
Gramacy, RB y HKH Lee (2008) Modelos de procesos gaussianos arbóreos bayesianos con una aplicación al modelado por computadora. Revista de la Asociación Estadounidense de Estadística, 103 (483): 1119–1130
Kim, HM, BK Mallick y CC Holmes (2005) Análisis de datos espaciales no estacionarios mediante procesos gaussianos por partes. Revista de la Asociación Estadounidense de Estadística, 100(470):653–668
Para crear un DHM reste el DEM del DEM, esto se puede hacer en Esri Raster Calculator o GDAL_CALC. Esto pondrá todas sus elevaciones en un “campo de juego nivelado”.
Sintaxis (sustituya las rutas completas por DEM, DSM y DHM):
GDAL_CALC.py -A DSM -B DEM --outfile=DHM --CALC "A-B"
El DHM será en su mayoría 0 (o lo suficientemente cerca), lo que hace que su valor de nodata. Con Raster Calculator o GDAL_CALC puede extraer valores más que un valor arbitrario en función de la cantidad de ruido que observa en el DHM. El objetivo de esto es reducir el ruido y resaltar solo las copas de la vegetación; en el caso de que dos ‘árboles’ estén adyacentes, se debería dividir en dos manchas distintas.
Sintaxis (Sustituya las rutas completas por Binario y DHM y el valor observado por Valor):
GDAL_CALC.py -A DHM --outfile=Binary --calc "A*(A>Value)"
Ahora, con GDAL_CALC o Esri IsNull, cree un ráster binario, que se puede poligonalizar con GDAL_Polygonize o Esri Raster to Polygon.
Para refinar los polígonos, elimine los polígonos excesivamente pequeños y luego compárelos con las bandas RGB en busca de firmas, en Esri, la herramienta Estadísticas zonales ayudará. Luego puede descartar los polígonos que claramente no tienen las estadísticas correctas (según la experimentación y sus datos, no puedo darle los valores).
Esto debería llevarlo a un 80% de precisión en el trazado de coronas individuales.
eCognition es el mejor software para eso, lo hice usando otro software pero eCognition es mejor. Aquí está la referencia a la literatura sobre el tema:
Karlson, M., Reese, H. y Ostwald, M. (2014). Mapeo de copas de árboles en bosques gestionados (parques) de África occidental semiárida utilizando imágenes WorldView-2 y análisis de imágenes basado en objetos geográficos. Sensores, 14(12), 22643-22669.
por ejemplo, http://www.mdpi.com/1424-8220/14/12/22643
Además:
Zagalikis, G., Cameron, AD y Miller, DR (2005). La aplicación de técnicas de fotogrametría digital y análisis de imágenes para derivar características de árboles y rodales. Revista canadiense de investigación forestal, 35(5), 1224-1237.
por ejemplo, http://www.nrcresearchpress.com/doi/abs/10.1139/x05-030#.VJmMb14gAA
Te invitamos a añadir valor a nuestro contenido informacional colaborando tu veteranía en las críticas.