使用LiDAR数据识别约书亚树吗？

我正在进行一个LiDAR项目，以确定约书亚树在指定研究区域内的位置。由于植被稀疏，那里确实有2种树冠物种，即约书亚树和杨木。由于树冠中的物种丰富度非常有限，我认为这是一个相对容易的LiDAR分析。我的方法是创建一个地球栅格（DEM），然后创建第一个返回栅格。然后，我将从第一个返回栅格中减去裸土以创建植被栅格。通过使用底图进行验证，我可以轻松消除任何噪音（例如电源线，建筑物）。因为客户希望查看所有约等于12英尺的约书亚树，所以我只需要对植被栅格进行重新分类。这样，我应该能够看到我研究区域内的所有树种，应该是约书亚树。

这是我在ArcMap中遵循的方法：

创建裸土层

1. 使用创建LAS数据集工具创建所选研究区域的las数据集
2. 使用“创建LAS数据集图层”工具
   a 在该图层上创建las数据集图层。从类代码中选择2（接地）
3. 使用LAS数据集转栅格工具将此图层转换为栅格。

创建植被层

4. 使用Make LAS DATASET LAYER工具时，请在返回值（可选）下重复步骤2和3，但仍要选择第一个返回。

5. 使用减号工具从第一返回栅格中减去裸地球栅格

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

6. 使用“重分类”工具确定12英尺及更大的高度：

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

是否有人对此有任何经验，并且可能能够提供一些提示/指针，以说明我可能会出错的地方？如果人们知道更好的方法，那么我就会开放意见！

从LiDAR点生成的CHM栅格的“质量”作为CanopyMaxima算法的输入，将极大地影响您的结果。我建议尝试一些生成CHM的方法，例如

• 简单的最高收益网格/合并
• 最高的回报变成了小的磁盘网格化/合并
• 通过TIN的首次返回插值，然后进行栅格化
• TIN插值法仅对栅格和栅格化的最高收益
• 基于部分CHM的无坑算法
• 基于尖峰避免的无尖峰算法。

在这两个博客文章坑自由和免费穗介绍如何生成CHM栅格上面列出使用不同的方法LAStools。

似乎您正在尝试使用工作流程创建树冠高度模型。这将显示所有物体在地面上方的高度。看看您感兴趣的树种，三角叶杨通常会长得很高，并且在河岸地区和洪泛区之内。约书亚树是更干旱的山地树。因此，将树冠高度模型重新分类为包括所有大于等于12'的像素肯定会包括两个物种，而不只是约书亚树。

尽管在处理LiDAR方面还有很长的路要走，ArcGIS非常适合处理派生的LiDAR产品。相反，我建议使用FUSION，它已针对LiDAR林业应用进行了优化。我建议在FUSION中使用一种名为CanopyMaxima的算法来识别AOI中的单个树。根据文档（第26页）：

CanopyMaxima最常用于识别树冠高度模型中表示的单个优势树和优势树。它最适合相对孤立的针叶树。在茂密的林分中，彼此靠近的树木无法分开。结果是一个局部最大值，其中应该有多个最大值。该算法在落叶林中效果不佳，因为此类树木的树冠形状趋于更圆，树冠在树顶附近趋于彼此重叠

该命令相对简单：

CanopyMaxima /img24 canopy_maxima_test_1m.dtm testtrees.csv

在这里，您将获得一个CSV文件，其中显示了各个树的坐标。要过滤出杨木，请考虑以下工作流程：

1. 将树位置CSV转换为点shapefile
2. 识别河岸区域（例如，通过设置DEM阈值或缓冲流层），并使用该区域过滤掉河岸区域内的任何树木位置点。