Answers:
在开始任何分析之前,我强烈建议对您的数据应用过滤器,以清除“盐和胡椒”效应。任何算法都将与数据的当前结构模式作斗争。简单的多数表决可能会产生不希望的结果。一种更可靠的方法是应用筛分方法,其中可以指定最小映射单位。这可以通过GDAL中的gdal_sieve.py函数,raster > analysis > sieve
QGIS中的函数或ArcGIS渐变度量工具箱中的sieve函数来完成。
这看起来可以用数学形态学运算符解决(例如,从图像中提取道路)。我想像一下,用一个膨胀运算符再加上一个闭合运算符可以弄清楚走廊。然后,您可以应用“打开”运算符,以删除道路,并对栅格进行差异化以将识别出的道路拉为单独的对象。这些类型的图像分解功能在MSPA和GUIDOS软件中有些自动化,但是再次受到数据不连续性的明显影响。
有一个用于MSPA的QGIS插件以及GRASS中的可用功能(可通过QGIS GUI使用)。MSPA和GUIDOS的问题之一是图像大小受到限制。不幸的是,在ESRI软件中,形态运算符仅在ArcScan扩展中可用。通过一些挖掘,您将找到其他软件选项以及通过具有自定义内核矩阵的栅格代数定义形态算子的方法。
另一种方法是边缘检测过滤方法,例如Sobal核算子。在ArcGIS Gradient Metrics Toolbox中以及spaceEco R程序包中都有一个sobal函数。R实现的优点是您可以返回运算符的梯度函数,而ArcGIS实现仅返回一阶函数(可能就是您所需要的)。我相信Orfeo工具箱(作为QGIS附件提供)在EdgeExtraction功能中具有sobal选项。
这不是一个完整的解决方案,但请查看以下用于连通性分析的工具(第一个工具很适合您搜索的内容):
MSPA -形态空间格局分析(http://forest.jrc.ec.europa.eu/download/software/guidos/mspa)从GUIDOS工具箱(http://forest.jrc.ec.europa.eu/download/software / guidos)和
Conefor Sensinode(http://www.conefor.org/)。
还可以考虑训练机器学习算法来对您的实例进行分类(走廊与片段)。您可以在补丁程序级别(例如补丁程序大小,周长面积比,圆比)和基于距离的要素(例如到碎片的距离)上提供空间属性进行分类。要计算分类所需的补丁程序级功能,您可以尝试FragStats(https://www.umass.edu/landeco/research/fragstats/fragstats.html)。
您还可以考虑使用更简单的“基于专家的规则系统”对每个实例进行分类。例如,走廊将比栖息地碎片等具有更高的周长比。
有关连接性分析的更多有趣内容:http : //conservationcorridor.org/corridor-toolbox/programs-and-tools/
但是,某些走廊没有“全像素连接”这一事实将是您首先需要解决的问题。我认为您必须定义某种基于距离的阈值标准,才能确定某个像素是否属于走廊的一部分。