生态地理空间难题

我正在寻找针对空间统计问题的另一种更优雅的解决方案。原始数据由每个单独树的xy坐标组成（即，转换为点.shp文件）。尽管在此示例中未使用，但是每棵树还具有代表顶冠直径的相应多边形（即.shp）。左侧的两个图像显示了从单个树位置的点.shp文件得出的景观尺度内核密度估计（KDE），一个是1989年，另一个是2009年。右图显示了两个KDE之间的差异。仅显示平均值的+/- 2标准偏差的值。使用Arc的栅格计算器执行在右侧图像上生成栅格叠加所必需的简单计算（2009 KDE-1989 KDE）。

有没有更合适的方法以统计或图形方式分析树木密度或冠层面积随时间的变化？有了这些数据，您将如何评估地理空间环境中1989年和2009年树木数据之间的变化？鼓励使用ArcGIS，Python，R，Erdas和ENVI中的解决方案。

第一个问题：

您正在查看最低要求。一棵巨大的树，带有一英亩大小的树冠，看起来非常多，以点/核密度为基础进行解释，就像完全没有树的田地一样。只有在树木小的，快速生长的树木，边缘和森林中的空隙处，您才能获得高价值。棘手的是，这些茂密的小树更有可能被阴影或遮挡所遮盖，或者以1米的分辨率无法分辨，或者因为它们是同一物种的丛集而聚在一起。

詹（Jen）的答案在第一部分是正确的：丢弃多边形信息是一种浪费。不过，这里有一个复杂的问题。在所有其他条件相同的情况下，与均匀老化的林分或成熟森林中的树木相比，开放式林木的树冠垂直度更低，分布更广。有关更多信息，请参见＃3。

第二个问题：

理想情况下，您应该将苹果与苹果进行比较。一个依靠NDVI，另一个依靠B＆W，这会给您的结果带来不可知的偏差。如果您无法获得1989年的合适数据，则可以改用2009年的B＆W数据降级，甚至尝试测量2009年数据中相对于B＆W的偏差，并推断1989年的NDVI结果。

在劳动上明智地解决这一问题也许是合理的，但在同行评审中有很大的机会提出来。

第三个问题：

您到底想测量什么？内核密度并非毫无价值度量标准，它为您提供了一种方法，可以找到彼此快速杀死的新树，幼树（受上述阴影/遮挡限制）；只有获得最佳水/阳光的那些（如果有的话）才能在几年内生存。冠层覆盖率可以提高大多数任务的内核密度，但这也有问题：它处理的是一棵20岁老树的均匀大树，这些树几乎没有盖过树冠，而已建立的100棵树岁的森林。森林很难以保存信息的方式进行量化。顶篷高度模型是许多任务的理想选择，但从历史上讲不可能。最好根据对目标的阐述来选择使用的指标。这些是什么？

编辑：

目标是感知灌木丛向原生草原的扩张。统计方法在这里仍然是完全有效的，它们只需要一些阐述和主观选择即可应用。

• 计算树冠覆盖的基本度量。这可能涉及直接在冠状多边形上进行网格化的方法，或者在需要更连续的版本时将冠状多边形转换为栅格+模糊它们。
• 尝试根据树冠覆盖率百分比来划分进行分析的景观类别。在封闭的冠层森林中使用的统计技术可能与您在几乎裸露的草原上使用的统计技术不同，甚至可能被辩护地排除在分析之外。您的景观中的一些小区域将包括“灌木丛扩展”，而选择如何将这种影响归为一类并忽略不相关的数据，则由统计学家决定。
• 我不知道这种方法是否会在20年的时间跨度内起作用（并且在其他中间时期会更好），但请尝试注意树冠直径作为树龄的替代指标。您必须要提出一个定义性问题，将现有树冠的尺寸加倍代表“扩张”，还是需要新的树木。如果是后者，则您确实会知道它们是否是新的（至少对于上面选择的某些景观类别，您可以在其中验证一定程度的日光照射）。
• 根据您的生态目标，可能不仅值得直接探索树木的密度，而且还可以使用Fragstats之类的软件包探索景观破碎化。
• 远景：确保附近没有县级LIDAR数据集可以用作验证和准确性评估，以区分2009年数据集中的树冠。

您的KDE方法的问题在于，它使整个区域变得平滑，从而缩小了您可能想要查找的差距。

当我读到您使用NDVI进行树冠检测时，我想知道树冠多边形的外观如何？这些具有树种ID的真正单一多边形与之链接吗？

如果您有幸为每个树冠拥有多边形，并且对丢失树冠的位置感兴趣，那么我认为有两种可能性：向量和栅格解。

向量

1. 合并一年中的所有多边形，以便不存在任何重叠的多边形。单多边形是好的。这将导致两个shapefile
2. 使用叠加或相交来查找1989和2009不匹配的区域（不再）。

栅格

1. 将每年的所有多边形转换成二进制栅格，其中0 = notree和1 = tree。使用高分辨率，例如0.5m和双线性插值？这样可以确保边缘光滑
2. 减去二值图像（2009-1989年），您应该得到与第一个结果相似的结果，但没有平滑的KDE

我希望能解决这个问题：)我没有尝试这些想法，只是写下了我的想法。祝好运！

哦...也许，您也可以简单地采用平方计数法。每年，使用100x100m的矢量网格将您的区域切成薄片，计算多边形中的点数，然后比较两种不同的模式。只是另一个主意...

植被的一般变化可以使用数字变化分析来计算。要进行此分析，您首先需要为1989年和2009年提供4波段（R，G，B和NIR）图像。接下来，使用遥感软件（例如ENVI或Erdas）对每幅图像进行NDVI分析。NDVI分析比较了NIR波段–红色波段/ NIR波段+红色波段像素的比率。该方程式的结果给出的像素值范围是-1至1。值小于零的像素在NIR波段中没有反射。同样，值大于零的像素会反射NIR光，因此被视为植被。进行数字变化分析的过程就是简单地从另一个图像中减去一个NDVI图像（从2009年中减去1989）。请参阅下面的链接进行更深入的讨论。

http://www.bioline.org.br/pdf?er07006