Masalah pertama:
Anda sedang melihat campuran minima. Satu pohon raksasa dengan mahkota ukuran acre terlihat cukup banyak , ditafsirkan berdasarkan titik / kernel density, seperti bidang tanpa pohon sama sekali. Anda akan berakhir dengan nilai tinggi hanya di mana ada pohon-pohon kecil yang tumbuh cepat, di tepi dan celah di hutan. Yang agak sulit adalah, pohon-pohon kecil yang lebat ini jauh lebih mungkin untuk dikaburkan oleh bayangan atau oklusi atau tidak dapat diselesaikan dengan resolusi 1 meter, atau diaglomerasi bersama karena mereka adalah rumpun dari spesies yang sama.
Jawaban Jen benar di bagian pertama ini: Membuang informasi poligon itu sia-sia. Tapi ada komplikasi di sini. Pohon yang tumbuh terbuka memiliki mahkota yang jauh lebih vertikal dan lebih menyebar, semua hal lain dianggap sama, daripada tegakan yang berumur genap atau pohon di hutan dewasa. Untuk lebih lanjut lihat # 3.
Masalah kedua:
Sebaiknya Anda bekerja dengan perbandingan apel dengan apel. Mengandalkan NDVI untuk satu dan B&W untuk yang lain memperkenalkan bias yang tidak diketahui ke dalam hasil Anda. Jika Anda tidak bisa mendapatkan data yang sesuai untuk 1989, Anda bisa menggunakan data B&W terdegradasi untuk 2009, atau bahkan mencoba mengukur bias dalam data 2009 relatif terhadap B&W dan mengekstrapolasi hasil NDVI untuk 1989.
Mungkin masuk akal atau tidak masuk akal untuk membahas hal ini dari sisi tenaga kerja, tetapi ada peluang yang layak untuk diangkat dalam peer review.
Masalah ketiga:
Apa tepatnya yang Anda coba ukur? Kepadatan kernel bukan nilai-kurangmetrik, ini memberi Anda cara untuk menemukan area pertumbuhan baru, pohon muda yang dengan cepat saling membunuh (tunduk pada batasan naungan / oklusi di atas); Hanya yang memiliki akses terbaik ke air / sinar matahari, jika ada, yang akan bertahan dalam beberapa tahun. Cakupan kanopi akan menjadi peningkatan pada kepadatan kernel untuk sebagian besar tugas, tetapi itu memiliki masalah juga: ia memperlakukan tegakan pohon genap berusia 20 tahun yang baru saja berumur genap yang baru saja menutup kanopi sama seperti yang sudah 100 hutan tua. Hutan sulit untuk diukur dengan cara yang akan menjaga informasi; Model ketinggian kanopi sangat ideal untuk banyak tugas, tetapi tidak mungkin diperoleh secara historis. Metrik yang Anda gunakan paling baik dipilih berdasarkan pada penjabaran tujuan Anda. Apakah mereka?
Edit:
Tujuannya adalah merasakan ekspansi semak belukar ke padang rumput asli. Metode statistik masih benar-benar valid di sini, mereka hanya memerlukan beberapa elaborasi dan pilihan subjektif untuk diterapkan.
- Hitung ukuran dasar dari cakupan kanopi. Ini mungkin melibatkan pendekatan grid langsung pada poligon mahkota, atau mengubah poligon mahkota menjadi raster + mengaburkannya jika Anda memerlukan versi yang lebih berkelanjutan.
- Coba pisahkan kelas lanskap tempat Anda melakukan analisis, berdasarkan persen cakupan kanopi. Teknik statistik yang Anda gunakan di hutan kanopi tertutup mungkin berbeda dari yang Anda gunakan di padang rumput yang hampir gundul, atau bahkan mungkin secara defensif dikeluarkan dari analisis. Beberapa area kecil lanskap Anda akan termasuk "ekspansi scrubland", dan memilih cara untuk mengelompokkan efek itu & mengabaikan data yang tidak relevan terserah Anda sebagai ahli statistik.
- Saya tidak tahu apakah ini akan bekerja lebih dari rentang waktu 20 tahun (dan itu akan bekerja lebih baik dengan zaman menengah tambahan), tetapi cobalah memperhatikan diameter mahkota sebagai proksi untuk usia pohon. Ada pertanyaan definisi yang harus Anda tanyakan, apakah menggandakan ukuran mahkota yang ada mewakili "ekspansi", atau apakah itu membutuhkan pohon baru. Jika yang terakhir, Anda memiliki ide apakah mereka baru (setidaknya, untuk beberapa kelas lansekap yang Anda pilih di atas, di mana Anda dapat memverifikasi tingkat tertentu dari akses sinar matahari).
- Bergantung pada tujuan ekologis Anda, mungkin bermanfaat tidak hanya mengeksplorasi kepadatan pohon secara langsung, tetapi juga untuk mengeksplorasi fragmentasi lanskap menggunakan paket seperti Fragstats .
- Catatan panjang: Pastikan tidak ada dataset LIDAR county yang menunggu untuk digunakan sebagai penilaian validasi dan akurasi untuk kemampuan Anda membedakan mahkota di dataset 2009.
