วิธีกรองสิ่งผิดปกติจาก point cloud ใน lidr?
ฉันมี ALS point cloud ฉันสามารถปรับความสูงให้เป็นปกติได้สำเร็จ แต่ฉันสงสัยว่ามีวิธีใดบ้างที่จะลบ / กรองบางจุดที่เห็นได้ชัดว่ามีข้อผิดพลาด / ค่าผิดปกติ (คะแนนต่ำกว่า 0 และจำนวนหนึ่งที่สูง 30-50 เมตรหรือสูงกว่า 100 เมตรจากต้นไม้ที่สูงที่สุด) ข้อมูลที่ฉันใช้ถูกดาวน์โหลดจาก USGS National Map ซึ่งมีเฉพาะจุดพื้นดินที่ถูกจัดประเภทไว้แล้ว
ถ้าฉันทำให้ปกติด้วยtin()
อัลกอริทึมและสร้าง chm ของฉันโดยตรงจากคลาวด์จุดปกติค่า chm min / max ของฉันคือ:
values : -5.23, 129.98 (min, max)
และถ้าฉันทำให้ปกติด้วย dtm:
values : -14.65, 129.91 (min, max)
ในที่สุดฉันกำลังพยายามแบ่งกลุ่มต้นไม้และสร้างผลผลิตจากความสูงของต้นไม้ไม้คลุมหลังคาความหนาแน่นของต้นไม้ ฯลฯ แต่ฉันไม่สามารถทำการวิเคราะห์ของฉันได้เมื่อฉันรู้ว่าความสูงสูงสุดของต้นไม้จะอยู่ที่ <30 เมตรในพื้นที่ศึกษาของฉัน
ถ้าฉันพยายามจัดประเภทพื้นใหม่จะช่วยให้มีคะแนนต่ำกว่า 0 หรือไม่ แต่นั่นจะไม่กล่าวถึงสูงสุด 129m ...
ฉันคิดว่าฉันอาจจะทำให้ chm ของฉันเรียบและใช้ chm / top top เพื่อแบ่งส่วนต้นไม้ได้ดีกว่าเพราะฉันมีปัญหาในการหาวิธีที่ดีในการใช้li2012()
อัลกอริทึม
คำตอบ
ไม่มี 'ขั้นสูง' ขอบเขตการกรองในเลยlidR
แต่สำหรับกรณีง่ายๆคุณสามารถสร้างวิธีง่ายๆด้วยตัวคุณเอง คำแนะนำบางประการและคุณสามารถปรับเปลี่ยนตัวอย่างให้เหมาะกับความต้องการของคุณได้
กรองจุดสนใจโดยใช้เกณฑ์
las <- filter_poi(las, Z >= 0, Z <= 30)
กรองค่าผิดปกติที่สูงโดยใช้ CHM เปอร์เซ็นไทล์ที่ 95
นี่คือตัวอย่างที่นำมาจากบทความสั้น ๆนี้ สร้างแรสเตอร์ที่มีเปอร์เซ็นไทล์ที่ 95 และลบสิ่งที่ค่อนข้างสูงเกินไปสำหรับแผนที่ความสูงนี้
filter_noise = function(las, sensitivity)
{
p95 <- grid_metrics(las, ~quantile(Z, probs = 0.95), 10)
las <- merge_spatial(las, p95, "p95")
las <- filter_poi(las, Z < p95*sensitivity)
las$p95 <- NULL
return(las)
}
las <- filter_noise(las, sensitivity = 1.2)
กรองสิ่งผิดปกติโดยใช้เมตริกตามจุด
ไม่มีตัวอย่างให้ แต่ในตอนท้ายของบทนี้มีส่วนที่อธิบายถึงวิธีการสร้างวิธีการกรองค่าผิดปกติขั้นสูงด้วยpoint_metrics()
classify_noise () ใน v3.1.0
ฉันใส่ข้อมูลนี้ไว้ที่นี่สำหรับผู้อ่านในอนาคต เริ่มจากv3.1.0
lidR
จะมี (หรือ 'มีแล้ว' ขึ้นอยู่กับเวลาที่คุณกำลังอ่าน) ฟังก์ชันที่classify_noise()
มีอัลกอริทึมที่เป็นไปได้หลายอย่าง