Suite

Interpolation de données catégorielles à partir d'une surface polygonale avec des lacunes

Interpolation de données catégorielles à partir d'une surface polygonale avec des lacunes


J'ai construit une carte de végétation à partir d'un ensemble de photographies historiques de 1912. Les photographies ont été prises depuis le sol (crêtes et sommets de montagnes), et j'ai développé une méthode de géoréférencement de ces images et d'extraction de données maillées des types de végétation visibles.

Cependant, il y a beaucoup de portions qui n'étaient pas visibles dans ce paysage en raison d'être obscurcies derrière des crêtes. Ces emplacements n'étaient pas visibles depuis d'autres points de prise de vue de la caméra. Ce n'est pas un problème différent de la photographie aérienne avec beaucoup de nuages ​​obscurcissants. La différence est qu'il n'y a pas d'autres photos à utiliser pour combler les lacunes. J'ai besoin d'utiliser une sorte de routine d'interpolation pour combler les lacunes.

J'utilise actuellement ArcGIS 10.2.2 et j'aimerais une solution qui fonctionne dans Arc, mais si ce n'est pas possible, j'utiliserai R ou QGIS ou d'autres packages.

J'ai besoin d'interpoler les catégories de végétation dans les zones obscurcies. Mon hypothèse est qu'elle est déterminée par l'aspect/la pente/l'élévation et bien sûr influencée par la végétation à proximité. Je pense qu'il s'agit d'une variante du co-krigeage, mais je n'ai pas été en mesure de trouver quoi que ce soit qui traite simultanément des données catégorielles et polygonales. Les données ci-dessous dans l'image sont dans des cellules de 100 m².

Quelqu'un a-t-il des suggestions d'approches à adopter? Je voudrais amorcer les données afin de pouvoir tester leur pouvoir prédictif, plutôt que de simplement interpoler ce qui manque.

Ci-joint une carte montrant à quoi je fais face. Les différentes couleurs indiquent différentes catégories de végétation (c.-à-d. forêt de conifères = vert foncé, feuillus = vert pâle, arbustes = orange, prairie = beige, forêt à canopée ouverte = noir). Les zones grises sont les zones obscurcies.


Il n'y a pas assez de place dans la zone de commentaires c'est pourquoi je le poste comme solution possible. Je pense que la classification par maximum de vraisemblance ArcGIS fera exactement ce que vous voulez en excluant le voisin de la végétation.

Obtenez un raster d'altitude, mettez-le à l'échelle (0…255) en utilisant min, max et range. Faites de même avec la pente. Avec aspect, je suggérerais d'abord de le convertir en quelque chose de moins «circulaire», par exemple. Cos(aspect). Convertissez le raster de végétation en polygones et obtenez des signatures pour eux en utilisant les 3 rasters ci-dessus pour la formation.

Cela peut valoir la peine de remplacer la pente et l'aspect par un raster de rayonnement solaire et d'utiliser seulement 2 rasters

METTRE À JOUR:

Je vais faire 2 hypothèses :

  1. C'est un climat continental, c'est-à-dire qu'il y a de la neige en hiver
  2. Vous avez affaire à de la végétation naturelle, c'est-à-dire aucune intervention humaine comme la foresterie ou l'irrigation.

Si au-dessus de vrai et en prenant le sol hors de l'équation, en termes très généraux, il y a 2 facteurs limitants pour la croissance de la végétation : la température de l'air et la disponibilité de l'humidité.

L'exemple classique sont les hautes montagnes dans les zones arides. Pendant la montée, il passe de l'herbe du désert (pas assez d'humidité) à la forêt (assez chaud, assez de précipitations) à l'arbuste et à l'herbe alpins (beaucoup d'eau, été court). Dans ce monde idéal, le DEM suffirait à combler les lacunes.

Cependant, on sait que dans la même bande d'altitude, il y a des zones boisées et sans arbres. La plupart du temps cela est dû à l'impact du vent sur la neige, il y a plus de neige sur les pentes abritées et moins sur les pentes exposées au vent. Ce serait formidable d'obtenir des données du bureau météorologique sur l'équivalent en eau de la neige par rapport à l'altitude et à l'aspect et de convertir ce tableau en raster. Cela pourrait grandement améliorer les résultats d'extrapolation


Voir la vidéo: Calculer la moyennevarianceécart type - Logiciel R vs Excel avec formules