Criei uma nuvem de pontos densos e muito altos de algumas parcelas da floresta usando um scanner a laser terrestre. Em seguida, remova os pontos acima de 1,3 metro para ver os restos de madeira grossa (árvores mortas caídas). Em anexo está o DEM sombreado do gráfico de amostra com detritos lenhosos grossos dentro da elipse vermelha.
A parcela também consiste em pequenas árvores, parte dos caules de árvores abaixo de 1,3 metro, solo e pequenas pedras. A partir da imagem, os fragmentos lenhosos são discerníveis com sua forma contínua. Estou procurando a ferramenta para extrair detritos lenhosos desta imagem. Arcmap, Envi ou qualquer software de código aberto seria perfeito, e também tenho conhecimento básico de Python se a codificação for útil.
Respostas:
Para adicionar ao que foi dito por Michael, eu recomendaria calcular a rugosidade da superfície do seu DEM usando o índice Rumple ou uma métrica similar. Você também pode executar a estimativa de rugosidade na própria nuvem de pontos, desde que os pontos de referência tenham sido classificados.
Você pode classificar o tipo de detrito em que está interessado apenas com base nos valores de rugosidade, mas também poderá comparar como a rugosidade do DEM e a nuvem de pontos se comparam. Isso pode ajudá-lo a verificar a validade do seu DEM, bem como a localização dos seus detritos lenhosos grossos.
Aqui está um link para um pacote que pode calcular o índice de rumple em R: https://rdrr.io/cran/lidR/man/rumple_index.html
E aqui está um programa python que faz algo semelhante, embora estatisticamente diferente: https://github.com/BodoBookhagen/PC_geomorph_roughness
EDITAR:
Para visualizar a rugosidade do seu DEM como uma camada raster, use a função gdal gdaldem para criar mapas de rugosidade e rugosidade do terreno.
fonte
las <- readLAS('a-4.las') chm = grid_canopy(las,0.1,p2r()) roughness = rumple_index(chm)
Você poderia me informar como altero um código para fazer um mapa de índice de rugosidade?