Ich habe das Tree Detection Deep Learning-Paket auf unsere Luftaufnahmen ohne Laub von 2022 angewendet, um eine Ausgabe von etwa 116.000 Baumkästen in meinem Untersuchungsgebiet zu erzeugen. Ich habe Fläche, mittlere Grünwerte, mittlere Infrarotwerte und mittlere LiDAR-Intensität für jeden Baumkronenkasten mit zonalen Statistiken als Tabelle berechnet. Nach der Auswahl einiger immergrüner Baumkästen und der Inspektion von Histogrammen, Streudiagrammen und Boxplots konnte ich eine Abfrage erstellen, die immergrüne Bäume ziemlich gut auswählt:<\/P>
Fläche <=1000 UND Intensität >=40 UND MittelIR >=84 <\/P>
Hinweis: Grün aus den 3-Band-Bildern war nicht nützlich, da viele fast weiße laubabwerfende Bäume hohe Grünwerte hatten, daher wurde IR aus den Bildern von 2021 verwendet.<\/P>
Dies war ein iterativer Trial-and-Error-Prozess und ich fragte mich, was ich sonst noch tun könnte, um zu den magischen Zahlen zu gelangen. Wahrscheinlich kann ich ein neues Modell mit einer sorgfältig ausgewählten Menge immergrüner Baumkästen trainieren, aber vorerst suche ich Vorschläge zu diesem Prozess.<\/P>
Die grünen Kästen im angehängten Video zeigen alle Bäume, während die später gezeigten gelben Kästen die immergrünen Bäume sind, die aus der Abfrage resultieren.<\/P>
