J'ai exécuté le package Deep Learning Tree Detection sur notre photographie aérienne sans feuilles de 2022 pour produire une sortie d'environ 116 000 boîtes d'arbres dans ma zone d'étude. J'ai calculé la surface, la verdure moyenne, l'infrarouge moyen et l'intensité LiDAR moyenne pour chaque boîte de couronne d'arbre en utilisant des statistiques zonales sous forme de tableau. Après avoir fait quelques sélections de boîtes d'arbres conifères et inspecté des histogrammes, des nuages de points et des diagrammes en boîte, j'ai pu élaborer une requête pour sélectionner les conifères qui fonctionne assez bien :<\/P>
Surface <=1000 ET Intensité >=40 ET MeanIR >=84 <\/P>
Note : le vert provenant de l'imagerie à 3 bandes n'était pas utile en raison d'un grand nombre d'arbres à feuilles caduques presque blancs ayant des valeurs élevées de vert, donc l'IR provenant de l'imagerie 2021 a été utilisé.<\/P>
C'était un processus itératif d'essais et erreurs et je me demandais ce que je pourrais faire d'autre pour m'aider à trouver les chiffres magiques. Je peux probablement entraîner un nouveau modèle en utilisant un ensemble de boîtes d'arbres conifères soigneusement sélectionnées, mais pour l'instant je cherche des suggestions sur ce processus.<\/P>
Les boîtes vertes dans la vidéo jointe montrent tous les arbres, tandis que les boîtes jaunes montrées plus tard sont les conifères résultant de la requête.<\/P>
