Ik ben van plan om te werken met een LiDAR-dataset voor West-NC (werk nu aan slechts een subset om te leren) om een analyse van het rivieroeverbos te voltooien en ik probeer dit te doen op een zeer fijne resolutie. Het gebruik van LiDAR om kenmerken van de vegetatie te verkrijgen is iets waarmee ik vertrouwd ben, maar het probleem met rivieroevervegetatie is het weten waar de daadwerkelijke oeverwallen zijn. Alle bestaande datasets voor stroomlijn (polyline) en stroomgebied (polygonen) zijn vrij onnauwkeurig, soms meer dan 100 meter verwijderd van waar de stroom echt is. Dit komt waarschijnlijk door antropogene veranderingen in het netwerk, maar desalniettemin leveren deze datasets geen nauwkeurige beoordeling van de rivieroevervegetatie op. Dus probeer ik LiDAR-gegevens van recente jaren te gebruiken om te bepalen waar de oeverwallen zijn. Dit is gemakkelijk genoeg op kleine schaal, maar ik zit vast bij het proberen dit op landschapschaal te doen. Ik denk dat de oplossing misschien een soort machine learning kan zijn, maar ik ben er erg onbekend mee hoe dat zou werken.<\/P>
Tot nu toe heb ik geprobeerd een fijnmazig DEM te gebruiken om het stroomnetwerk opnieuw te creëren, maar dit heeft nog steeds enkele vrij duidelijke onnauwkeurigheden en identificeert alleen de stroomlijn in plaats van de oeverwallen. Ik ben bekend met tools zoals de River Bathymetry Tools, maar ik heb niets kunnen vinden om de locatie van oeverwallen op landschapschaal te bepalen. <\/P>
Heeft iemand advies? <\/P>
