Das Ziel von chmloader ist es, die Daten des Canopy Height Model (CHM) aus dieser aktuellen Arbeit von Tolan et al. herunterzuladen. (2024). Eine allgemeine Zusammenfassung dieser Arbeit finden Sie hier. Die Daten werden aus dem AWS s3-Speicher heruntergeladen – weitere Details zum Bucket finden Sie hier
Sie können chmloader folgendermaßen installieren:
# install.packages("pak")
pak :: pkg_install( " TESS-Laboratory/chmloader " ) Dies ist ein einfaches Beispiel, das Ihnen zeigt, wie Sie einige Daten herunterladen. Die Funktion download_chm verwendet gdalwarp (über sf::gdal_utils ), um effizient nur die erforderlichen Daten aus mehreren Kacheln abzurufen – die Standardauflösung beträgt 1 m, diese kann jedoch bei Bedarf mit dem Argument res neu projiziert werden.
library( chmloader )
parana_cuiana <- sf :: st_point(c( - 61.89 , - 4.12 )) | >
sf :: st_sfc( crs = 4326 ) | >
sf :: st_buffer( 3000 )
pc_chm <- download_chm(
parana_cuiana ,
filename = tempfile( fileext = " .tif " )
)
terra :: plot( pc_chm , col = hcl.colors( 256 , " viridis " ))Dieses Paket bietet außerdem eine einfache Funktion zum Erstellen von Diagrammen zum Vergleich verschiedener CHMs. Ziel dieser Funktion ist es, eine einfache und robuste Auswertung des Tolan et al. (2024) CHM-Daten mit LiDAR-basierten Modellen und anderen ML-abgeleiteten Produkten. Das chmloader-Paket enthält einen kleinen Satz LiDAR-basierter CHM-Beispieldatensätze, die aus dem Datensatz „Vegetation Object Model“ der englischen Umweltbehörde abgeleitet wurden. Nachfolgend finden Sie ein Beispiel mit einem dieser Beispieldatensätze aus Fingle Woods, Devon, Großbritannien:
fingle_woods <- reference_data( " fingle_woods " )
compare_models( fingle_woods , aggregate = 10 , drop_zeros = TRUE )
# > ℹ meta/WRI CHM not provided, downloading now...
# > ✔ CHM downloaded successfully! Beachten Sie, dass in diesem Beispiel das aggregate verwendet wird, um die Auflösung sowohl des Referenz- als auch des Meta/WRI-CHM um den Faktor 10 zu reduzieren (was zu einem 10-m-Modell führt) und um dieses gröbere Modell zusätzlich zum ursprünglichen 1-m-Modell zu testen Modell. Diese Funktionalität kann dabei helfen, die wahre Auflösung des Meta/WRI CHM aufzudecken und wie sie im Vergleich zum LiDAR-basierten Modell über alle Maßstäbe hinweg abschneidet.
Außerdem wird das Argument drop_zeros verwendet, um Nullwerte sowohl aus dem 2D-Dichtediagramm als auch aus den abgeleiteten Statistiken zu entfernen, wobei die Werte aus den Referenz-/Benchmarkdaten und dem Meta/WRI-CHM beide Null sind. Dies ist besonders nützlich, wenn das Hauptinteresse darin besteht, die Baumkronen und nicht das Fehlen von Bäumen zu beurteilen, und/oder wenn die Baumbedeckung spärlich ist. Der Standardwert für drop_zeros ist jedoch FALSE .
