El objetivo de chmloader es descargar los datos del modelo de altura del dosel (CHM) de este trabajo reciente de Tolan et al. (2024). Puede encontrar un resumen de alto nivel de este trabajo aquí. Los datos se descargan del almacenamiento AWS s3; puede encontrar más detalles sobre el depósito aquí
Puedes instalar chmloader así:
# install.packages("pak")
pak :: pkg_install( " TESS-Laboratory/chmloader " ) Este es un ejemplo básico que muestra cómo descargar algunos datos. La función download_chm usa gdalwarp (a través de sf::gdal_utils ) para recuperar de manera eficiente solo los datos requeridos de múltiples mosaicos; la resolución predeterminada es 1 m, pero esto se puede reproyectar según sea necesario usando el argumento res .
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 " ))Este paquete también proporciona una función sencilla para crear gráficos para comparar diferentes CHM. La intención de esta función es permitir una evaluación simple y sólida de Tolan et al. (2024) Datos CHM con modelos basados en LiDAR y otros productos derivados de ML. El paquete chmloader viene con un pequeño conjunto de conjuntos de datos de ejemplo CHM basados en LiDAR, derivados del conjunto de datos del Modelo de Objetos de Vegetación de la Agencia Inglesa de Medio Ambiente. A continuación se muestra un ejemplo que utiliza uno de estos conjuntos de datos de ejemplo de Fingle Woods, Devon, Reino Unido:
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! Tenga en cuenta que en este ejemplo, el argumento aggregate se utiliza para reducir la resolución tanto de la referencia como de Meta/WRI CHM en un factor de 10 (lo que da como resultado un modelo de 10 m) y probar este modelo de escala más gruesa además del modelo original de 1 m. modelo. Esta funcionalidad puede ayudar a revelar cuál es la verdadera resolución del Meta/WRI CHM y cómo se compara con el modelo basado en LiDAR en todas las escalas.
Además, el argumento drop_zeros se utiliza para eliminar valores cero tanto del gráfico de densidad 2D como de las estadísticas derivadas, donde los valores de los datos de referencia/punto de referencia y Meta/WRI CHM son ambos cero. Esto es particularmente útil cuando el interés principal es evaluar la copa de los árboles en lugar de la ausencia de ellos y/o cuando la cubierta arbórea es escasa; sin embargo, el valor predeterminado drop_zeros es FALSE .
