O objetivo do chmloader é baixar os dados do Canopy Height Model (CHM) deste trabalho recente de Tolan et al. (2024). Um resumo de alto nível deste trabalho pode ser encontrado aqui. Os dados são baixados do armazenamento AWS s3 – mais detalhes sobre o bucket podem ser encontrados aqui
Você pode instalar o chmloader assim:
# install.packages("pak")
pak :: pkg_install( " TESS-Laboratory/chmloader " ) Este é um exemplo básico que mostra como baixar alguns dados. A função download_chm usa gdalwarp (via sf::gdal_utils ) para recuperar com eficiência apenas os dados necessários de vários blocos - a resolução padrão é 1 m, mas isso pode ser reprojetado conforme necessário usando o 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 pacote também fornece uma função simples para criar gráficos para comparar diferentes CHMs. A intenção desta função é permitir uma avaliação simples e robusta do Tolan et al. (2024) Dados CHM com modelos baseados em LiDAR e outros produtos derivados de ML. O pacote chmloader vem com um pequeno conjunto de conjuntos de dados de exemplo CHM baseados em LiDAR, derivados do conjunto de dados Vegetation Object Model da Agência Ambiental Inglesa. Abaixo está um exemplo usando um desses conjuntos de dados de exemplo 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! Observe neste exemplo que o argumento aggregate é usado para reduzir a resolução da referência e do Meta/WRI CHM por um fator de 10 (resultando em um modelo de 10 m) e testar este modelo em escala mais grosseira, além do modelo original de 1 m. modelo. Esta funcionalidade pode ajudar a revelar qual é a verdadeira resolução do Meta/WRI CHM e como ela se compara ao modelo baseado em LiDAR em todas as escalas.
Além disso, o argumento drop_zeros é usado para remover valores zero do gráfico de densidade 2d e das estatísticas derivadas, onde os valores dos dados de referência/benchmark e do Meta/WRI CHM são ambos zero. Isto é particularmente útil quando o principal interesse é avaliar a copa das árvores e não a ausência de árvores e/ou onde a cobertura arbórea é escassa; entretanto, o valor padrão drop_zeros é FALSE .
