หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

รถโหลดเดอร์

เป้าหมายของ chmloader คือการดาวน์โหลดข้อมูล Canopy Height Model (CHM) จากงานล่าสุดนี้โดย Tolan และคณะ (2024) สามารถดูบทสรุประดับสูงของงานนี้ได้ที่นี่ ข้อมูลจะถูกดาวน์โหลดจากพื้นที่จัดเก็บ AWS s3 - ดูรายละเอียดเพิ่มเติมเกี่ยวกับบัคเก็ตได้ที่นี่

การติดตั้ง

คุณสามารถติดตั้ง chmloader ได้ดังนี้: 

 # install.packages("pak")
pak :: pkg_install( " TESS-Laboratory/chmloader " )

ตัวอย่าง

นี่เป็นตัวอย่างพื้นฐานที่แสดงวิธีการดาวน์โหลดข้อมูลบางอย่าง ฟังก์ชัน download_chm ใช้ gdalwarp (ผ่าน sf::gdal_utils ) เพื่อดึงเฉพาะข้อมูลที่ต้องการจากหลายไทล์อย่างมีประสิทธิภาพ - ความละเอียดเริ่มต้นคือ 1 ม. แต่สามารถฉายซ้ำได้ตามต้องการโดยใช้อาร์กิวเมนต์ 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 " ))

แพคเกจนี้ยังมีฟังก์ชันง่ายๆ ในการสร้างแผนสำหรับการเปรียบเทียบ CHM ที่แตกต่างกัน จุดประสงค์ของฟังก์ชันนี้คือเพื่อให้การประเมิน Tolan และคณะทำได้ง่ายและมีประสิทธิภาพ (2024) ข้อมูล CHM พร้อมโมเดลที่ใช้ LiDAR และผลิตภัณฑ์ที่ได้จาก ML อื่นๆ แพ็คเกจ chmloader มาพร้อมกับชุดข้อมูลตัวอย่าง CHM ​​ที่ใช้ LiDAR ชุดเล็กๆ ซึ่งได้มาจากชุดข้อมูล Vegetation Object Model ของหน่วยงานสิ่งแวดล้อมอังกฤษ ด้านล่างคือตัวอย่างการใช้ชุดข้อมูลตัวอย่างชุดใดชุดหนึ่งจาก Fingle Woods, Devon, UK: 

 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!

หมายเหตุในตัวอย่างนี้ อาร์กิวเมนต์ aggregate จะใช้เพื่อลดความละเอียดของทั้งการอ้างอิงและ Meta/WRI CHM ลง 10 เท่า (ส่งผลให้เป็นโมเดล 10 ม.) และทดสอบทั้งโมเดลมาตราส่วนหยาบนี้เพิ่มเติมจากต้นฉบับ 1 ม. แบบอย่าง. ฟังก์ชันนี้อาจช่วยเผยให้เห็นว่าความละเอียดที่แท้จริงของ Meta/WRI CHM คืออะไร และเปรียบเทียบกับโมเดลที่ใช้ LiDAR ในทุกระดับได้อย่างไร

นอกจากนี้ อาร์กิวเมนต์ drop_zeros ยังใช้เพื่อลบค่าศูนย์ออกจากทั้งกราฟความหนาแน่น 2d และสถิติที่ได้รับ โดยที่ค่าจากข้อมูลอ้างอิง/เกณฑ์มาตรฐาน และ Meta/WRI CHM มีค่าเป็นศูนย์ทั้งคู่ สิ่งนี้มีประโยชน์อย่างยิ่งในกรณีที่ความสนใจหลักคือการประเมินทรงพุ่มของต้นไม้มากกว่าการไม่มีต้นไม้และ/หรือในกรณีที่ต้นไม้ปกคลุมกระจัดกระจาย อย่างไรก็ตาม ค่า drop_zeros เริ่มต้นคือ FALSE

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด