r - 使用 chm 进行单个树检测的相同 CRS(x, y) 在 R 中不是 TRUE 错误

Question

我有一个尺寸为 250*250 m^2 区域（森林区域）的 LiDAR 点云数据。我需要使用该数据分离出单个树。

我使用 LASTools 创建了树冠高度模型 (CHM)，并将该 CHM 用于树的描绘。我附上了那个chm 文件（这个光栅会给出高度信息）

我尝试使用rLiDARR 中可用的包。

我这样编码

library(rLiDAR)
schm <- CHMsmoothing(chm, "mean", 5)

# Setting the fws:
fws <- 5 # dimention 5x5

# Setting the specified height above ground for detectionbreak
minht <- 8.0

# Getting the individual tree detection list 
treeList <- FindTreesCHM(schm, fws, minht)

但它给出了一个错误

错误：相同CRS(x, y) 不是 TRUE

我该如何克服呢？

Answer 1

在 functionFindTreesCHM中，在第 17-18 行，我们发现：

XYmax <- SpatialPoints(xyFromCell(setNull, Which(setNull == 
    1, cells = TRUE)))

这会创建一个SpatialPoints. 问题是对象没有投影集：

projection(XYmax)
# [1] NA

然后，第 19 行

htExtract <- over(XYmax, as(chm, "SpatialGridDataFrame"))

抛出错误，因为XYmax没有投影集，而chm有：

projection(chm)
# [1] "+proj=utm +zone=11 +datum=WGS84 +units=m +no_defs +ellps=WGS84 +towgs84=0,0,0"

作为函数over首先检查对象的投影，我们得到错误：

identicalCRS(XYmax, as(chm, "SpatialGridDataFrame"))
# [1] FALSE

一种解决方法是编写自己的函数，添加一条将 的投影设置XYmax为 的投影的行chm。

此外，由于第 21 行，第 22 行引发了错误。

这个功能可以很容易地修复，但我强烈建议联系包的维护者（maintainer("rLiDAR")）。

---

这是一种可能的解决方法：

library(rLiDAR)
library(raster)

FindTreesCHM.fix <- function(chm, fws = 5, minht = 1.37) 
{
    if (class(chm)[1] != "RasterLayer") {
        chm <- raster(chm)
    }
    if (class(fws) != "numeric") {
        stop("The fws parameter is invalid. It is not a numeric input")
    }
    if (class(minht) != "numeric") {
        stop("The minht parameter is invalid. It is not a numeric input")
    }
    w <- matrix(c(rep(1, fws * fws)), nrow = fws, ncol = fws)
    chm[chm < minht] <- NA
    f <- function(chm) max(chm)
    rlocalmax <- focal(chm, fun = f, w = w, pad = TRUE, padValue = NA)
    setNull <- chm == rlocalmax
    XYmax <- SpatialPoints(xyFromCell(setNull, Which(setNull == 
        1, cells = TRUE)))
    projection(XYmax) <- projection(chm)
    htExtract <- over(XYmax, as(chm, "SpatialGridDataFrame"))
    treeList <- cbind(slot(XYmax, "coords"), htExtract)
    colnames(treeList) <- c("x", "y", "height")
    return(treeList)
}


chm <- raster("dem_test.tif")
schm <- CHMsmoothing(chm, "mean", 5)
fws <- 5
minht <- 8.0
treeList <- FindTreesCHM.fix(schm, fws, minht)

#           x       y  height
# 1  256886.5 4110940 14.1200
# 2  256805.5 4110884 13.8384
# 3  256756.5 4110880 15.2004
# 4  256735.5 4110874 17.6100
# 5  256747.5 4110840 18.2592
# 6  256755.5 4110828 19.9252
# 7  256777.5 4110806 12.7180
# 8  256780.5 4110802 14.6512
# 9  256780.5 4110792 15.8532
# 10 256763.5 4110786 18.7128
# 11 256766.5 4110764 14.4972