Název projektu
Klasifikace druhů dřevin s využitím hyperspektrálních dat získáných z bezpilotních leteckých prostředků
Kód
SP2021/35
Předmět výzkumu
Tradiční a nejstarší metodou zjišťování informací o lesních porostech je terénní průzkum. Ten je
sice velmi přesný, ale na druhou stranu je časově a finančně velmi náročný. Nástup dálkového
průzkumu Země přinesl revoluci v mapování lesa a výrazně zkrátil čas a náklady, potřebné pro
pořízení dat. Nejvhodnějším způsobem, jak monitorovat velké souvislé lesní plochy a identifikovat stromy, je využití bezpilotních prostředků neboli dronů. Běžně dostupné komerční družicové snímky totiž nedosahují potřebného prostorového rozlišení. Drony lze osadit potřebnými senzory, např. pro pořizování snímků s vysokým rozlišením v infračerveném pásmu (NIR), které je obzvláště citlivé k detekci zdravotního stavu vegetace, resp. změně chlorofylu v jehlicích či listech stromu (Dash et al.,2017). Pomocí UAV lze v případě potřeby flexibilně a rychle, s vysokým prostorovým a časovým rozlišením získat datové sady.
Cílem tohoto projektu je využit hyperspektrální data z UAV a zkoumat druhovou skladbu a zdravotní stav lesa. Hodnocení zdravotního stavu bude probíhat v souladu s metodikou Hodnocení zdravotního stavu lesních porostů v České republice pomocí satelitních snímků (Lukeš, 2018) ve třech ročních obdobích - jaro, léto, podzim. Jako klasifikátory budou využity následující tři metody, které byly vyhodnoceny z dostupné literatury jako nejvhodnější (Dalponte et al., 2013): 1)metoda support vector machine neboli metoda podpůrného učení 2) random forest 3) metoda maximální pravděpodobnosti. Podstata klasifikace bude spočívat v rozdělení naměřeného datového souboru do určitých tříd podle předem definovaného klasifikačního pravidla. Klasifikační pravidlo lze stanovit na základě příznaků, což jsou význačné a charakteristické změny radiometrické veličiny v závislosti na změně druhového či stavového parametru. Rozeznávají se čtyři typy příznaků, z nichž jsou nejvíce využívány příznaky spektrální, dále se rozlišují příznaky prostorové, časové a polarizační.
Součástí projektu bude i terénní mapování pomocí GPS, s přesným zaměřením stromů a určením druhového typu. Na řešení projektu se budou podílet studenti doktorského a navazujícího magisterského programu, kteří řeší obdobnou tématiku v rámci svých závěrečných prací.
Literatura:
Dalponte, M., Ørka, H., Gobakken,O. T., Gianelle, D., Næsset, E. Tree Species Classification in Boreal Forests With Hyperspectral Data, in IEEE Transactions on Geoscience and Remote Sensing, vol. 51, no. 5, pp. 2632-2645, May 2013, doi: 10.1109/TGRS.2012.2216272.
Dash, J.P., Watt, M.S., Pearse, G.D., Heaphy, M., Dungey, H.S. Assessing very high resolution UAV imagery for monitoring forest health during a simulated disease outbreak, ISPRS Journal of Photogrammetry and Remote Sensing, Volume 131, 2017, Pages 1-14, ISSN 0924-2716, https://doi.org/10.1016/j.isprsjprs.2017.07.007.
Lukeš, P., Strejček, R., Křístek, Š., Mlčoušek, M. (2018) Hodnocení zdravotního stavu lesních porostů v České republice pomocí satelitních dat Sentinel-2. Ústav výzkumu globální změny AV ČR.
Rok zahájení
2021
Rok ukončení
2021
Poskytovatel
Ministerstvo školství, mládeže a tělovýchovy
Kategorie
SGS
Typ
Specifický výzkum VŠB-TUO
Řešitel