Název:
Určení druhové skladby lesa z družicových dat
Překlad názvu:
Forest species determination from satellite data
Autoři:
Launer, Michal ; Kolář, Jan (vedoucí práce) ; Kupková, Lucie (oponent) ; Brodský, Lukáš (oponent) Typ dokumentu: Diplomové práce
Rok:
2017
Jazyk:
slo
Abstrakt: [eng][cze] Forest species determination from satellite data Abstract Examining the species composition of forests from satellite imagery is constantly evolving. The new ways of exploring forests from the satellites make it easier for foresters to maintain a more accurate and up-to-date overview of the state of forests. In this work, the research was made on the forests in the cadastral territories of Osvětimany and Buchlovice in the Chřiby Mountains in the Czech Republic. In this work, data from the Landsat-8 satellite from three seasons and the Maximum Likelihood Classification method were used. The reference maps were used as reference data. The method of work consists in the fact that 6 frames were classified with the help of training sets using Maximum Likehood Classification. Subsequently, the pixels which were at least 4 times out of 6 ranked in the same class after the classification were selected. Based on these pixels, artificial training sets were calculated for each of the 6 frames, and they were used for another classification with the expectation of better results. The accuracy of the individual classification frames was verified by an error matrix on the crop maps. Keywords: remote sensing, forest canopy, forest tree types, forestry mapUrčení druhové skladby lesa z družicových dat Abstrakt Skúmanie druhového zloženia lesov z družicových snímok sa neustále vyvíja. Nové spôsoby skúmania lesov z družíc uľahčujú lesníkom si udržiavať presnejší a aktuálny prehľad o stave lesov. V tejto práci výskum bol robený na lesoch v katastrálnych územiach Osvětimany a Buchlovice v pohorí Chřiby v Českej republike. V práci boli využité dáta zo satelitu Landsat-8 z troch ročných období a metóda Maximum Likelihood Classificasion. Ako referenčné dáta boli použité lesnícke porastové mapy. Metóda práce spočívala v klasifikácii 6 snímok pomocou trénovacích množín metódou Maximum Likehood Classification. Následne boli vybraté pixle, ktoré boli po klasifikácii aspoň 4-krát zo 6 zaradené do tej istej triedy. Na základe týchto pixlov boli vypočítané umelé trénovacie množiny pre každú zo 6 snímok, pomocou ktorých bola urobené ďalšia klasifikácia s očakávaním lepších výsledkov. Správnosť jednotlivých klasifikácií snímkov bola overená pomocou chybovej matice na porastových mapách. Kľúčové slová: dálkový průzkum, lesní porost, druhy lesa, lesnická hospodářská mapa
Klíčová slova:
druhy lesa; dálkový průzkum; lesnická hospodářská mapa; lesní porost; forest canopy; forest tree types; forestry map; remote sensing