|
|
Vztah biochemických a fyziologických parametrů listu vybraných druhů trav k jejich kompetiční roli v reliktní krkonošské tundře.
Mamula, Petr Martin ; Lhotáková, Zuzana (vedoucí práce) ; Tylová, Edita (oponent)
Krkonošská arkto-alpinská tundra je oblast, která je součástí Krkonošského národního parku, s unikátním ekosystémem a biodiverzitou. Tato oblast byla v historii velmi zásadně ovlivněná zásahem člověka, který zde hospodařil a zapříčinil se tak o vznik dnes vzácného ekosystému smilkových (Nardus stricta L.) luk. Na těchto smilkových loukách roste díky nízkému vzrůstu a řídkému olistění smilky mnoho dalších rostlinných druhů, které jsou mnohdy endemičtí a chránění. Smilka (N. stricta) je ovšem v posledních letech přerůstána jinými trávami, jako je například třtina chloupkatá (Calamagrostis villosa J. F. Gmelin), která svým vyšším vzrůstem a těsným zápojem zakrývajícím povrch neumožňuje růst vzácným druhům jako smilka. Cílem této práce proto bylo u smilky (N. stricta) a dalších tří vybraných druhů trav - metlice trsnatá (Deschampsia cespitosa (L.) P. Beauv.), bezkolenec modrý (Molinia caerulea (L.) Moench) a třtina chloupkatá (C. villosa), identifikovat na základě biochemických, strukturálních a fyziologických parametrů listoví parametr nebo kombinaci parametrů, které by mohly dávat konkurenčním travinám smilky kompetiční výhodu. Terénní výzkum a odběr vzorků listoví, pro následné laboratorní zpracování, probíhal v okolí Luční boudy v Krkonošské arkto-alpinské tundře v červnu, červenci a srpnu 2020 a...
|
|
|
Mapování vegetace krkonošské tundry z multitemporálních LiDARových dat
Šrollerů, Alex ; Potůčková, Markéta (vedoucí práce) ; Lysák, Jakub (oponent)
Práce se zabývá parametry vertikální struktury vegetace odvozenými z UAV LiDARových dat a jejich využitím k multitemporální klasifikaci vybraných druhů arkto-alpinské tundry Krkonoš. Na základě rešerše literatury se zaměřením na nízké a keřovité porosty jsou vytipovány strukturní parametry. Jejich vhodnost k rozlišení tundrovité vegetace je hodnocena algoritmem Random Forest a metodou určení důležitosti prediktorů pomocí permutace out-of bag pozorování, vynecháním prediktoru a individuální výkonností prediktoru. Následně je provedena fúze s multispektrálními daty a určen vliv LiDAR odvozených strukturních parametrů na zpřesnění výsledků klasifikace. Zkoumány jsou také strukturní parametry vegetace odvozené z digitálního modelu povrchu získaného obrazovou korelací multispektrálních dat. Pro odlišení vegetačních tříd byl jako nejvhodnější určen parametr maximální výšky, následován minimální výškou, relativním poměrem povrchu vegetace a koeficientem variace, které dosáhly celkové klasifikační přesnosti 67,3 % pro Bílou louku a 62,3 % pro Úpské rašeliniště. Fúze s multispektrálními daty vedla k zpřesnění klasifikace do 2 %. V případě struktury vegetace odvozené z digitálního modelu povrchu bylo dosaženo stejného výsledku s výjimkou vyšších porostů. LiDARová data se neukázala jako přínosná k odlišení...
|
host ::
RSS.