|
|
Monitoring rozšiřování plantáží palmy olejné v Nikaragui pomocí metod dálkového průzkumu Země
Mezihoráková, Tereza
První částí této bakalářské práce je literární rešerše, která pojednává o rozšiřování plantáží palmy olejné v prostředí Střední Ameriky a také o dálkovém průzkumu Země a monitorování lesních a zemědělských ploch pomocí jeho metod. Praktická část se zabývá monitoringem plantáží palmy olejné mezi lety 2017 a 2022 pomocí družicových dat. Analyzovaným územím byl region Kukra Hill nacházející se ve státě Nikaragua. K analýze byly využity multispektrální snímky PlanetScope. Nejprve byly vypočteny vegetační indexy, vyhotoveny klasifikace, zjištěny plochy plantáží v daných letech a vyhotoveno jejich porovnání. V roce 2017 plocha plantáží palmy olejné v rámci zájmového území činila 4 109 ha, avšak z této plochy do roku 2022 zaniklo 445 ha, tudíž z roku 2017 se do roku 2022 zachovalo 3 664 ha. V roce 2022 plocha plantáží činila již 8 512 ha, z čehož vyplývá, že rozloha plantáží palmy olejné vzrostla mezi danými lety o 4 848 ha. Použitá metodika je využitelná i v jiných oblastech s podobnými geografickými podmínkami, kde dochází k rozšiřování plantáží palmy olejné a přispěje tak k lepšímu monitoringu studovaného jevu.
|
|
|
Potential of the sentinel-2 red edge spectral bands for estimation of eco-physiological plant parameters
Malenovský, Zbyněk ; Homolová, Lucie ; Janoutová, Růžena ; Landier, L. ; Gastelluetchegorry, J-P. ; Bertholt, B. ; Huck, A.
In this study we investigated importance of the spaceborne instrument Sentinel-2 red edge spectral bands and reconstructed red edge position (REP) for retrieval of the three eco-physiological plant parameters, leaf and canopy chlorophyll content and leaf area index (LAI), in case of maize agricultural fields and beech and spruce forest stands. Sentinel-2 spectral bands and REP of the investigated vegetation canopies were simulated in the Discrete Anisotropic Radiative Transfer (DART) model. Their potential for estimation of the plant parameters was assessed through training support vector regressions (SVR) and examining their P-vector matrices indicatingsignificance of each input. The trained SVR were then applied on Sentinel-2 simulated images and the acquired\nestimates were cross-compared with results from high spatial resolution airborne retrievals. Results showed that contribution of REP was significant for canopy chlorophyll content, but less significant for leaf chlorophyll content and insignificant for leaf area index estimations. However, the red edge spectral bands contributed strongly to the retrievals of all parameters, especially canopy and leaf chlorophyll content. Application of SVR on Sentinel-2 simulated images demonstrated, in general, an overestimation of leaf chlorophyll content and an underestimation of LAI when compared to the reciprocal airborne estimates. In the follow-up investigation, we will apply the trained SVR algorithms on real Sentinel-2 multispectral images acquired during vegetation seasons 2015 and 2016.
|
host ::
RSS.