Modelování výšky lesa z kombinace družicových dat GEDI a Sentinel

Bc. Eliška Šárovcová

Master's thesis

Modeling of forest canopy height using integration of GEDI and Sentinel satellite data

Abstract:

Tato práce se zabývá tvorbou modelu pro extrapolaci výšky vegetace naměřenou satelitem GEDI na základě radarových a multispektrálních dat pořízených družicemi Sentinel-1, respektive Sentinel-2. Zájmovou oblastí jsou tři pohoří táhnoucí se po obvodu České republiky – Šumava, německá strana Krušných hor a česká a polská strana Krkonoš. Pro trénování modelu byla použita data výšky vegetace v podobě datového produktu GEDI – L2A verze 002. Jako vysvětlující proměnné byla použita data Sentinel stažená přes platformu Google Earth Engine. V práci bylo s daty Sentinel nakládáno v podobě buněk 100x100 metrů. Pokud do jedné buňky spadalo více měření GEDI, byla v rámci ní tato měření zprůměrována. Mimo základních spektrálních pásem jako NIR, SWIR, RGB a Red edge byly také vypočítány vegetační indexy NDVI, NDMI a EVI a jako další potenciální vysvětlující proměnné byla brána radarová měření (VV a VH). Modely byly trénovány na 70 % dat (52 544 měření) a ve vybraném nejlepším modelu byly vysvětlujícími proměnnými Red edge, NDMI, směrodatná odchylka z letního měření VV, letní medián měření VV a EVI. Tento model celkem vysvětlil 52 % variability a následně jím byly predikovány hodnoty pro zbylou (testovací) část dat, výsledná validace byla provedena pomocí Pearsonova korelačního koeficientu (0,7) a metrik chyb RMSE (7,60 m), ME (-0,06 m) a jejich relativních alternativ %RMSE (40,66 %) a %ME (-0,33 %.). RMSE dosažená v této práci je oproti jiným obdobným pracím přibližně jednou tak vysoká, ME je naopak významně nižší. Může to být dáno různým prostředím v jednotlivých zájmových územích, nezanesením informace o topografii a typu vegetace do modelu, měřítkem či zvolenou vysvětlovanou proměnnou (kvantil 98 % výšky vegetace). Je na dalším výzkumu, aby bylo objasněno, proč zde vznikly chyby tak odlišné od srovnatelných studií.

Abstract:

This thesis deals with the validation of the model for extrapolation of the canopy height measured by the GEDI satellite based on radar and multispectral data acquired by satellites Sentinel-1 and Sentinel-2, respectively. The study area consists of three mountainous regions around the borders of the Czech republic – Bohemian Forest, the German side of the Ore Mountains, and both Czech and Polish sides of the Giant Mountains. For the training of the model data of the GEDI data product L2A version 002 were used. Sentinel data were processed in a resolution of 100x100 meters. In case of multiple GEDI measurements in one grid cell, the value was calculated by the average of those values. Besides basic main spectral bands such as NIR, SWIR, RGB, and Red edge several vegetation indices were calculated such as NDVI, NDMI, and EVI. Radar measurements (VV and VH) were considered as potential explanatory variables as well. The models were trained with 70 % of the data (i.e. 52 544 measurements) and in the best-fitted model Red edge, NDMI, a standard deviation of summer VV measurements, a median of the summer VH measurements, and EVI were its explanatory variables. The chosen model explained 52 % of the variability and then it was used to predict values for the testing part of the dataset. Final validation was performed with Pearson correlation coefficient (0,7) and standard error metrics as RMSE (7,60 m), ME (-0,06 m), and their alternatives %RMSE (40,66%) and %ME (-0,33%). The value of RMSE achieved in this thesis is approximately twice as big as in similarly focused papers, ME is on the contrary significantly smaller. It may have been caused by the variable environment in individual regions of interest, by not including topography and type of vegetation in the model, scale, or chosen explained variable (98 % quantile of canopy height). It is on the subsequent works to explain why these errors were so distant from the values in compared studies.

Keywords

Boosted Regression Trees, LiDAR, Multispektrální snímání, Vegetační indexy

Keywords

Vegetation indices, LiDAR, Multispectral imaging, Boosted Regression Trees

Language used: Czech

Date on which the thesis was submitted / produced: 30. 3. 2022

Thesis defence

• Supervisor: Ing. Jiří Prošek

Czech University of Life Sciences Prague

Faculty of Environmental Sciences

Master programme / field:
Engineering Ecology / Nature Conservation