Klasifikace lesních porostů pomocí multispektrálních dat velmi vysokého rozlišení pořízených družicí WorldView-2 v Doupovských horách

Bc. Jan Procházka

Diplomová práce

Tree species classification using multispectral data acquired by the WorldView-2 satellite in Doupovské hory

Anotace:

Diplomová práce se zabývá objektově orientovanou klasifikací multispektrálních snímků pořízených družicí WorldView-2 v oblasti Doupovských hor. Cílem práce bylo klasifikovat lesní porosty v území Doupovských hor. Dílčím cílem bylo zhodnocení vhodnosti snímků z družice WorldView-2 k druhové klasifikaci porostů, vliv pansharpeningu na přesnost klasifikace a vliv výškových informací na přesnost klasifikace. V první části práce byly shrnuty základní teoretické poznatky o dálkovém průzkumu Země, o samotné družici WorldView-2 a o klasifikaci obrazu a jejích typech. Dále byl v literární rešerši shrnut vývoj a současný stav problematiky klasifikace porostů na základě analýzy vědeckých studií. Praktická část práce obsahuje metodické informace o řízené objektově orientované klasifikaci snímku v programu ENVI pomocí algoritmu Support Vector Machine. Lesní porosty byly klasifikovány do 11 tříd. Klasifikace proběhla celkem třikrát, poprvé nad multispektrálním snímkem, podruhé nad zaostřeným snímkem za pomoci pansharpeningu a potřetí za pomoci fúze multispektrálního snímku a výškových dat. Ke klasifikaci byla použita trénovací a validační data, která pocházela z lesního hospodářského plánu a z terénního měření. Nejpřesnější klasifikace byla dosažena u samotného multispektrálního snímku, kde celková přesnost dosáhla 64,77 %. Vzhledem k heterogennímu území o rozloze 100 km2 je dosažená přesnost poměrně dobrým výsledkem. Druhý nejlepší výsledek dosáhla klasifikace s přidanou výškovou informací, a to 49,29 %. Předpoklad zlepšení přesnosti při doplnění výškové informace se zde nenaplnil. Nejhůře dopadla klasifikace snímku prošlého metodou pansharpening, při které bylo dosaženo výsledné přesnosti 23,62 %. Zde se také nenaplnil předpoklad alespoň podobné hodnoty přesnosti, jako u původního multispektrálního snímku. Na základě výsledků lze konstatovat, že data z družice WorldView-2 jsou sama o sobě použitelná pro klasifikaci lesních porostů na rozsáhlých územích, ale nelze potvrdit přínosy výškové informace a pansharpeningu pro zpřesnění klasifikace.

Abstract:

The master thesis deals with the object-oriented classification of multispectral images taken by the WorldView-2 satellite in Doupovské hory. The aim of the work was to classify forest stands in the Doupovské hory The partial goal was to evaluate the suitability of images from the WorldView-2 satellite for the species classification of the forest, the influence of pansharpening on the accuracy of the classification and the influence of elevation data on the accuracy of classification. The first part of the thesis summarizes the basic theoretical knowledge about Remote Sensing, the WorldView 2 satellite itself and the classification of image and its types in general. Furthermore, the literature review summarizes the development and current status of the classification of vegetation based on the analysis of scientific studies. The practical part of the work contains methodological information about the supervisd object-oriented image classification in the ENVI program using the Support Vector Machine algorithm. Forest stands were classified into 11 classes. The classification was performed a total of three times, the first time over a multispectral image, the second time over sharpened image using pansharpening, and the third time using a fusion of a multispectral image and elevation data. Training and validation data from the forest management plan and field measurements were used for classification. The most accurate classification was achieved for the multispectral image itself, where the overall accuracy reached 64.77 %. Due to the heterogeneous area of 100 km2, the achieved accuracy is a relatively good result. The second best result was achieved by the classification with added height information, namely 49.29 %. The assumption of improving accuracy when supplementing elevation information has not been fulfilled in this case. The classification of the pansharpening image provided the worst results from those three datasets with the overall accuracy of 23.62%. The assumption of at least a similar classification accuracy as in the original multispectral image was not fulfilled. Based on the results, it can be stated that the data from the WorldView-2 satellite are usable for the classification of forest stands in large areas, but it was not proven in the thesis that combining elevation information with multispectral data or performing pansharpening on multispectral data offers improvement in overall classification accuracy.

Klíčová slova

objektová klasifikace, lesní porosty, WorldView-2, Doupovské hory

Keywords

object-based classification, forest stands, WorldView-2, Doupovské hory

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 30. 3. 2021

Obhajoba závěrečné práce

• Vedoucí: Ing. Tomáš Klouček, Ph.D.
• Oponent: Dominika Prajzlerová

Česká zemědělská univerzita v Praze

Fakulta životního prostředí

Magisterský studijní program / obor:
Zemědělská specializace / Krajinné a pozemkové úpravy