Klasifikace obrazových dat pro účely detekce stromů napadených lýkožroutem smrkovým

Bc. Hana Klápšťová

Diplomová práce

Classification of UAV-borne imagery for detection of bark beetle infestation

Anotace:

V současné době se lesní hospodářství potýká s velkou hrozbou, kteroupředstavuje přemnožení kalamitního škůdce lýkožrouta smrkového (Ips typographus). Tato práce se zabývá testováním metod pro detekci stromů napadených lýkožroutem smrkovým za využití obrázkových dat pořízených bezpilotním prostředkem a ověřením kvality použitých klasifikačních algoritmů, které rozlišují napadený, zdravý a mrtvý strom. Sledovaná lokalita byla zvolena v bezzásahovém území Krkonošského národního parku v oblasti Pece pod Sněžkou, kde neprobíhá zásah proti kůrovci a je zde možnost sledovat změny porostu v průběhu celého vývoje lýkožrouta smrkového. Celý proces pro objektově orientovanou analýzu obrazu lesního porostu se skládá ze segmentace a následné klasifikace na základě charakteristik jednotlivých segmentů. Pro tuto práci byla zvolena řízená klasifikace pomocí Nearest Neighbour (NN) a Classification Tree (Decision Tree) klasifikátoru. K hodnocení úspěšnosti a ke stanovení vlastností klasifikace slouží výpočet klasifikační chybové matice, která porovnává vztah mezi validačními daty a výsledky klasifikace. Výsledky práce ukázaly, že tato klasifikace je možná na základě obou zvolených algoritmů. Nejlepší variantou pro obě klasifikace je kombinace dat z prvního a posledního náletu, kdy při NN algoritmu jsou výsledky pro celkovou přesnost 85,7 %, Producer’s a User’s Accuracy napadených stromů 80 % a koeficient Cohen’s Kappa 0,74. Při použití Desicion Tree algoritmu pro kombinaci dat z prvního a posledního náletu jsou výsledky pro celkovou přesnost 72,2 %, Producer’s Accuracy 53 % a User’s Accuracy 40 % pro napadené stromy. Koeficient Cohen’s Kappa je v tomto případě 0,52. V současnosti lze tuto práci využít ke sledování změn zdravotního stavu jednotlivých stromů i celých porostů a může sloužit jako metodika pro použití softwaru eCognition Developer ke klasifikaci napadených stromů s využitím dat z UAV.

Abstract:

Forestry is currently faced with a great threat posed by the overpopulation of themass pest species bark beetle (Ips typographus). This thesis focuses on testing different methods of detecting trees invaded by the bark beetle though the use of imagery from an unmanned aerial vehicle (UAV) and through validating the quality of the classification algorithms which distinguish among invaded, healthy, and dead trees. The monitored locality was chosen in a non-intervention territory of the Krkonoše Mountains National Park, in the Pec pod Sněžkou area, where the zero intervention against the bark beetle enables the monitoring of the forest cover changes throughout the entire development cycle of the bark beetle. For an object-oriented analysis of the forest cover image, the whole process consists of segmentation and subsequent classification based on the characteristics of individual segments. For this thesis we have chosen a controlled classification using the Nearest Neighbour (NN) and Classification Tree (Decision Tree)classifiers. For success rate assessment and for the classification features selection we used the calculation of a classifying error matrix, which compares the relation between the validation data and the classification results. The results of this work show that this classification is possible on the basis of both selected algorithms. The best option for both classifications is the combination of the first and the last UAV data, in which the overall accuracy result for the NN algorithm is 85,7 %, the Producer’s and User’s Accuracy of the invaded trees is 80 %, and the Cohen’s Kappa coefficient is 0,74. For the Decision Tree algorithm, when combining the first and the last UAV data, the overall accuracy result is 72,2 %, for Producer’s Accuracy 53 % and for User’s Accuracy 40 % for the invaded trees. The Cohen’s Kappa coefficient is in this case 0,52. This thesis can currently be used for the monitoring of changes in the health condition of individual trees as well as entire forest covers, and can serve as a methodology for the use of the eCognition Developer software in the classification of invaded trees by means of UAV.

Klíčová slova

analýza obrazu, kůrovec, multispektrální data, UAV

Keywords

bark beetle, image analysis, multispectral data, UAV

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 18. 4. 2019

Obhajoba závěrečné práce

• Vedoucí: Ing. Jan Komárek, Ph.D.
• Oponent: Jan Kropáček, Ph.D.

Česká zemědělská univerzita v Praze

Fakulta životního prostředí

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