Klasifikace druhů hlavních hospodářských dřevin pomocí moderních materiálů DPZ

Bc. Júlia Matejčíková

Diplomová práce

Classification of main production species using modern remote sensed data

Abstract:

The diploma thesis investigates automatic classification of main production species, mainly spruce and beech in the forest sections Bohumile (LU4) and Skalice (LU7), which fall under the School Forest Enterprise, Kostelec nad Černými Lesy. In April 2019, laser and photogrammetric images were obtained using the aerial method used in the classifications. eCognition 9.5 developer software is commonly used for automatic classification. Classification consists of two steps, image segmentation and the classification itself. Different algorithms are used in the classification process, but only the classification itself uses the Random Forest algorithm. It was found that the overall automatic classification on both images together requires lower accuracy, from 33% to 57% depending on the ratio of validation and training samples. The accuracy on individual sections was a bit higher. The presence in the Bohumile forestry section ranged from 28% to 71% and in the Skalica forestry section from 58% to 60%. A ratio of 1: 2 has been shown to be the best ratio for the distribution of validation and training patterns, but further measurements are needed, and a higher number of validations and training samples will play an important role.

Abstract:

Diplomová práca sa zaoberá automatickou klasifikáciou pomocou hlavných hospodárskych drevín, a to hlavne smreka a buka na lesníckych úsekoch Bohumile (LU4) a Skalice (LU7), ktoré spadajú pod Školský lesný podniky, Kostelec nad Černými Lesy. V apríli roku 2019 boli získané laserové a fotogrametrické snímky pomocou leteckej metódy, ktoré sa používajú pri klasifikácií. Pri automatickej klasifikácií je využívaný softvér eCognition 9.5 developer. Klasifikácia pozostáva z dvoch krokov, segmentácie obrazu a samotnej klasifikácie. Pri procese klasifikácie sú využité rôzne algoritmy, avšak na samotnú klasifikáciu je využitý algoritmus Random Forest. Zistilo sa, že celková automatická klasifikácia na oboch snímkach spolu vykazuje nižšiu presnosť a to od 33% do 57% v závislosti na pomere validačných a tréningových vzoriek. Presnosť na jednotlivých úsekoch bola o trochu vyššia. Na lesníckom úseku Bohumile sa presnosť pohybovala od 28% do 71% a na lesníckom úseku Skalica od 58% do 60%. Ako najlepší pomer rozdelenia validačných a tréningových vzoriek sa preukázal pomer 1:2, avšak sú nutné ďalšie merania a pri ktorých bude zohrávať dôležitú úlohu vyšší počet validačných a tréningových vzoriek.

Keywords

Remote Sensing, tree species classification, eCognition 9.5, Random Forest

Klíčová slova

klasifikácia druhov drevín, eCognition 9.5, diaľkový prieskum Zeme, Random Forest

Jazyk práce: slovenština

Datum vytvoření / odevzdání či podání práce: 20. 4. 2021

Obhajoba závěrečné práce

• Vedoucí: doc. Ing. Peter Surový, PhD.

Česká zemědělská univerzita v Praze

Fakulta lesnická a dřevařská

Magisterský studijní program / obor:
Lesní inženýrství / Lesní inženýrství