Detekce napadených stromů lýkožroutem pomocí bezpilotních leteckých prostředků v Krkonošském národním parku

Lenka Stiborová

Bachelor's thesis

Detection of infested trees by bark beetle using unmanned aerial vehicles in the Krkonoše National Park

Abstract:

Tématem bakalářské práce je detekce napadených stromů lýkožroutem smrkovým v Krkonošském národním parku (KRNAP). Snímky použité v této práci byly pořízeny profesionálními multispektrálními senzory, konkrétně MicaSense RedEdge-M a Tetracam Micro-MCA, umístěnými na bezpilotním leteckém prostředku Zefyros Oktos XL. Nálety proběhly v letech 2018 a 2019 v oblasti Obřího dolu, vznikla tak časová řada 6 snímků. Obří důl spadá do přírodní zóny KRNAP, proto je zde možné sledovat kontinuální změnu zdravotního stavu lesních porostů způsobenou lýkožroutem smrkovým. Pro provedenou časoprostorovou analýzu byly zvoleny dvojice multispektrálních snímků a to vždy v obdobích mezi červnem 2018 a následujícím měsícem (konkrétně: červen - červenec, červen – srpen, červen – září, červen – listopad, červen – červenec 2019). Praktická část této práce je zaměřena na aplikaci dvou detekčních metod a jejich statistického vyhodnocení. Jedná se o metody rozhodovacího stromu a prahování z vegetačních indexů. Metoda rozhodovacího stromu byla optimalizována tak, aby bylo možné odlišit tři různé kategorie – zdravé, napadené a mrtvé stromy. Použité senzory mimo jiných obsahují kanál Red Edge, který je v řadě teoretických studií považován za přínosný. Proto jsem se rozhodla ho do svých analýz také zahrnout. Z výsledků bakalářské práce vyplývá, že detekce metodou prahování z vegetačních indexů dosáhla vyšší přesnosti (konkrétně Greenness Index (GI) 82 %), než metoda rozhodovacího stromu (78 %). Metody se ale liší hlavně u přesnosti detekce nově napadených stromů. Výsledky práce dále neprokázaly přínos kanálu Red Edge při detekci stromů napadených lýkožroutem.

Abstract:

The topic of this bachelor thesis is the Detection of infested trees by bark beetle using unmanned aerial vehicles in the Krkonoše National Park. Images used in this work were taken by professional multispectral sensors, namely MicaSense RedEdge-M and Tetracam Micro-MCA, placed on the unmanned aerial vehicle Zefyros Oktos XL. The data acquisition took place in 2018 and 2019 in the region of Obří důl, therefore was created a time series of 6 images. Obří důl falls to the KRNAP’s natural zone, so it is possible monitor the continuous change in the forest‘s health caused by the bark beetle. For the performer spatiotemporal analysis were selected pairs of multispectral images in periods between June 2018 and the following months (specifically: June – July, June – August, June – September, June – November, June – July 2019). The practical part of this work is focused to the application of two detection methods and their statistical evaluation. It is about methods of decision tree and thresholding from the vegetatiton indices. The decision tree method was modified to distinguish three categories – healthy, infested and dead trees. Used sensors offer, among other, the Red Edge channel, which is considered beneficial in many theoretical studies. For that I decide to include it in my analyzes as well. Finally, the results of this bachelor thesis show that the thresholding from vegetation indices achieved a higher absolutely accuracy (specifically Greenness Index (GI) 82 %) than the decision tree method (78 %). However, the methods differ mainly in the accuracy of detection of newly infested trees. The results didn’t show the benefit of the Red Edge channel in the detection of infested trees by bark beetle.

Keywords

dálkový průzkum Země, bezpilotní letecké prostředky, lesní disturbance, lýkožrout smrkový

Keywords

remote sensing, unmanned aerial vehicles, forest disturbance, bark beetle

Language used: Czech

Date on which the thesis was submitted / produced: 30. 3. 2021

Thesis defence

• Supervisor: Ing. Tomáš Klouček, Ph.D.
• Reader: Jan Komárek, Ph.D.

Czech University of Life Sciences Prague

Faculty of Environmental Sciences

Bachelor programme:
Geographic information systems and Remote sensing in Environmental Sciences