Druhová klasifikace lesních porostů pomocí multispektrálních dat velmi vysokého rozlišení pořízených družicí WorldView-2 v Krušných horách

Lukáš Hošek

Bachelor's thesis

Tree species classification of forest stands using very high-resolution multispectral data acquired by WorldView-2 satellite in the Ore Mountains

Abstract:

Dálkový průzkum Země představuje v současnosti nenahraditelný zdroj informaci pro monitoring životního prostředí. Cílem bakalářské práce je klasifikace lesních porostů pomocí multispektrálních dat z družic WorldView-2 (velmi vysoké prostorové rozlišení) a Landsat 8 (vysoké rozlišení) v Krušných horách. Tato práce je zaměřena na výběr a posouzení přesností jednotlivých klasifikačních algoritmů a dokázaní, že pomocí metod dálkového průzkumu Země lze poměrně přesně klasifikovat krajinný pokryv na úrovni jednotlivých druhů stromů nacházejících se v zájmové oblasti. U všech metod je následně zjištěna přesnost jednotlivých klasifikací a pro vizuální posouzení výsledků graficky znázorněn krajinný pokryv. Z výsledků bakalářské práce je patrné, že se jeví jako nejvhodnější algoritmus pro druhovou klasifikaci lesních porostů u snímků WorldView-2 (WV-2) metoda klasifikace Maximum Likelihood dosahující celkové přesnosti 68,17%. Slibných výsledků bylo docíleno i pixelovou klasifikací Random Forest (RF) (67,06%). Naopak nejméně přesné výsledky byly dosaženy klasifikátorem Minimum Distance (46,85%). V případě metody Support Vectore Machines (SVM) byla získána přesnost 60,36%. U dat Landsat 8 bylo dosaženo nejvyšší přesnosti u klasifikace RF (50%) a nejnižší přesnosti dosáhl klasifikátor SVM (26,07%). Ze závěru práce vyplývá, že snímky pořízené družicí WV-2 jsou vhodným nástrojem pro druhou klasifikaci lesních porostů.

Abstract:

Earth remote sensing is currently an irreplaceable source of information for environmental monitoring. The purpose of the bachelor thesis is the classification of forest stands using multispectral data from satellites WorldView-2 (very high spatial resolution) and Landsat 8 (high resolution) in the Ore Mountains. This work is focused on the selection and assessment of the accuracy of individual classification algorithms and proving that using remote sensing methods it is possible to relatively accurately classify the landscape cover at the level of individual tree species located in the area of interest. For all methods, the accuracy of individual classifications is then determined and the landscape cover is graphically represented for visual assessment of the results. The results of the bachelor's thesis show that the Maximum Likelihood classification method, which achieves an overall accuracy of 68,17 %, appears to be the most suitable algorithm for the species classification of forest stands in WorldView-2 (WV-2) images. Promising results were also achieved by the pixel classification Random Forest (RF) (67,06 %). On the contrary, the least accurate results were obtained with the Minimum Distance classifier (46,85 %). For the Support Vector Machines (SVM) method, accuracy of 60,36 % was obtained. For Landsat 8 data, the highest accuracy was achieved in the RF classification (50 %) and the lowest accuracy was achieved by the SVM classifier (26,07 %). The conclusion of the thesis shows that the images taken by the WV-2 satellite are a suitable tool for the second classification of forest stands.

Keywords

dálkový průzkum země, bodová klasifikace obrazu, worldview, 2, objektová klasifikace obrazu, land cover

Keywords

Object-Based classification, land cover, remote sensing, WorldView-2, Pixel-based classification

Language used: Czech

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

Thesis defence

• Supervisor: Ing. Tomáš Klouček, Ph.D.
• Reader: Petra Šímová, Ph.D.

Czech University of Life Sciences Prague

Faculty of Environmental Sciences

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