Možnosti druhového určení smíšených lesů pokročilými nástroji klasifikace

Bc. Eliška Mačáková

Diplomová práce

Possibilities of species determination of mixed forests by advanced classification tools

Anotace:

Cílem diplomové práce bylo zhodnotit možnosti druhové klasifikace lužního smíšeného lesa, jež představuje jednu z nejcennějších lokalit ve střední Evropě. Do této studie vstupovala data hyperspektrální a data z laserového skenování, pořízená ve třech vegetačních obdobích roku 2019. Před zahájením klasifikace byl vyhotoven výškový model korun, který vyjadřuje relativní výškové poměry lesního porostu. V rámci klasifikace byla testována metoda podpůrných vektorů a její různé dimenzionální a časové variace, jež byly validovány datovou sadou z pozemního šetření. Nejvyšší celkové přesnosti (76,73 %) bylo dosaženo u fúze hyperspektrálních a lidarových dat ze dne 4. 9. 2019. Správně aplikovaná kombinace těchto obrazových dat poskytuje velice zdařilé výsledky pro všechna časová období.

Abstract:

The aim of the Master thesis was to evaluate the possibilities of tree species classification of mixed floodplain forest, which is one of the most valuable sites in Central Europe. In this study hyperspectral data and data from laser scanning, taken during three growing seasons, were used. Before the start of the tree species classification, a height canopy model was created to express relative height conditions of the forest cover. The classification was based on testing the Support Vector Machine method and its various dimensional and temporal variations, which were later validated by using dataset from a ground investigation. The highest overall accuracy (76.73%) was achieved by creating fusion of hyperspectral and lidar data from 9th April 2019. A properly created combination of these data provides very accurate results for all time periods.

Klíčová slova

Strojové učení, Machine Learning, smíšený les, Mixed Forest, metoda podpůrných vektorů, Support Vector Machine, metoda náhodný les, Random Forest, hyperspektrální snímky, Hyperspectral Imaging, výškový model koruny, Canopy Height Model

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 1. 11. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 13. 2. 2024
• Vedoucí: Ing. Kateřina Tajovská, Ph.D.
• Oponent: RNDr. Lukáš Herman, Ph.D.

Masarykova univerzita

Přírodovědecká fakulta

Magisterský studijní program / obor:
Geografická kartografie a geoinformatika / Geografická kartografie a geoinformatika