Testování možností extrakce vybraných krajinných charakteristik pro popis stanovišť výskytu indikačně významných druhů ptáků v Krkonoších z dat dálkového průzkumu Země

Abstract

The thesis uses remote sensing data from two spatial scales (Sentinel-2 with a 10 x 10 m pixel and PlanetScope 3 x 3 m. It explores the possibilities of extracting selected landscape characteristics (spectral indices, land cover type, landscape metrics). In order to evaluate which characteristics and at what scale are statistically significant for the occurrence of 23 selected bird species, species richness in quadrats and the number of species of the order Passeriformes in the Krkonoše Mountains. Data on species occurrence were mapped in the year 2012-2014 The strength of the relationship between characteristics and abundance was determined by Pearson's correlation coefficient. It could not be confirmed that data with higher spatial resolution would be more beneficial for extracting landscape characteristics. Overall, the landscape characteristics did not prove functional relationships for all selected species, but for some species, species richness, and order of Passeriformes, the assumption of elevation and land cover as important factors was confirmed. Land cover was analysed using the Random Forest supervised classification method in Google Earth Engine with an overall accuracy of 78 % for Sentinel-2 data, both in tundra and in the rest of the area, and 77 % for PlanetScoce data in tundra, 66...

Diplomová práce využívá data Dálkového průzkumu Země dvou prostorových úrovní (Sentinel-2 s pixelem 10 x 10 m a PlanetScope 3 x 3 m). Práce zkoumá možnosti extrakce vybraných krajinných charakteristik (spektrální indexy, typ land cover, krajinné metriky) s cílem vyhodnotit, jaké charakteristiky a v jakém měřítku jsou statisticky významné pro výskyt 23 vybraných druhů ptáků, druhovou bohatost a počet druhů řádu pěvci v kvadrátech 1400 x 1400 m v Krkonoších. Data o výskytu druhů byla mapována v letech 2012-2014 na české i polské straně. Síla vztahu mezi charakteristikami a výskytem byla určena Pearsonovým korelačním koeficientem. Nepodařilo se potvrdit, že by pro extrakci krajinných charakteristik byla přínosnější data s větším prostorovým rozlišením. Z celkového pohledu krajinné charakteristiky neprokázaly funkční vztahy pro všechny vybrané druhy. Jako relevantní se potvrdily pro vybrané druhy, druhovou bohatost a řád pěvců například faktory průměrná nadmořská výška a land cover. Land cover byl analyzován metodou řízené klasifikace Random Forest v prostředí Google Earth Engine s celkovou přesností 78 % v případě dat Sentinel-2, jak v tundře, tak i ve zbylé části území a pro data PlanetScoce v tundře 77 %, ve zbylé části území 66 %. Výsledky klasifikací byly porovnány s datovými produkty CORINE Land...