Využitie diaľkového prieskumu Zeme pre klasifikáciu vegetácie novej divočiny v zázemí Kutnej Hory

Abstract

Numerous areas in the Czech landscape have been abandoned by human activity, allowing natural processes to take over. Some of these areas have transformed into new wilderness characterized by diverse vegetation compositions, representing va- rious successional stages. The aim of this work is to conduct a comprehensive and accurate classification of vegetation in the new wilderness area utilizing remote sensing techniques. For this purpose, multispectral UAS data with a 5 cm spatial resolution, hyperspectral aerial data with a 60 cm spatial resolution, and botani- cal data collected at three different dates within the area of interest were used. Based on the collected data and the assessment of species separability, three clas- sification legends were proposed to classify the area of interest using Maximum Likelihood, Random Forest and object-based classifiers. The F1-score was used to assess the classification accuracy of vegetation classes. The results demonstrated the suitability of the object classifier for classifying a highly diverse vegetational area at a very high spatial resolution (achieving the highest overall accuracy of 84.06% across 22 classes). The Random Forest classifier yielded better results for vegetation classification on hyperspectral data with a lower spatial resolution...

V české krajině se nachází množství ploch, které byly opuštěné člověkem a pone- chané spontánním přírodním procesům. Na některých z nich se dokázala vytvořit nová divočina, která je charakteristická komplexním vegetačním složením, zahr- nuje různá stádia sukcese. Cílem práce je co nejpodrobněji a zároveň s co nejlepší přesností klasifikovat vegetaci na území nové divočiny s využitím dálkového průz- kumu Země. Pro tyto účely jsou využita multispektrální UAS data s prostorovým rozlišením 5 cm, hyperspektrální letecká data s prostorovým rozlišením 60 cm a botanická data sesbíraná na zájmovém území ve třech termínech. Na základě získaných dat a hodnocení separability druhů byly navrženy tři klasifikační le- gendy, podle kterých bylo zájmové území klasifikované s využitím klasifikátorů Maximum Likelihood, Random Forest a objektovým klasifikátorem. Přesnost kla- sifikace vegetačních tříd byla hodnocena s využitím F1-skóre. Dosažené výsledky poukázaly na vhodnost použití objektového klasifikátoru pro klasifikaci vegetačně rozmanitého území ve velmi vysokém prostorovém rozlišení (nejvyšší dosažená cel- ková přesnost 84,06 % na 22 třídách). Pro klasifikaci vegetace na hyperspektrál- ních datech s nižším prostorovým rozlišením byl úspěšnější klasifikátor Random Forest (nejvyšší dosažená celková přesnost...