Detekce šťovíku alpského (Rumex alpinus) v Krkonoších z obrazových dat DPZ o různém prostorovém rozlišení s využitím hlubokého učení

Abstract

Cílem bakalářské práce bylo detekovat s co nejvyšší přesností invazní šťovík alpský (Rumex alpinus) ve třech vybraných lokalitách v Krkonošském národním parku s využitím metod hlubokého učení v software ArcGIS Pro. Detekce byla provedena nad snímky s různým prostorovým rozlišením, od UAS dat s rozlišením 1 cm/pixel, přes ortofota s rozlišením 5 cm/pixel, až k družicovým snímkům PlanetScope s rozlišením 3 m/pixel. K ověření přesnosti byly použity validační body, které byly nasbírané botaniky s využitím GPS se subcentimetrovou přesností. Nejlepších detekčních výsledků bylo dosaženo pro multispektrální data UAS (úspěšnost detekce 94,9 %). Se zhoršujícím se prostorovým rozlišením se úspěšnost detekce snižovala. Nejméně přesných výsledků bylo dosaženo pro družicová data PlanetScope. Klíčová slova: detekce, prostorové rozlišení, hluboké učení, invazní druhy, Krkonošský národní park, rumex alpinus

The aim of this bachelor's thesis was to detect the invasive Alpine dock (Rumex alpinus) with the highest possible accuracy in three selected locations within the Krkonoše National Park, using deep learning methods in ArcGIS Pro software. Detection was performed on images with different spatial resolutions, ranging from UAS data with a resolution of 1 cm/pixel, through orthophotos with a resolution of 5 cm/pixel, to PlanetScope satellite images with a resolution of 3 m/pixel. Validation points collected by botanists using GPS with sub-centimeter accuracy were used to verify the detection accuracy. The best detection results were achieved for UAS multispectral data (detection success rate of 94,9 %). As the spatial resolution worsened, the detection success rate decreased. The least accurate results were obtained for PlanetScope satellite data. Key words: detection, spatial resolution, deep learning, invasive species, The Krkonoše Mts. National Park, rumex alpinus