Odhad zásob uhlíku v návaznosti na vývoj land cover a biomasy s využitím DPZ

Abstract

Accurate assessment of carbon emissions and removals in the Land Use, Land-Use Change and Forestry (LULUCF) sector is essential for meeting climate targets and fulfilling international commitments to reduce greenhouse gas emissions. This sector plays a critical role in national greenhouse gas inventories, with forests representing a key category due to their long-term carbon sequestration capacity. This thesis focuses on the modelling of aboveground biomass (AGB) and the estimation of carbon stocks in the forests of the Czech Republic using remote sensing data and the methodological framework of the Intergovernmental Panel on Climate Change (IPCC). The study includes a detailed review of relevant datasets and their methodological differences, with particular attention paid to the inconsistency in forest definitions across institutions, which significantly influences carbon balance outputs. The practical part addresses the analysis of carbon stocks in forest aboveground biomass across the Czech Republic using remote sensing methods and machine learning algorithms. The main objective was to develop a predictive model for estimating AGB in Czech forests for the years 2018-2024, based on open-access satellite and environmental data. The model was built using the XGBoost algorithm, trained on ESA...

Přesné vyhodnocování emisí a propadů uhlíku ze sektoru využívání půdy, změn ve využívání půdy a lesnictví (LULUCF) je klíčové pro plnění klimatických cílů a mezinárodních závazků v oblasti snižování emisí skleníkových plynů. Tento sektor hraje zásadní roli v národních emisních inventurách, přičemž lesy představují klíčovou kategorii díky své schopnosti dlouhodobé sekvestrace uhlíku. Diplomová práce se proto zaměřuje na modelování nadzemní biomasy (AGB) a odhad uhlíkových zásob v lesích České republiky s využitím dat dálkového průzkumu Země (DPZ) a metodiky Mezinárodního panelu pro změnu klimatu (IPCC). Součástí práce je podrobná rešerše používaných datových sad a jejich metodických rozdílů, přičemž zvláštní pozornost je věnována nejednotnosti definic lesa mezi různými institucemi, která významně ovlivňuje výstupy uhlíkové bilance. Praktická část se zabývá analýzou zásob uhlíku v nadzemní biomase lesních porostů na území České republiky s využitím metod DPZ a algoritmů strojového učení. Cílem bylo vytvořit prediktivní model umožňující odhad AGB v lesích ČR v letech 2018-2024 na základě otevřených satelitních a environmentálních dat. Model byl postaven na algoritmu XGBoost, trénován na referenčních datech ESA Biomass CCI a validován pomocí dat z mise GEDI a dalších globálních produktů. Mezi vstupní...