HODNOCENÍ POŠKOZENÍ LESNÍCH POROSTŮ S VYUŽITÍM DRUŽICOVÝCH A LIDAROVÝCH DAT

Abstract

Hodnocení poškození lesních porostů s využitím družicových a lidarových dat Abstrakt Hlavním cílem této diplomové práce je vytvoření metodického postupu vhodného pro hodnocení poškození lesních porostů ve vybrané oblasti Národního parku Šumava při kombinaci multispektrálních a lidarových dat. Lesy v této oblasti jsou silně poškozené především díky přemnožení lýkožrouta smrkového a nacházejí se zde jak zdravé, tak poškozené lesní porosty. Na základě tohoto metodického postupu bude rozlišen o něco vyšší počet klasifikačních tříd (5 tříd), než který je uváděn ve většině odborné literatury. V práci byl použit zaostřený multispektrální snímek SPOT, multispektrální snímek Landsat a data z leteckého laserového skenování s malou hustotou bodů. Dílčím úkolem bylo z dat LLS získat informaci o výšce lesního porostu v podobě rastru. Lesní porosty byly klasifikovány metodou objektově orientované klasifikace, která zahrnovala nejprve segmentaci a poté tvorbu klasifikační báze. Do klasifikace vstupovala kromě spektrální informace také informace o průměrné výšce vegetace získaná z dat LLS. Lesy byly klasifikovány celkem do 5 tříd a přesnost obou klasifikací byla hodnocena pomocí chybové matice a kappa koeficientu. Klasifikace snímku SPOT dosáhla hodnoty kappa koeficientu 68,5 % a u klasifikace snímku Landsat se hodnota...

Assessment of forest damage using satellite and lidar data Abstract The main objective of this thesis is to create a methodical procedure used for the evaluation of forest damage in the chosen area of the National Park Sumava, Czech Republic. In this work were combined the multispectral satellite data and data of airborne laser scanning. The forests in this area are heavily damaged mainly due to bark beetle outbreak. You can find here as healthy so damaged forests. Based on this methodology will be differentiated greater number of classes than I found in the literature. In this work was used pansharpened multispectral image SPOT, multispectral image Landsat and airborne laser scanning data with low density points. Another task was to get height information from ALS data in the form of grid. Forest stands were classified using object-oriented classification, which included at first segmentation and then creation of classification base. In classification entered spectral information and height information obtained from the ALS data. Forests were classified into 5 classes and accuracy of both classifications was evaluated using the error matrix and kappa coefficient. SPOT image classification reached kappa coefficient of 68,5 % and Landsat image classification reached kappa coefficient of 72,3 %. From the...