DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagođeno pretraživanje po punom tekstu



ŠUMARSKI LIST 9-10/2014 str. 58     <-- 58 -->        PDF

Seletković, A., Pernar, R., Jazbec, A., Ančić, M., 2008: Točnost klasifikacije satelitske snimke visoke prostorne rezolucije IKONOS za potrebe šumarstva (Accuracy of high spatial resolution satellite images classification for forestry needs). Šumarski list 132, 11.
Sithole, G., Vosselman, G., 2004: Experimental comparison of filter algorithms for bare-Earth extraction from airborne laser scanning point clouds. ISPRS Journal of Photogrammetry and Remote Sensing 59, 85–101.
Smrekar, A., Erhartič, B., Hribar Šmid, M., 2011: Krajinski park Tivoli, Rožnik in Šišenski hrib (Landscape park Tivoli, Rožnik, Šišenski hrib), in: Kladnik Drago, P.D. (Ed.), GEORITEM. Založba ZRC, Ljubljana, p. 134.
Švab, A., Oštir, K., 2006: High-resolution image fusion: methods to preserve spectral and spatial resolution. Photogrammetric Engineering & Remote Sensing 72, 565–572.
Verlič, A., Pirnat, J., 2010: Recreational role of a part of forests in the Municipality of Ljubljana. Gozdarski Vestnik 68, 330–339.
Voss, M., 2008: The Seasonal Effect on Tree Species Classification in an Urban Environment Using Hyperspectral Data, LiDAR, and an Object-Oriented Approach. Sensors 8, 3020–3036.
ZGS, 2007: Gozdnogospodarski nacrt gozdnogospodarske enote Ljubljana 2005–2014 (Forest management plan of the forest management unit Ljubljana), in: Zavod za gozdove Slovenije, O.e.L. (Ed.), Uradni list RS, p. 203.
Zhang, Z., Liu, X., Wright, W., 2012: Object-based image analysis for forest species classification using Worldview-2 satellite imagery and airborne LiDAR data, 2012 International Symposium on Remote Sensing. University of Southern Queensland, p. 4.
Sažetak
Osnovni zadatak gospodarenja šumama je provedba inventure drveća. Posebno se to odnosi na blisko prirodi gospodarene urbane šume. Cilj ovog istraživanja je provjeriti može li se metoda analize snimaka (tzv. object-based image analysis – OBIA) kombinacijom WorldView-2 multispektralnih satelitskih snimaka visoke prostorne rezulocije i laserskog skeniranja (LiDAR-a) koristiti za uspješnu klasifikaciju krošanja pojedinačnih stabala različitih vrsta drveća u prirodnim, mješovitim i heterogenim urbanim šumama u Ljubljani (Slika 1).
Terenska klasifikacija vrsta drveća provedena je postavljanjem mreže kružnih ploha (100x100 m) veličine od 2000 m2. Na svakoj od 332 plohe, registrirana su stabla iz dominantnog i kodominantnog sloja drveća. Ukupno je za analizu izdvojeno 574 stabala, od čega 304 stabla četinjača (obična smreka, obični bor) i 270 stabala listača (obična bukva, hrast lužnjak i kitnjak, pitomi kesten). Polovica uzorkovanih stabala tj. njihovih krošanja korišteno je kao probni set podataka u nadgledanoj klasifikaciji, dok je druga polovica uzorkovanih stabala korištena za ocjenu točnosti provedene klasifikacije (tzv. testni podaci).
Za klasifikaciju su korištene WorldView-2 multispektralne satelitske snimke (8-kanalne), tzv. ‘Red-Edge’ normalizirani razlikovni vegetacijski indeks (NDVI) izračunat pomoću rubnog crvenog i crvenog spektralnog kanala te digitalni model krošanja (tzv. Digital Canopy Model – DCM) dobiven iz LiDAR podataka. Prostorna rezolucija WorldView-2 satelitskih snimaka iznosila je 1 m.
Klasifikacija je provedena pomoću Exelis ENVI 5 kompjuterskog programa, primjenjujući tzv. pomoćni vektorski model. Preciznost procjene izračunata je na temelju izračunate matrice pogreške, uspoređujući rezultate klasifikacije s testnim podacima. Također je provedena analiza glavnih komponenata, koja je pokazala da je najveća varijabilnost (oko 85 %) objašnjena pomoću rubnog crvenog spektralnog kanala (705–745 nm), bližeg infracrvenog kanala – 1 (770–895 nm) te bližeg infracrvenog spektralnog kanala – 2 (860–1040 nm) WorldView-2 snimaka.
Metoda analize snimaka (OBIA) kombinacijom WorldView-2 satelitskih snimaka I LiDAR podataka korištena u ovom istraživanju pokazala je obećavajuće rezultate pri klasifikaciji vrsta drveća u gustim, mješovitim i heterogenim prirodnim urbanim šumama, u kojima često dolazi do isprepletanja krošanja. Najpouzdaniji dobiveni rezultati odnose se na razlikovanje četinjača i listača. Kod sastojina s gustim krošnjama, posebice kod listača kod kojih je teško napraviti delineaciju krošanja, otežana je i manualna i automatska delineacija (segmentacija) krošanja. Ovo istraživanje novi je dokaz kako se primjenom podataka dobivenih metodama daljinskih istraživanja pruža mogućnost uštede u vremenu pri inventarizaciji vrsta drveća.
Ukupna preciznost identifikacije iznosila je 58 %, a Kappa koeficijent je iznosio 0.421 (Tablica 4). Za svaku vrstu drveća izračunata je preciznost na osnovi razlike između preciznosti koju navodi proizvođač (postotak točno identificiranih piksela u odnosu na ukupan broj piksela na probnim podacima) i preciznosti korisnika. Rezultati tako dobivene preciznosti iznosili su 80 % za smreku, 70 % za hrastove lužnjak i kitnjak, 50 % za obični bor, 38 % za bukvu, te manje od 1 % za pitomi kesten.
Ključne riječi: zelena infrastruktura, zemaljski podaci, spektralni odraz, kartiranje šumskog drveća, izmjera šumskog drveća, monitoring u šumarstvu.