DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagođeno pretraživanje po punom tekstu



ŠUMARSKI LIST 3-4/2021 str. 24     <-- 24 -->        PDF

smanjio utjecaj sjena i gubitka informacija uslijed dijelova područja od interesa koji nisu osvjetljeni senzorom. U ovom slučaju su izabrani posebno snimci s padajućom (engl. ascending) i rastućom (engl. descending) putanjom satelita. Ove dvije vrste snimaka, s uzlaznom i silaznom putanjom su zatim presječene sa granicom nacionalnog parka Fruška gora. Zbog tipičnih karakteristika radarskih snimaka, kao što su mrlje, kao obavezni korak prije klasifikacije, provedeno je smanjenje utjecaja mrlja. Za ovo je korištena statistička metoda filtriranja, odnosno zaglađivanja slike (engl. Speckle Filtering) koje se obavljalo na svim vremenskim serijama radarskih snimaka. Kao što se vidi na slici 2, filtrirani snimci su zatim spajanjem pretvoreni u mozaik, gdje je za svaki piksel zadržana maksimalna vrijednost refleksije, na osnovi čega je dobiven jedan raster s jednim slojem na kojemu ne postoje radarske sjene.
Usporedo s ovim koracima, na osnovi Sentinel 2 snimaka kreirani su NDVI indeksi za svaki izabrani snimak. Prije samog postupka klasifikacije, napravljeni su i trening uzorci. Ovaj postupak svakako nije jednostavan ako se koriste samo radarske snimke, te je obavljeno kombiniranje radarskih i optičkih snimaka istog datuma za svaku godinu pojedinačno. Da bi sa sigurnošću tvrdili da su obuhvaćeni oni pikseli koji predstavljaju područja gdje je šuma i područja gdje nije šuma, optički snimci vizualno su prikazani s različitim kombinacijama RGB prikaza vidljivih i infracrvenih opsega.
Za svaku godinu napravljeno je po trideset trening uzoraka, za područja gdje je šuma (klasa forest) i područja gdje nije bila šuma u promatranom trenutku vremena (klasa non_forest). Nakon ovoga izvršena je klasifikacija, uz oslonac na već implementirani Random Forest algoritma u okviru GEE. Argumenti Random Forest klasifikatora podešavaju se u iterativnom postupku koji se ponavlja dok se ne dobije zadovoljavajuća točnost klasifikacije. Tijekom ovog postupka, za svaki klasificiranu snimku potrebno je prilagoditi sljedeće parametre3:
– Broj stabala za svaku kreiranu klasu (numberOfTrees);
– Broj promjenjivih pri grananju (variablesPerSplit);
– Minimalnu veličinu terminalnog čvora (minLeafPopulation);
– Ulazni dio promjenjivih po drvetu (bagFraction) i
– Slučajni broj koji ako se podesi osigurava isti izlazni rezultat (seed).
Za svaku godinu od 2016. do 2019. dobiveni su rezultati klasifikacije promatranog područja u vidu tematske karte, odnosno rastera s vrijednostima 0 – nije šuma i 1 – šuma.