DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagođeno pretraživanje po punom tekstu
| ŠUMARSKI LIST 11-12/2021 str. 30 <-- 30 --> PDF |
alohtone, poput alepskog bora koji je najzastupljeniji (Ne’eman i dr., 2004; Dubravac i dr., 2006; Tekić i dr., 2014). Njegova invazivnost, posebice na opožarenim područjima, ugrožava brojnu autohtonu klimazonalnu vegetaciju, posebno hrast crniku (Quercus ilex L.) (Dubravac i dr., 2006; Tekić i dr., 2014). Šume primorskih četinjača oblilježava velika količina smole, naslage otpalih iglica i osušenih trava, što ih čini vrlo podložnom vegetacijom u izbijanju otvorenih požara (Ne’eman i dr., 2004; Martinić i dr., 2008; Španjol i dr., 2008; Simeoni i dr., 2012). Nadalje, često su izložene vjetru što ubrzava širenje požara (Bodrožić i dr., 2005; Fernandes i dr., 2010; Šiljković i Mamut, 2016). U konačnici, šume primorskih četinjača na mediteranskom području, zbog velike frekvencije ljudi (turizam) i čestog neodržavanja (Španjol i dr., 2008; Mamut, 2011) spadaju u skupinu veoma i ekstremno zapaljive vegetacije (Španjol i dr., 2008). Razvoj suvremenih geoprostornih tehnologija omogućio je kartiranje primorskih četinjača (Jovanović i Župan, 2017; Bullock i dr., 2020), analize izbijanja, širenja i prevencije požara (Jovanović i Župan, 2017) te detekciju raznih bolesti i nametnika na njoj (Arellano i dr., 2015). Sateliti iz WorldView (WV) konstelacije značajno su unaprijedili prikupljanje multispektralnih i stereo satelitskih snimaka visoke prostorne rezolucije (< 1 m) (Aguilar i dr., 2014). WorldView-3 (WV-3) pruža najveću komercijalno dostupnu prostornu razlučivost satelitskih snimaka s velikim dnevnim kapacitetom arealnog prikupljanja. Kratki vremenski interval prikupljanja snimaka povećava mogućnosti detekcije prostorno-vremenskih promjena. Iz obrađenih satelitskih snimaka primjenom različitih metoda klasifikacije izdvajaju se specifični objekti (Weih i Riggan, 2010; Abburu i Golla, 2015). Generalno, metode klasifikacije se mogu podijeliti na nadzirane (polu-automatske), nenadzirane (automatske) i objektno-orijentirane rasterske analize (OBIA) (Weih i Riggan, 2010). U geografskoj objektno-orijentiranoj analizi koristi se akronim GEOBIA (Hay i Castilla, 2008). GEOBIA se definira kao poddisciplina GIS-a usmjerena na obradu i analizu rasterskih podataka (Hay i Castilla, 2008). Za razliku od pikselski-orijentiranih analiza, GEOBIA grupira piksele u smislene homogene cjeline prema njihovim specifičnim značajkama (Weih i Riggan, 2010; Abburu i Golla, 2015). Tradicionalna klasifikacija rasterskih podataka određuje klasu zemljišnog pokrova isključivo za pojedinačni piksel te se u takvim analizama ne uključuje spoznaja o okružujućim pikselima. GEOBIA segmentira sliku grupirajući piksele sličnih spektralnih, prostornih i geometrijskih značajki u objekte (oblike), odnosno super piksele (Comaniciu i Meer, 2002). Potom se na temelju označenih testnih uzoraka i odabranog klasifikacijskog algoritma generira model zemljišnog pokrova (Maxwell i dr., 2015). Primarni cilj ovog istraživanja je izdvojiti šume primorskih četinjača na području topografskog slijeva naselja Split. Sekundarni cilj je pomoću odabranih metričkih pokazatelja (correctness – COR, completeness – COM i overall quality – OQ) utvrditi koji od odabrana tri klasifikacijska algoritma (Random Trees – RT, Maximum Likelihood – ML, Support Vector Machine – SVM) najtočnije izdvaja šume primorskih četinjača. Nadalje, u segmentacijskom procesu testirani su |