DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagođeno pretraživanje po punom tekstu
| ŠUMARSKI LIST 11-12/2021 str. 34 <-- 34 --> PDF |
Spektralna detaljnost uvjetovana je spektralnom rezolucijom WV-3MS-a (Satellite Imaging Corporation, 2021), koja utječe na diferencijaciju različitih vegetacijskih vrsta (Teillet i dr., 1997). Navedeno je omogućilo odvajanje sastojina primorskih četinjača od ostale vegetacije (Slika 4(1)). Prostorna detaljnost, koja utvrđuje važnost blizine značajki u multispektralnom modelu, je postavljena na vrijednost 10. Veća vrijednost omogućila bi izdvajanje pojedinih stabala unutar šume, a manja bi rezultirala prevelikom generalizacijom. Minimalna veličina segmenta određuje minimalnu jedinicu kartiranja (20 piksela). Dakle, iz segmentiranog snimka moguće je izdvojiti sve površine prekrivene primorskim četinjačama koje su veće od 1,8 m2. Dodavanje testnih uzoraka / Adding test samples Ukupno je označeno 600 uzoraka unutar TS-a. Poznato je da širok spektar čimbenika može uzrokovati razlike u spektralnim značajkama elemnata iste klase unutar istog snimka. Oni uključuju: velik utjecaj sjena uzrokovan visokim zgradama ili morfologijom terena, kut upada sunčevih zraka, fiziologija borova, itd. (Fu i dr., 2020). Stoga su uzorci za klasu Šuma primorskih četinjača prikupljeni u 10 odvojenih klasa, uvažavajući različite lokacije na segmentiranom modelu i fiziološka obilježja sastojina. Naknadno je izvršena reklasifikacija. Rezultati klasifikacijskih algoritama / Results of classification algorithms Izrađeni alat ACP (Slika 5) omogućio je istovremeno generiranje izlaznih rezultata za tri odabrana klasifikacijska algoritma (RT, ML i SVM) (Slika 6). Najveća razlika između ML-a i SVM-a očituje se u slabom razlikovanju niske i visoke vegetacije, dok RT takvih problema nema. Prema izvedenim metričkim pokazateljima RT je najpouzdaniji klasifikacijski algoritam za izdvajanje šuma primorskih četinjača (Tablica 1; Slika 7). Najmanje točan je SVM, dok se ML pokazao nešto boljim. Pokazatelji COR, COM i |