DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagođeno pretraživanje po punom tekstu
| ŠUMARSKI LIST 11-12/2021 str. 35 <-- 35 --> PDF |
OQ izvedeni za pet RS ukazuju na problem sjena koje, na štetu klase Šuma primorskih četinjača, zauzimaju velik udio, posebice za ML i SVM klasifikacijske algoritme. Drugim riječima, neki dijelovi šumskih sastojina u izvedenim modelima su svrstani u klasu Sjena. RT je također prepoznao sjene, ali su one prisutne u manjem udjelu. Dakle, na temelju rezultata točnosti procjene i vizualne analize, RT klasifikacijski algoritam je odabran kao najpouzdaniji. Problem sjena može predstavljati značajnu prepreku u segmentaciji i klasifikaciji visoke vegetacije na snimkama vrlo visoke-rezolucije (Dare, 2005, Griffith i Hay, 2018, Kwan i dr., 2019). Na slici 8. prikazana su dva primjera utjecaja sjena na izlazni model. Na primjeru (A) visoke zgrade stvaraju sjene te su unutar tog zasjenjenog prostora svi klasifikacijski algoritmi na nekim dijelovima prepoznali „lažne“ borove. Na drugom primjeru (B) relativne razlike u visini borova također generiraju klasu sjena. Ovaj problem se može riješiti dodavanjem većeg broja uzoraka uvažavajući način nastanka sjena. Naime, činjenica je da stupanj propusnosti svjetlosti do tla ovisi o prirodi same zapreke. Građevine uglavnom apsorbiraju ili odbijaju svu svjetlost unutar analiziranih kanala. Suprotno, drveće propušta malo NIR svjetlosti i nešto više vidljive svjetlosti. Stoga, zasjenjena područja bi se po vrsti sjene prema nekim vegetacijskim indeksima ipak trebala razlikovati. Točnost završnog modela (RT) / Accuracy of final coniferous forest model (RT) Točnost završnog modela izvedenog RT klasifikacijskim algoritmom procijenjena je modificiranim K pokazateljem. Točnost je ispitana za klasu Šuma primorskih četinjača. U matricu konfuzije uvrštena su 46 734 uzorka izvedena |