Klasifikace vegetačního pokryvu z dat DPZ pro účely vyhodnocení rizika nákazy klíšťovou encefalitidou

Abstract

Klasifikace vegetačního pokryvu z dat DPZ pro účely vyhodnocení rizika nákazy klíšťovou encefalitidou Abstrakt Tato práce si klade za cíl zjistit, jak nejpřesněji klasifikovat snímky Landsat do různých kategorií lesních porostů lišících se rizikem nákazy klíšťovou encefalitidou. Legenda vychází z projektů Daniela, Koláře, Zemana (1995) a Daniela, Koláře, Beneše (1999), avšak byla zredukována na pět kategorií vzájemně se definicí nepřekrývajících (I. jehličnaté porosty, II. smíšené porosty, III. strukturně silně heterogenní mladé listnaté porosty a porostní rozhraní, IV. strukturně homogenní listnaté porosty, V. strukturně heterogenní listnaté porosty). Metodou klasifikace byla zvolena řízená klasifikace s klasifikátorem maximální pravděpodobnosti snímků Landsat z různých ročních období, ve kterých však musela být řešena problematika výskytu oblačnosti a různé výšky Slunce nad obzorem. Trénovací plochy a kontrolní body byly získány terénním průzkumem a vizuální interpretací ortofotomap a snímků Landsat v RGB kompozitu 5-4-3. Maska lesa byla vytvořena z dat ZABAGED polohopisu. Primárně testovaným časovým horizontem byly roky 2006 až 2010. Pro tento horizont byly k dispozici snímky Lansat 5 TM z dubna, srpna a října. Do klasifikací vstupovala jak všechna pásma nekorigovaná, tak korigovaná pomocí ATCOR 2 a...

Tick-borne encephalitis risk assessment based on classification of vegetation from remote sensing data Abstract The main aim of this thesis has been to find out how to classify various categories of forest vegetation with a different risk of exposure to the tick-borne encephalitis based on the Landsat imagery. The legend used here is derived from the one used in the projects by Daniel, Kolář, Zeman (1995) and Daniel, Kolář, Beneš (1999) but has been reduced to only five classses with no overlaps in their definitions (I. coniferous stands, II. mixed stands, III. young deciduous stands and stand ecotones with a highly heterogeneous structure, IV. deciduous stands with a homogeneous structure, V. deciduous stands with a heterogeneous structure). The supervised classification with the Maximum Likelihood Classifier has been used on the Landsat imagery from various seasons. Difficulties concerned with the presence of clouds and varying Sun elevation across the imagery had to be adressed in the course of the work. The training sites and the control points have been defined by the field research and interpretation of the relevant orthophotomaps and Landsat imagery in 5-4-3 RGB composite. The mask of the forest has been created on the ZABAGED data basis. The time horizon of 2006 - 2010 has been the primary focus....