PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Analiza możliwości wykorzystania obrazów hiperspektralnych HySpex do inwentaryzacji drzewostanów leśnych Puszczy Białowieskiej

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
An analysis of use of hyperspectral images HySpex for an assessment of forest stand inventory in Bialowieza Forest
Języki publikacji
PL
Abstrakty
PL
W artykule przedstawiono analizę możliwości zastosowania zobrazowań hiperspektralnych HySpex do wykonania map rozmieszczenia poszczególnych gatunków drzewostanów leśnych, na przykładzie Puszczy Białowieskiej. W tym celu przeprowadzono kilka wariantów klasyfikacji przy użyciu metody Spectral Angle Mapper. Całą procedurę wykonano w oprogramowaniu ENVI 5.3 (Environmental for Visualizing Images), w module specjalnie dedykowanym danym hiperspektralnym. Metodyka badawcza obejmuje: wstępne przetwarzanie obrazów, tworzenie wzorców do klasyfikacji, procedurę klasyfikacji SAM i finalną ocenę dokładności uzyskanych wyników. Ostatecznie otrzymano mapy rozmieszczenia gatunków drzew w obrębie badanego szeregu hiperspektralnego. Dokładność map została oszacowana na podstawie danych pochodzących z opisów taksacyjnych. Ogólna dokładność klasyfikacji gatunków drzew na podstawie obrazów hiperspektralnych HySpex wyniosła ok. 77%. Najlepiej sklasyfikowane zostały olcha, sosna i dąb, w pozostałych przypadkach (brzoza i świerk) zaobserwowano zróżnicowane dokładności producenta i użytkownika, co może wynikać zarówno z charakteru drzewostanów leśnych, jak i pól testowych wykorzystanych do ceny dokładności wyników klasyfikacji. Na podstawie wygenerowanych map pokrycia terenu można wskazać obszary leśne o zróżnicowanym składzie gatunkowym fragmentu Puszczy Białowieskiej. Wykorzystanie danych teledetekcyjnych HySpex stanowi duży potencjał w zabiegach inwentaryzacyjnych lasu. Aktualizacja opisów taksacyjnych, modelowanie zjawisk czy symulacja scenariuszy dla obszarów leśnych technikami zdalnymi na potrzeby praktyki leśnej wydaje się technicznie i ekonomicznie uzasadnione.
EN
This paper contains an analysis of use of hyperspectral images HySpex to create maps of tree species distribution within Bialowieza Forest. To this end, a couple of variants of image classification with the use of Spectral Angle Mapper (SAM) method were carried out. Whole procedure was conducted in ENVI software environment (Environmental for Visualizing Images) intended for this kind of dataset. In the beginning, the classification process involves the hyperspectral images pre processing and training samples collection. Next, SAM algorithm as well as an estimation of precision of the classification were performed. Finally, land cover layouts for tree species distribution within the extent of hyperspectral array were generated. The accuracy of tree species detection was estimated on the basis of data derived from forest taxations. Overall accuracies of classification based on HySpex imagery were approximately 77%. The highest possible precisions were obtained for alder, pine and oak tree stands. In other cases (birch and spruce) diversified results for producer’s and user’s accuracy were achieved, which could be explained by various kinds of forest stands and characteristics of test samples used for an assessment of image classification results. On the grounds of the land cover layouts it is workable to indicate forest areas with diversified tree species distribution within Bialowieza Forest. Furthermore, remote sensing data obtained with the use of HySpex scanner has a lot of potential in forest inventory. An actualization of inventory database, woodland modelling and simulations of forest phenomena seem to be technically and economically reasoned.
Rocznik
Tom
Strony
27--44
Opis fizyczny
Bibliogr. 27 poz., rys., tab.
Twórcy
  • Zakład Fotogrametrii, Teledetekcji i Systemów Informacji Przestrzennej na Wydziale Geodezji i Kartografii Politechniki Warszawskiej
  • Zakład Fotogrametrii, Teledetekcji i Systemów Informacji Przestrzennej na Wydziale Geodezji i Kartografii Politechniki Warszawskiej
Bibliografia
  • BANK DANYCH O LASACH. 2016. Lasy na mapach. Available at: http://www. bdl.lasy.gov.pl/ portal/mapy.
  • BARTOLD, M. 2008. Klasyfikacja drzewostanów na obrazie hiperspektralnym Hyperion (EO-1). Teledetekcja Środowiska, 39, p. 5-29, Warsaw.
  • BIAŁOWIESKI PARK NARODOWY. 2007. Flora. Available at: http://bpn.com.pl/.
  • CHROMAŃSKI, A., GRZEGORZEWICZ, T., MAJSTERKIEWICZ, K., WIŚNIEWSKA, E., ZAJĄCZKOWSKI, G. 2013. Korzystanie z danych teledetekcyjnych w monografii GEOMATYKA w Lasach Państwowych. Część II. Poradnik praktyczny. Monografia pod redakcją Ludmiły Kwiatkowskiej. Warszawa: Agencja Reklamowo-Wydawnicza A. Grzegorczyk, ss. 139-208.
  • CIOŁKOSZ, A., MISZALSKI, J., OLĘDZKI, J.R. 1999. Interpretacja zdjęć lotniczych. Wydawnictwo Naukowe PWN, Warsaw.
  • COATES, A., R., DENNISON, P., E., ROBERT, D., A., ROTH, K., L. 2015. Monitoring the Impacts of Severe Drought on Southern California Chaparral Species using Hyperspectral and Thermal Infrared Imagery. Remote Sensing, 7(11), 14276-14291.
  • DALPONTE, M., BRUZZONE, L., GIANELLE, D. 2012. Tree species classification in the Southern Alps based on the fusion of very high geometrical resolution multispectral/ hyperspectral images and LiDAR data. Remote Sensing of Environment, 123, p. 258-270.
  • DALPONTE, M., ØRKA, H. O., GOBAKKEN, T., GIANELLE, D., NÆSSET, E. 2013.Tree Species Classification in Boreal Forests With Hyperspectral Data. IEEE Transactions On Geoscience And Remote Sensing, vol. 51, nr 5, ss. 2632-2645.
  • THE UNIVERSITY OF BRITISH COLUMBIA. 2017. Data Fusion. Integrating advanced spectral and structural remotely sensed data to improve vegetated terrestrial ecosystem mapping. Available at: http://irsslab.forestry. ubc.ca/research/.
  • GHOSH, A., FASSNACHT, F.E., JOSHI, P.K., KOCH, B. 2014. A framework for mapping tree species combining hyperspectral and LiDAR data: Role of selected classifiers and sensor across three spatial scales. International Journal of Applied Earth Observation and Geoinformation, 26, p. 49-63.
  • GŁOWIENKA-MIKRUT, E. 2014. Analiza porównawcza metod przewarzania danych hiperspektralnych o zróżnicowanej rozdzielczości. PhD report, Akademia Górniczo-Hutnicza im. Stanislawa Staszica, Cracow.
  • HABOUDANE, D., MILLER, J.R., PATTEY, E., ZARCO-TEJADA, P.J., STRACHAN, I.B. 2004. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision agriculture. Remote Sensing of Environment, 90, p. 337-352.
  • INSTYTUT BADAWCZY LEŚNICTWA. 2014. Instrukcja wykonywania wielkoobszarowej inwentaryzacji lasów. Sękocin Stary.
  • INSTYTUT BADAWCZY LEŚNICTWA. 2016. LIFE+ ForBioSensing PL. Available at: www.ibles.pl/.
  • KÄRGEL, S., JANZEN, A., HOFMAN, J., KLINNER, S. 2014. Szacowanie biomasy na podstawie różnych systemów teledetekcyjnych w monografii Szacowanie biomasy leśnej za pomocą teledetekcji i modelowania. Wyniki projektu „ForseenPOMERANIA” zrealizowanego w ramach współpracy polsko-niemieckiej. Monografia pod redakcją Jensa Schrödera. Eberswalde: Leśne Centrum Kompetencyjne Eberswalde, ss. 15-115.
  • LASY PAŃSTWOWE. 2016. Kornik w Puszczy. Available at: http://www.lasy.gov.pl/informacje/ aktualnosci/puszcza-bialowieska.
  • MÖCKEL, T., DALMAYNE, J., PRENTICE, H., C., EKLUNDH, L., PURSCHKE, O., SCHMIDTLEIN, S., HALL, K. Classification of Grassland Successional Stages Using Airborne Hyperspectral Imagery. Remote Sensing, 6(8), ss. 7732-7761.
  • PAL, M., MATHER, P., M. 2006. Some issues in the classification of DAIS hyperspectral data. International Journal of Remote Sensing 27 (14), ss. 2895-2916.
  • PALUCH, R. 2014. Tempo i kierunki zmian składu gatunkowego drzewostanów naturalnych w wybranych zbiorowiskach leśnych Puszczy Białowieskiej. Leśne Prace Badawcze, vol. 75 (4): 385-406.
  • RACZKO, E., ZAGAJEWSKI, B., OCHYTRA, A., JAROCIŃSKA, A., MARCINKOWSKA-OCHYTRA, A., DOBROWOLSKI, M. 2015. Określenie składu gatunkowego lasów Góry Chojnik (Karkonoski Park Narodowy) z wykorzystaniem lotniczych danych hiperspektralnych APEX. Sylwan, 159 (7), ss. 593-599.
  • SERPICO, S., MOSER, G. 2007. Extraction of Spectral Channels from Hyperspectral Images for Classification Purposes. IEEE Transactions On Geoscience And Remote Sensing, vol. 45, nr 2, ss. 484-495.
  • SOBCZAK, M. 2009. Hiperspektralna metoda badania i kartowania roślinności wysokogórskiej. Teledetekcja Środowiska, 41, p. 79-103.
  • SOKOŁOWSKI, A.W. 2004. Lasy Puszczy Białowieskiej. Centrum Informacyjne Lasów Państwowych, Warsaw.
  • VARSHNEY, P., ARORA, M., RAO, C. 2006. Signal Processing for Hyperspectral Data. IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings, vol. 15.
  • ZAGAJEWSKI, B. 2010. Podstawy metodyczne klasyfikacji danych hiperspektralnych. Teledetekcja Środowiska, 43, p. 23-37, Warsaw.
  • ZAGAJEWSKI, B., JAROCIŃSKA, A., OLESIUK, D. 2010. Metody i techniki badań geoinformatycznych. Warsaw University, Faculty of Geography and Regional Studies.
  • ZAGAJEWSKI, B., KOZŁOWSKA, A., KROWCZYŃSKA, M., SOBCZAK, M., WRZESIEŃ, M. 2005. Mapping high mountain vegetation using hyperspectral data. EARSeL eProceedings.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-ad69b614-6c71-48b8-9745-d12f16728e1e
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.