Acta Univ. Agric. Silvic. Mendelianae Brun. 2008, 56(5), 279-292 | DOI: 10.11118/actaun200856050279

SROVNÁNÍ VYBRANÝCH METOD DIGITÁLNÍ KLASIFIKACE DŘEVINNÉ SKLADBY Z LETECKÝCH SNÍMKŮ

Martin Gabzdyl
Ústav pro hospodářskou úpravu lesů Brandýs nad Labem, pobočka Frýdek-Místek, Nádražní 2811, 738 25 Frýdek-Místek, Česká republika

Tento článek popisuje srovnání automatické řízené klasifikace zastoupení lesních dřevin z leteckých snímků mezi jednotlivými programy, použitými pro klasifikaci. Tyto programy byly zastoupeny americkým softwarem Erdas Imagine 8.4, a českými produkty LuciaG 4.0 a TopoL DMT 6.014. Studie zobrazuje menší oblast hospodářského lesa s podílem čtyř nečastěji se vyskytujících dřevin - smrk, modřín, dub a jasan na zkoumaném území lesní oblasti v okolí Bystřice pod Hostýnem, Česká republika. Z důvodu méně kvalitně pořízených spektrozonálních snímků bylo nutné před vlastní klasifikaci provést jisté korekce v podobě zvýrazňovacích technik, a to Kernel Procesoru filtru Low-Frequency a High-Frequency, které patří mezi prostorové operace. Takto upravené letecké snímky sloužily pro vytvoření jednotlivých trénovacích množin, které byly následně použity v rámci jednotlivých klasifikačních metod řízené klasifikace u jednotlivých srovnávacích so warů. Vlastní klasifikace probíhala až na úroveň jedinců stromového druhu. Přesnost klasifikace byla stanovena porovnáním výsledků s referenčními údaji z terénních šetření.
Výsledkem je, že pro dřeviny dubu a jasanu měla nejlepší výsledky klasifikace v kombinaci s programem TopoL s klasifikací dle těžišť a kombinací signatury osluněné + neosluněné části korun se stínem agresivním.
Naopak pro dřeviny smrku a modřínu byla jako nejvhodnější klasifikace zjištěna kombinace so - waru Erdas Imagine s klasifikačním pravidlem vzdálenosti mahalanobis s kombinací signatur osluněná část koruny včetně jeho vrcholu s neosluněnou části spolu s okraji těchto korun s agresivním stínem.

letecké snímky, řízená klasifikace, dřevinná skladba, smrk, modřín, dub, jasan, Erdas, TopoL, LuciaG, geografické informační systémy, hospodářská úprava lesa

Comparison of the tree species select classification methods from aerial photo

This article describes a comparison of various programs for the automatic supervised classification used for identification of forest tree species representation from the aerial photographs. These programs were represented by American software Erdas Imagine 8.4, Czech products LuciaG 4.0 and TopoL DMT 6.014. The study displays a minor production forest area with proportion of four most frequently occurring tree species - spruce, larch, oak and ash in the research area of the forest region around Bystřice pod Hostýnem, the Czech Republic. For the reason of lower quality of spectrozonal photographs it was necessary to use some corrections; such as highlighting pen techniques, namely Kernel Processor Low-Frequency and High-Frequency filters, belonging to space operations. Photographs, modified in this way, served for a construction of individual training sets, which were consequently used within individual classification methods of directed classification in each comparative software. Self-classification took place at the level of a particular tree species. Classification accuracy was determined by comparison of results and reference data from the terrain research.
The outcome is, that the best classification for oak and ash was in combination with TopoL program, classification according to gravity centre and combination of solation + insolation signature of the treetop parts with an aggressive shade.
On the contrary, for spruce and larch was the best classification in combination with software Erdas Imagine, classification roles of intervals mahalanobis with combination of solation signature of the treetop parts, along these tree edges with an aggressive shade.

Keywords: aerial photo, supervised classification, species composition, spruce, larch, oak, ash, Erdas, TopoL, LuciaG, geographical information system (GIS), forest management

Received: October 26, 2007; Published: November 3, 2014  Show citation

ACS AIP APA ASA Harvard Chicago IEEE ISO690 MLA NLM Turabian Vancouver
Gabzdyl, M. (2008). Comparison of the tree species select classification methods from aerial photo. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 56(5), 279-292. doi: 10.11118/actaun200856050279
Share...
Download citation
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Open full article

    References

    1. ARNUP, R., 1996: Predicting the abundance of advance growth in black spruce forests in northeastern Ontario: an aerial photograph interpretive key, NODA Notes. No. 23, 4 pp. ERDAS Field Guide. Erdas, Inc., 1994, Atlanta
    2. HÁJEK, F., 2006: Object-oriented classification of Ikonos satellite data for the identification of tree species composition, Journal of Forest Science, 52, 2006 (4): 181-187, Prag DOI: 10.17221/4500-JFS Go to original source...
    3. HOLOPAINEN, M., WANG-GUANGXING, 1998: Accuracy of digitized aerial photographs for assessing forest habitats at plot level, Scandinavian Journal of Forest Research., 13: 4, 499-508 DOI: 10.1080/02827589809383011 Go to original source...
    4. JENSEN, J. R., 1996: Introductory Digital Image Processing. A remote sensing perspective. Prentice Hall, London, Sydney, Toronto
    5. LEJEUNE, P., LECOMTE, H., PREVOT, H., 1993: Use of GIS in forest resources management: application to a regional forest inventory. Bulletin des Recherches Agronomiques de Gembloux., 28, 2-3, 275-286
    6. PITT, D. G., GLOVER, G. R., JONES, R. H., 1996: Two-phase sampling of woody and herbaceous plant communities using large-scale aerial photographs, Canadian Journal of Forest Research. 26: 4, 509-524 DOI: 10.1139/x26-059 Go to original source...
    7. SCHNOKLAKE, S., AKCA, A., 1998: Possibilities and constraints of a simple analysis of aerial photographs, AFZ-Der-Wald, Allgemeine Forst Zeitschrift fur Waldwirtschaft und Umweltvorsorge. 53: 24, 1452-1453
    8. SPELLMANN, H., 1987: Forest classification, digital stand mapping and computation of area with the aid of aerial photography. Plant Research and Development. 25: 69-84; ORS. Transl. from Forstarchiv, 56(5) 186-190
    9. TUČEK, J., 1998: GIS Geografické informační systémy, Principy a praxe, Computer Press, Brno
    10. UUTTERA, J., HAARA, A., TOKOLA, T., MALTAMO, M., 1998: Determination of the spatial distribution of trees from digital aerial photographs, Forest Ecology and Management. 110: 1-3, 275-282 DOI: 10.1016/S0378-1127(98)00292-8 Go to original source...
    11. ZHOU, H. Z., 1986: Application of information theory to aerial-photograph interpretation. Journal of North East Forestry University. China. 14:4, 36-41

    This is an open access article distributed under the terms of the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY NC ND 4.0), which permits non-comercial use, distribution, and reproduction in any medium, provided the original publication is properly cited. No use, distribution or reproduction is permitted which does not comply with these terms.


    Return to the content