DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagođeno pretraživanje po punom tekstu




ŠUMARSKI LIST 1-2/2018 str. 70     <-- 70 -->        PDF

metode ili pogrešno definiran uzorak kod nadzirane klasifikacije mogu dovesti do značajnih pogrešaka u klasifikaciji. Takav postupak povlači za sobom i daljnje pogreške u uporabi tako klasificiranih snimki (Avery i Berlin 1992).
Satelitske snimke s visokom razlučivosti omogućuju istraživanje krajolika na lokalnim i regionalnim razinama. Snimke razlučivosti < 0,5 m često se koriste za analizu urbanog rasta i razvoja prometa. Multispektralni kanali omogućuju povećanu spektralnu razlučivost koja se može koristiti za daljnje analize i klasifikaciju okolišnih uvjeta, pokrova zemljišta i detekciju promjena te način na koji urbani rast i razvoj prometa utječu na te uvjete (Pellikka i sur. 2004).
Analiza satelitskih snimki služi za brzi, precizni i pouzdani pregled te se često koristi za kvantitativnu procjenu zelene vegetacije i dobivanje karakteristika tla. Metode multispektralne analize snimki koriste različite spektralne odazive raznih objekata (voda, golo tlo, vegetacija, umjetni objekti) u različitim spektralnim kanalima. Različiti objekti posjeduju različite spektralne odazive u različitim kanalima, primjerice tlo ima konstantnu krivulju između različitih kanala, dok vegetacija ima strm uspon između crvenog i blizu infracrvenog (engl. near-infrared, NIR) kanala. Slične karakteristike postoje i kod ostalih objekata, primjerice indikacije, kao što je NDVI (engl. Normalized difference Vegetation Index). Vrijednost refleksije zdrave vegetacije je veća od 50 % u blizu-infracrvenom kanalu, dok je ta refleksija u crvenom kanalu manja od 10 %. S druge strane refleksija duboke vode vrlo je loša u vidljivom i blizu infracrvenom spektru (Jones i Vaughan 2010).
Shridhar i Alvarinho (2013) su testirali velik broj algoritama za izoštravanje snimaka na snimkama visoke rezolucije. Uspoređivali su algoritme da bi odredili kako pojedini algoritam statistički i vizualno mijenja satelitsku snimku. S druge strane Johnson (2014) je proučavao utjecaj algoritama za fuziju snimki na vrijednosti vegetacijskog indeksa i zaključio je kako se izoštravanjem vegetacijskih indeksa gubi veliku količinu prostornih podataka.
U ovom radu analiziran je utjecaj metoda fuzije snimki na klasifikaciju. Analizirani su rezultati klasifikacije snimki s naglaskom na promjenu površine svake klase. Hipotezu rada čini pretpostavka da će se obradom satelitskih snimki postojećim metodama fuzije  prikupiti nove informacije  Cilj rada je usporedba utjecaja metoda fuzije snimki na promjenu rezultata nenadzirane klasifikacije koristeći vegetacijske indekse.
MATERIJALI I METODE
MATERIAL AND METHODS
Za provjeru kvalitete fuzije snimki koristilo se područje šume Česma. Šuma Česma se nalazi u kontinentalnom dijelu Republike Hrvatske u blizini grada Čazme (slika 1).
Šuma Česma izabrana je spada u zaštićeno područje od 1982. godine i predstavlja posebni rezervat šumske vegetacije.  Šuma se prostire na 48,53ha u kojma se nalaze šumske zajednice hrasta lužnjaka i običnog graba. Prosječna starost šumske zajednice procjenjuje se na oko 130 godina (Vela i sur. 2017).
Landsat 7 – Landsat 7
Satelitska misija Landsat najdugovječniji je program za prikupljanje satelitskih snimki Zemlje. Započeo je lansiranjem satelita 23. srpnja 1972. Podaci se koriste u agronomiji, kartografiji, geologiji, šumarstvu, regionalnom planiranju, nadzoru i školstvu (Williams i sur. 2006).