Uporaba večsenzorskih časovnih vrst satelitskih posnetkov za spremljanje stanja gozdov v izbranih ekoloških regijah SlovenijePotočnik Buhvald, Ana (Avtor) Oštir, Krištof (Mentor) Skudnik, Mitja (Komentor) Grigillo, Dejan (Član komisije za zagovor) Kobler, Andrej (Član komisije za zagovor) Marsetič, Aleš (Član komisije za zagovor) doktorske disertacijegrajeno okoljedaljinsko zaznavanječasovne vrsteSentinel-1Sentinel-2koherencaPlanetScopeklasifikacija drevesnih vrstdaljinsko zaznana fenologijazaznavanje nenadnih spremembgozdne motnjePythonDoktorska naloga raziskuje uporabo večsenzorskih časovnih vrst satelitskih posnetkov za spremljanje stanja gozdov v izbranih ekoloških regijah Slovenije. V ospredju je kombinacija optičnih (Sentinel-2, PlanetScope) in radarskih (Sentinel-1) podatkov produkta koherenca za kartiranje drevesnih vrst, analizo daljinsko zaznane fenologije ter zaznavanje nenadnih sprememb, kot so poseki in naravna mortaliteta dreves. Raziskava se osredotoča na obdobje 2017–2021. Osrednja tema doktorske naloge je razvoj metodologije za letno kartiranje drevesnih vrst s časovnimi vrstami satelitskih posnetkov. Pri tem najboljše rezultate dosežemo z uporabo optičnih časovnih vrst Sentinel-2 (90-% klasifikacijska točnost), čemur sledijo kombinirane večsenzorske časovne vrste produkta koherence in optične časovne vrste (89-% klasifikacijska točnost), medtem ko s samo časovno vrsto koherence izbrane drevesne vrste ločimo s približno 75-% klasifikacijsko točnostjo. Rezultati klasifikacije predstavljajo temelj za analizo sezonskih sprememb, daljinsko zaznane fenologije ter nenadnih sprememb, vključno s poseki in naravno mortaliteto. Rezultati daljinsko zaznane fenologije kažejo, da so pri napovedovanju ključnih fenoloških faz začetka (SOS) in konca (EOS) rastne sezone najpomembnejši spektralni indeksi, ki temeljijo na spektralnih kanalih rdečega roba, bližnje infrardeče in kratko valovne infrardeče svetlobe, predvsem IRECI, EVI, EVI2, SAVI, ARVI in kNDVI. Pri zaznavanju nenadnih sprememb sta ključna indeksa NBSI in NDVI, saj najbolje odražata degradacijo vegetacije in spremembe v gozdnem ekosistemu. Napadov lubadarja z uporabo obstoječih satelitskih podatkov (Sentinel-1, Sentinel-2 in PlanetScope) ni mogoče pravočasno identificirati v zgodnji fazi, lahko pa z njimi v kombinaciji s podatki in situ pripravimo kakovosten nabor podatkov, ki omogoča kasnejšo implementacijo naprednih metod, kot so konvolucijske nevronske mreže (CNN), v kombinaciji z dodatnimi podatkovnimi viri, kot so hiperspektralni posnetki.[A. Potočnik Buhvald]20252025-07-02 15:27:22Doktorsko delo/naloga170213sl