Hodnocení zdravotního stavu lesních porostů v České republice pomocí satelitních dat Sentinel-2

0499806 - ÚVGZ 2019 RIV CZ cze L3 - Certified Methodologys
Lukeš, Petr - Strejček, R. - Křístek, Š. - Mlčoušek, M.
Hodnocení zdravotního stavu lesních porostů v České republice pomocí satelitních dat Sentinel-2.
[Forest health assessment in Czech Republic using Sentinel-2 satellite data.]
Internal code: 978-80-88184-21-8 ; 2018
Technical parameters: Metodika byla certifikována Ministerstvem zemědělství dne 8.10.2018 pod číslem 57233/2018-MZE-16222/M165. Odpovědná osoba pro vydání osvědčení: Ing. Tomáš Krejzar, Ph.D.
Economic parameters: Výstupy metodiky hodnocení zdravotního stavu mají značný potenciál pro systematický monitoring (nejen) smrkových porostů v České republice na úrovni lesních porostů. Kromě podkladů pro státní správu a samosprávu předpokládáme i jejich využití v oblasti vědy a výzkumu, kde jako volně dostupný certifikovaný podklad mohou snížit náklady spojené s vyhotovením takového monitoringu jinými metodami v rámci jednotlivých projektů případně studií. Pro vlastníky lesů představuje druhotný ekonomický aspekt přijímání vhodných opatření na základě hodnocení vývoje zdravotního stavu konkrétních lesních porostů (snížit náklady např. na výchovu v nevhodných porostech, lépe odhadnout vývoj objemu kalamitního dříví pro jednání se zpracovatelským řetězcem apod.).
Certifying body: Ministerstvo zemědělství. Certificate issue date: 08.10.2018
R&D Projects: GA ČR(CZ) GJ17-05608Y
Institutional support: RVO:86652079
Keywords : forests * health status * satellite data * Sentinel-2 * leaf area index * monitoring
OECD category: Forestry
http://www.uhul.cz/kdo-jsme/aktuality/867-hodnoceni-zdravotniho-stavu-lesnich-porostu-v-ceske-republice-pomoci-satelitnich-dat-sentinel-2

Předkládaná metodika má za cíl navrhnout komplexní systém celoplošného hodnocení zdravotního stavu lesních porostů České republiky na základě analýzy satelitních dat Sentinel2. Metodika řeší celý proces od zpracování zdrojových satelitních dat pomocí zcela nového přístupu založeného na využití všech dostupných satelitních pozorování a jejich zpracování do formy bezoblačných mozaik České republiky za využití přístupu analýzy velkých dat. V
následném kroku jsou produkty odvozené z těchto bezoblačných mozaik (vegetační indexy a jiné analýzy obrazu) porovnány s rozsáhlou databází pozemního šetření zdravotního stavu lesních porostů (hodnoty indexu listové plochy vzorkované v rámci vývoje metodiky - dále LAI, databáze defoliací porostů ICPForests, hyperspektrální letecká data pro vybrané zájmové území, globální databáze detekce těžby). Pro produkty s nejlepším vztahem k pozemním hodnotám indexu listové plochy je vyvinut predikční statistický model zisku hodnot LAI ze satelitních dat. Zdravotní stav porostů je hodnocen na základě sledování meziroční změny hodnot LAI pro bezoblačné mozaiky generované v maximu vegetační fáze vegetace, kde jsou jednotlivé pixely zařazeny do čtyř tříd zdravotního stavu dle míry růstu či poklesu LAI ve sledovaném období. Finální hodnocení zdravotního stavu je aplikováno na úrovni katastrálních území, kde je každé katastrální území zařazeno do čtyř tříd zdravotního stavu na základě procentického zastoupení porostů nejnižší třídy zdravotního stavu (výrazný pokles LAI) k celkové lesnatosti porostů do 80 let věku.

This methodology aims to design a comprehensive system of nationwide assessment of the state of health of the Czech Republic based on Sentinel-2 satellite data analysis. The methodology addresses the entire process from the pre-processing of source satellite data using a novel approaches based on analysis of all-available satellite observations and their processing in the form of cloud-free mosaics of the Czech Republic using big data approach. In the next step, the products derived from cloud-free mosaics (vegetation indexes and other image analysis) are compared against extensive database of ground survey of forest health status (values of the leaf area index sampled as part of the development of the methodology - further denoted as LAI, database of tree defoliation ICPForests, airborne hyperspectral data acquired for selected study area, global forest losses database). For products with the best relationship to in-situ data, a predictive statistical model to yield LAI from satellite observations is developed. Forest health status is evaluated on the basis of yearly changes of the LAI values for cloud-free mosaics generated in the vegetation maximum. Individual pixels are classified into four health classes according to LAI growth rate or decrease in the observed period. The final assessment of the state of health is applied at the cadastral level, where each cadastral area is classified into four health classes based on the fraction of the lowest health status stands with significant LAI decrease to the total forest cover for stands up to 80 years of age
Permanent Link: http://hdl.handle.net/11104/0291991