Uporaba večsenzorskih časovnih vrst satelitskih posnetkov za spremljanje stanja gozdov v izbranih ekoloških regijah Slovenije

doktorska disertacija

Ana Potočnik (Avtor), Krištof Oštir (Mentor), Dejan Grigillo (Član komisije za zagovor), Andrej Kobler (Član komisije za zagovor), Aleš Marsetič (Član komisije za zagovor), Mitja Skudnik (Komentor)

Povzetek

Doktorska 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.

Ključne besede

doktorske disertacije;grajeno okolje;daljinsko zaznavanje;časovne vrste;Sentinel-1;Sentinel-2;koherenca;PlanetScope;klasifikacija drevesnih vrst;daljinsko zaznana fenologija;zaznavanje nenadnih sprememb;gozdne motnje;Python;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2025
Tipologija:	2.08 - Doktorska disertacija
Organizacija:	UL FGG - Fakulteta za gradbeništvo in geodezijo
Založnik:	[A. Potočnik Buhvald]
UDK:	528.8:551.506.8:630(497.4)(043.3)
COBISS:	241365251
Št. ogledov:	232
Št. prenosov:	112
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Use of Multisensor Time Series of Satellite Imagery for Monitoring Forest Conditions in Selected Ecological Regions of Slovenia
Sekundarni povzetek:	This doctoral dissertation investigates the use of multi-sensor satellite image time series for forest monitoring in selected ecological regions of Slovenia. The research focuses on integrating optical (Sentinel-2, PlanetScope) and radar (Sentinel-1) data—specifically coherence products—for tree species mapping, remote sensing-based phenology analysis, and the detection of abrupt disturbances such as logging and natural tree mortality. The study covers the 2017–2021 period. The primary objective of the dissertation is to develop a methodology for annual tree species mapping using satellite image time series. The best classification accuracy (90%) is achieved with Sentinel-2 optical time series, followed closely by fused multi-sensor coherence and optical time series (89%). In contrast, using coherence time series alone results in a lower classification accuracy of approximately 75%. The classification outputs form the basis for analysing seasonal dynamics, remote sensing-derived phenology and abrupt forest disturbances, including logging and natural mortality events. The phenology results show that spectral indices based on red-edge, near-infrared (NIR) and shortwaveinfrared (SWIR) spectral bands—particularly IRECI, EVI, EVI2, SAVI, ARVI, and kNDVI—are the most informative for predicting key phenological stages, such as the start (SOS) and end (EOS) of the growing season. For detecting sudden disturbances, the NBSI and NDVI indices are particularly valuable as they most effectively capture vegetation degradation and changes in forest ecosystem condition. Bark beetle infestations cannot be reliably detected in their early stages using currently available satellite data (Sentinel-1, Sentinel-2, and PlanetScope). However, these data, when combined with in situ observations, can serve as a valuable training dataset for the future implementation of advanced approaches such as convolutional neural networks (CNNs), particularly when supplemented with additional data sources such as hyperspectral imagery.
Sekundarne ključne besede:	built environment;remote sensing;time series;coherence;tree species classification;land surface phenology;abrupt change detection;forest disturbance;Gozdovi;Disertacije;Satelitski posnetki;Slovenija;
Vrsta dela (COBISS):	Doktorsko delo/naloga
Komentar na gradivo:	Univ. v Ljubljani, Fak. za gradbeništvo in geodezijo
Strani:	XLVIII, 252 str.
ID:	26726596