FRAS Nytt: Första artikeln publicerad!

Sammanfattning på svenska av Magnus examensarbete:

Sentinel-2 satelliterna möjliggör övervakning av terrestra ekosystem med hög temporal- och spektral upplösning. I denna studie utvärderas möjligheten att nyttja den fenologiska variationen för att klassificera Sveriges vanligaste trädslag på skogsfastigheten Remningstorp i Västra Götaland.

I denna studie användes ett multi-temporalt Sentinel-2 dataset för att klassificera gran (Picea abies), tall (Pinus silvestris), hybridlärk (Larix × marschlinsii), vårtbjörk (Betula pendula) och skogsek (Quercus rubur). Klassificeringsmetoden Random Forest (RF) användes för att utvärdera prestandan för olika kombinationer av fyra satellitbilder spridda över vegetationsperioden 2017. Recursive Feature Elimination (RFE) användes också tillsammans med RF för att hitta ett urval av band som bidrog mest till klassificeringens noggrannhet. Dessutom skapades spektrala kurvor för alla trädslag som komplement till klassificeringen och för att visualisera möjligheten att urskilja de mindre förkommande trädslagen på studieområdet.

Det multi-temporala datasetet innehållande alla satellitbilder (7 april, 27 maj, 9 juli och 19 oktober) resulterade i en noggrannhet på 86.4 %. Det är avsevärt bättre resultat än att endast använda enskilda satellitbilder (71.5 % – 79.4 %). Maj bilden var viktig då den alltid var med i den bästa modellen, oberoende av vilken av de andra satellitbilderna den kombinerades med.

Den bästa modellen från RFE resulterade i 87.6 % noggrannhet och innehöll 37 av 40 band. Enligt rankingen från RFE-modellen var de viktigaste banden alla band från maj-bilden utom det röda bandet samt SWIR 1–2 banden från april-, juli- och oktoberbilderna. Dessa resultat stärks av de spektrala kurvorna. Höga värden för "Producer's Accuracy" erhölls för gran, skogsek och vårtbjörk (90 %, 97.4 %, 95.6%), medan medelgoda värden erhölls för hybridlärk och tall (81.5 %, 73.7 %).