Hodnocení úspěšnosti obnovy lesních porostů prostřednictvím dat pořízených bezpilotním letounem

MENDELOVA UNIVERZITA V BRNĚ Lesnická a dřevařská fakulta Ústav hospodářské úpravy lesů a aplikované geoinformatiky

Hodnocení úspěšnosti obnovy lesních porostů prostřednictvím dat pořízených bezpilotním letounem BAKALÁŘSKÁ PRÁCE

2014/2015

Tomáš Driml

Čestné prohlášení Prohlašuji, že jsem práci: Hodnocení úspěšnosti obnovy lesních porostů prostřednictvím dat pořízených bezpilotním letounem zpracoval samostatně a veškeré použité prameny a informace uvádím v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b Zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací.

Jsem si vědom, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity a zavazuji se uhradit případný příspěvek na úhradu nákladu spojených se vznikem díla, a to až do jejich skutečné výše. V Brně, dne 28. 4. 2015

Poděkování Tímto děkuji vedoucímu mé bakalářské práce Ing. Přemyslu Janatovi, Ph.D. za vedení i odborné konzultace a Ing. Jitce Fialové, MSc, Ph.D. za rady k formální úpravě práce. Dále děkuji partnerce a rodině za podporu.

Abstrakt Tomáš Driml: Hodnocení úspěšnosti obnovy lesních porostů prostřednictvím dat pořízených bezpilotním letounem Bakalářská práce se zabývá hodnocením úspěšnosti obnovy lesního porostu na zájmové ploše ve Vojenském újezdu Březina. V úvahu jsou brána hodnotící kritéria spadající do možností dat takto pořízených. Hodnocení je zaměřeno především na rovnoměrné rozmístění stromků na obnovené ploše. V úvodní části práce jsou uvedeny základy k bezpilotním letounům a získávání dat pomocí bezpilotních letounů. Poté je představeno jejich hlavní využití v lesnictví, nashromážděná data a charakteristiky týkající se zájmové plochy a tématu práce. V další části práce jsou data zpracována, analyzována a představeny výsledky. Jako vhodné se tedy jeví hodnocení obnovy, například smrkových porostů, na základě rovnoměrnosti rozmístění vylišených stromků. Klíčová slova GIS, UAV, UAS, ArcGIS, DPZ, lesnictví, hodnocení obnovy, fotogrammetrie

Abstract Tomáš Driml: The review of the forest recovery through data acquired drone This thesis deals with the review of success of the forest recovery on the area of interest situated in the Military domain Březina. The thesis highlights criteria within possibilities of data acquired this way. The review is focused primarily on the uniform distribution of trees of the area. Firstly, UAV basics and acquiring data are described. The main use of drones in forestry, gathered data and characteristics of the area are presented in the next. Then the data is processed, analyzed, and the results are presented. This recovery review can be useful for example in the spruce forests by the uniformity of distribution of detected trees. Keywords GIS, UAV, UAS, ArcGIS, remote sensing, forestry, recovery review, photogrammetry

OBSAH 1

ÚVOD................................................................................................................... 8

2

CÍL PRÁCE ........................................................................................................ 9

3

TEORETICKÁ VÝCHODISKA ..................................................................... 10 3.1

ZÁKLADY BEZPILOTNÍCH ZAŘÍZENÍ .............................................................................................. 10

3.2

UAV FOTOGRAMMETRIE .............................................................................................................. 14

ZÍSKÁVÁNÍ PODKLADOVÝCH DAT ........................................................ 17

4 4.1

METEOROLOGICKÉ A SVĚTLENÉ PODMÍNKY ................................................................................. 17

4.2

PŘÍPRAVA A PLÁN LETU ................................................................................................................ 19

4.3

PRŮBĚH SNÍMKOVÉHO LETU ......................................................................................................... 22

UAV V DNEŠNÍM LESNICTVÍ ..................................................................... 24

5 5.1

VYUŽITÍ JAKO HLÍDAČE A MONITORINGU EROZÍ ........................................................................... 24

5.2

VYUŽITÍ V BOJI PROTI ŠKŮDCŮM .................................................................................................. 25

5.3

URČENÍ STROMŮ TRPÍCÍCH NEDOSTATKEM VODY......................................................................... 26

ZPRACOVÁNÍ DAT ........................................................................................ 27

6 6.1

CHARAKTERISTIKA LOKALITY A PODKLADOVÝCH DAT ................................................................ 27

6.2

KRITÉRIA PRO HODNOCENÍ ZAJIŠTĚNOSTI KULTUR A POTŘEB VYLEPŠOVÁNÍ ................................ 31

6.3

UŽITÝ SOFTWARE ......................................................................................................................... 33

6.4

TVORBA ORTOMOZAIKY ............................................................................................................... 34

6.5

ANALYTICKÉ POSTUPY ................................................................................................................. 35

7

VÝSLEDKY ...................................................................................................... 42

8

DISKUZE .......................................................................................................... 44

9

ZÁVĚR .............................................................................................................. 46

10

SUMMARY ....................................................................................................... 47

11

SEZNAM POUŽITÝCH ZKRATEK, DALŠÍCH FREKVENTOVANĚ UŽITÝCH TERMÍNŮ A DEFINIC ................................................................ 48

12

SEZNAM POUŽITÉ LITERATURY A ZDROJŮ........................................ 50

13

PŘÍLOHY .......................................................................................................... 53

1 Úvod Na přelomu tisíciletí došlo k velkému pokroku v oblasti bezpilotních letounů. Po celém světě probíhají průzkumy, jak je možné tyto letouny využívat, aby nám usnadnily práci při rozhodování, plánování a správě přírodních zdrojů. Práce, jež držíte v rukou, na těchto základech staví a zabývá se možnostmi hodnocení úspěšnosti obnovy lesních porostů a to především pro lesnické a krajinářské využití. UAV fotogrammetrie se začala rozmáhat s rozvojem výpočetní techniky a na ni vázaného softwaru. Tak vznikla výhoda rychlosti zpracování dat a relativně levný způsob jejich získání bezpilotními letouny. Celkově je zaznamenán růst v používání bezpilotních zařízení, začínají být finančně dostupnější. Ekonomická stránka ale není jedinou výhodou. UAV kombinuje silné stránky satelitního a pozemního snímkování, při korektním procesu získávání dat generuje přesné výsledky s rozlišením povrchu řádově v centimetrech až milimetrech.

„S krajinami je to jako s lidmi, nikdy je úplně nepoznáme. Každý člověk a každá krajina mohou za určitých okolností projít všemi fázemi, od té nejubožejší ošklivosti až po tu nejvznešenější krásu.“ Christian Morgenstern

8

2 Cíl práce Za cíl práce bylo zvoleno zhodnocení úspěšnosti obnovy lesního porostu na základě dat pořízených prostřednictvím bezpilotního letounu, jako ekvivalentu přesnosti a úspory času. Rozsah možností a tedy i výsledků je dán použitým letounem a nesenými senzory. S ohledem na jejich technické parametry bylo pak určující, jaká kritéria z pohledu lesního hospodaření budou pro studii podstatná. Hlavní hypotéza se zabývá rovnoměrností rozmístění stromků na uměle obnovené zájmové ploše a to po jejich vylišení v analytických programech. Patrný význam tu má snímkování nejen za různého počasí ale i v různých obdobích. Snímky byly proto pořízeny za optimálních světelných a meteorologických podmínek v jarním i letním období.

9

3 Teoretická východiska Často se v poslední době můžeme setkat s pojmy jako bezpilotní letoun či bezpilotní letadlo pod zkratkou UAV (Unamenned Aerial Vehicle) a bezpilotní systém pod zkratkou UAS (Unmanned Aerial System) označující nejen samotné letadlo, ale i řídící stanici a další nezbytné prvky umožňující let (Letecký předpis - pravidla létání L2. Dle ustanovení § 102 zákona č. 49/1997 Sb.). Používání těchto relativně nových pojmů je zatím neustálené a často jsou v praxi zaměňovány. Například Pavelka (2013) zmínil, že UAV neoznačuje pouze létající model. Název zahrnuje i další komponenty: kontrolní stanice s pilotem, software, komunikační přenosová soustava, nesené vybavení a potřebné vybavení pro obsluhu a údržbu.

3.1 Základy bezpilotních zařízení Bezpilotní letouny či bezpilotní systémy jsou realitou, jež má nemalé předpoklady využití v budoucnosti. Jak uvádějí Horcher a Visser (2004), s rozvojem technologií a klesajícími náklady se bezpilotní letouny stávají stále obvykleji využívanými v mnoha oblastech ať už vojenských, vědeckých či soukromých. Byl zaznamenán značný pokrok hlavně v takových technologiích spojených s bezpilotními letouny jako řídicí systémy, digitální fotografie, odolnost a spolehlivost letadel, kapacita baterií a podobně. Doplňuje jej i Miřijovský (2013) tím, že v dnešní době je naprosto běžné používat v geovědním výzkumu data dálkového průzkumu Země (DPZ). Jde o neustále se rozvíjející obor, který nachází uplatnění v mnoha oblastech a odvětvích, ať už vědecké či komerční sféry. Bezpilotní letouny dnes existují v mnoha velikostech, ty nejmenší se vejdou do dlaně, největší jsou srovnatelné s klasickými letadly. Není snadné přesně klasifikovat, co už bezpilotní letoun je, jednodušší je vymezit hranice, co už mezi bezpilotní letouny nepatří. Obecně lze však tyto letouny rozdělit na mikro UAVy podobné hmyzu, mini UAVy o vzletové hmotnosti zhruba 2 až 10 kg, malé UAVy přibližně od 10 do 40 kg, dále taktické a HALE UAVy s možností létat v mnohonásobně vyšších nadmořských výškách a zaměřené na dlouhou výdrž (HORCHER a VISSER, 2004). Rozmanitost bezpilotních letounů je dána také vývojem bojové scény. Mnoho v dnešní době běžně využívaných technologií bylo vytvořeno především pro vojenské účely, například laser

10

pro určování vzdáleností, radiové dorozumívání, GPS a na něj navazující geoinformační systémy (RUMSFELD, 2003). Bezpilotní letouny jsou často vlastněny a provozovány komerčními subjekty, volné stažení jimi pořízených dat z internetu je zatím spíše vyjímkou. Cena takových dat se odvíjí v závislosti na rozloze požadovaného území a typu použitého přistroje a samozřejmě provozovateli (PAVELKA, 2013). 3.1.1 Platformy Dělení UAV platforem lze formulovat z mnoha hledisek. Nejzákladnější je dělení dle toho, zda jde o motorový model nebo nemotorový. Následující výpis reprezentuje platformy pro vědecké použití. 3.1.1.1 Draci Drak je platforma, která byla použita jako jedna z prvních pro SFAP (ABER, 2010). Draci byli používáni pro snímkování už v 19. století. S rozvojem ostatních, technicky pokročilejších platforem, se jim nevěnovala taková pozornost. V dnešní době, tedy přibližně od 90. let, se k nim znovu výzkum vrací a používají se pro snímkování. Draci se aplikují v oborech jako geomorfologie, lesnictví, architektura, a podobně. Jejich používání je však omezeno rozlohou snímkovaného území a rychlostí větru a to minimálně 4 m/s (ABER, 2010). 3.1.1.2 Balóny Tato platforma je vhodná na méně rozlehlé oblasti. Jedná se například o archeologické lokality, erozní lokality. Jelikož jde o nemotorový prostředek, nabízí se jako levnější varianta, navíc bez vibrací, jež jsou stále nevýhodou motorových systémů. Pokud se ale balón či vzducholoď napustí héliem, není možné model převážet na jinou zájmovou plochu, což vylučuje aplikace, kde se vyžaduje časté snímkování (MIŘIJOVSKÝ, 2013). 3.1.1.3 Vrtulníky a multirotorové systémy Vrtulník dokáže setrvat ve vzduchu na jednom místě a nepotřebuje vítr. Je však náročný na obsluhu, ovládání vyžaduje dlouhou praxi. Cena je v tomto případě vyšší, může být i více než 1 milion korun. V takové cenové relaci lze ale počítat s nejnovějším vybavením pro automatickou pilotáž a navigaci. 11

Multirotorové systémy jsou záležitostí přibližně posledních pěti let. Spojují klady vrtulníku, zároveň nabízí snazší manipulaci. Multirotorový systém funguje na obdobném principu jako vrtulník, nevyžaduje však zadní vrtuli kompenzující rotaci kolem svislé osy, čímž je usnadněna pilotáž. Zde je využito několika vrtulí, většinou 4 až 8, ke každé náleží motor s vertikálním tahem a stabilita je zajištěna rozdílnými otáčkami jednotlivých motorů (MIŘIJOVSKÝ, 2013). Vyruší se tedy reakční momenty od rotorů a model setrvává v klidovém stavu (PAVELKA, 2013). 3.1.1.4 Letadla Letadla jsou pro snímkování rozšířenou skupinou. Vysoká rychlost letu však znemožňuje exponování s delším časem a dochází často k vibracím, proto znamenají jistá omezení pro fotogrammetrické účely. 3.1.2 Historický vývoj Možnosti UAV platforem jsou v zahraničí i u nás často probírány, v tuzemsku je však užívání stále podhodnocené. Často šlo až do současnosti o amatérské létání a snímkování pro vlastní potřebu. První pokusy s UAV modely se datují na počátek 20. století. Použití motorových modelů s pevným křídlem sahá do 70. let. V roce 1979 se tak zkoušelo mapovat archeologické lokality, výsledky byly ale značně ovlivněny vibracemi motoru a nízkou rychlostí modelu, a to 11 m/s. Hlavně vibrace motoru jsou i dnes často řešeným problémem (MIŘIJOVSKÝ, 2013). V Československu se o pokrok v této oblasti zasloužil Geografický ústav ČSAV v Brně. Šlo například o multispektrální komoru, která ve své době neměla ve světě obdoby. S použitím speciálních filmů byl umožněn přesah i do infračervené části spektra. V devadesátých letech je zaznamenáno pozastavení rozvoje. Poté s možností použití IMU jednotek a GPS čipů stoupá o UAV zájem, ve vědecké sféře přibývá studií nejen s řešením dílčích problémů, ale i vzniklou možností konkrétní aplikace. Také data lze sofistikovaněji využít na pokročilých počítačích pro tvorbu 3D modelů terénu či povrchu. Nyní se letouny začínají objevovat v armádě, ekologii, lesnictví i zemědělství jako běžná součást mapování. 3.1.3 Legislativa provozu Druhá polovina 20. století byla významná ve smyslu změn v zákoně pro civilní letectví, dříve označovaný letecký zákon, a o utajovaných skutečnostech. Od 70. let došlo 12

v tomto ohledu ke zmírnění legislativy, což otevřelo bránu snímkování s UAV platformami pro vědecké účely (KOLEJKA, PLÁNKA, TRNKA, 2001). Období přísného utajování naštěstí pominulo osamostatněním České Republiky a je možné snímkovat vše, co není výslovně zakázáno. Bezpilotní provoz bylo v legislativě dlouho opomíjené téma. Do 29. 2. 2012 šlo vždy o bezpilotní model, který nepodléhal registraci. To se týkalo jakýchkoli letounů do 20 kg. Platnost Doplňku X leteckého předpisu L2 to ale od 1. března 2012 změnila. Český zákoník rozlišuje 4 úrovně, nebo také hladiny, leteckého prostoru. Hladiny jsou vymezeny ve stopách. Sousední státy mají letové hladiny vymezené odlišně. Tato skutečnost se bere v potaz při snímkování v blízkosti státních hranic (Letecký předpis pravidla létání L2. Dle ustanovení § 102 zákona č. 49/1997 Sb.).

Obr. 1 Vlevo: letové třídy v ČR, vpravo: letové třídy sousedních států Zdroj: PARAGLIDING-4U (2015).

UAV smí využívat pouze prostor třídy G, jak lze spatřit na Obr. 1, jde tedy o prostor do 300 m nad terénem a to výhradně za viditelnosti. Aby byla zajištěna bezpečnost celého letového provozu, lze bez povolení létat v třídě G pouze mimo oblast provozní letištní zóny (ATZ) a mimo oblasti řízeného okrsku letiště (CTR). V případě, že let zasahuje do provozní letištní zóny neřízeného letiště, ale jsou splněny podmínky stanovené provozovatelem letiště, je možné zde létat s podmínkou koordinace s letištní letovou informační službou (AFIS) nebo s provozovatelem letiště, není-li AFIS poskytována (Letecký předpis - pravidla létání L2. Dle ustanovení § 102 zákona č. 49/1997 Sb.). Pokud let zasahuje do řízeného okrsku letiště, ale výška letu nepřesahuje 100 m nad terén a zároveň je horizontální vzdálenost od vztažného bodu letiště vetší než 5 500 m, nevyžaduje se stálé obousměrné spojení se stanovištěm letového řízení ani letové

13

povolení (Letecký předpis - pravidla létání L2. Dle ustanovení § 102 zákona č. 49/1997 Sb.). Příslušné povolení je vyžadováno také na určitých místech, jako například nebezpečné či vyhrazené prostory. Informace o aktuálním využití letového prostoru lze nalézt buď v mapové aplikaci Řízení letového prostoru poskytující mapu ICAO, nebo v Plánu využití vzdušného prostoru (MIŘIJOVSKÝ, 2013). Zvýšenou pozornost je doporučeno věnovat v případě letu v území národních parků, chráněných krajinných oblastí a podobně, kde je potřeba získat povolení k letu u daného správního orgánu. Může být vyžadováno zvláštní povolení, jedná-li se o ochranu vegetace, živočichů, vodních zdrojů nebo životního prostředí. V zahraničí může být zakázáno fotografovat určité veřejné budovy, vojenské objekty, přírodní rezervace nebo elektrárny (ABER, 2010). Proto je vhodné se včas seznámit s místní legislativou upravující letový provoz a použití bezpilotních letounů. Vyřízení povolení k letu a dalších náležitostí pak může trvat i měsíce, řeší se tedy již v přípravné fázi nasazení UAV (MIŘIJOVSKÝ, 2013).

3.2 UAV fotogrammetrie 3.2.1 Východiska Stejně jako v jiných oborech je možné i v UAV fotogrammetrii stanovit základní požadavky na výkon činností. Těmito byly stanoveny letecký nosič, kalibrovaná komora, fotogrammetrický software a obslužný proškolený personál. V následujících podkapitolách je z důvodu užšího zaměření této studie stručně popsán letecký nosič a fotogrammetrický software. 3.2.1.1 Letecký nosič Letecký nosič neboli model je základní částí systému. Existují různé dle kladených požadavků a liší se ve vlastnostech jako stabilita, nosnost, váha, která se podílí na další vlastnosti a tou je doba letu. Pro tuto studii byl použit šestirotorový nosič DJI S800. Konkrétní údaje o něm i použité kalibrované komoře budou blíže popsány v praktické části práce. Multirotorový systém obvykle disponuje čtyřmi, šesti nebo osmi vrtulemi; každé je přidělen samostatný motor. Kostru systému tvoří rám, většinou z hliníkových profilů, 14

které se k sobě montují pomocí šroubů. Na rámu umístěné motory jsou od sebe ve vzdálenosti 35 až 60 cm. Princip letu je relativně jednoduchý. Multikopter má dva směry rotací, přičemž sousedící vrtule mají vždy opačný směr. Tím je zajištěna stabilita, při stejném tahu všech motorů tak setrvává systém na daných souřadnicích a výšce. Pro let do daného směru již vrtule nebudou v rovnováze. Například pro let vzad zvýší svůj tah přední vrtule, zařízení se mírně nakloní a začne se pohybovat dozadu. Stejným principem se zařízení pohybuje ostatními směry. Zatížení motorů a započítaný vliv větru obstarává zabudovaná elektronika. 3.2.1.2 Software Výpočetní technika dnešní doby umožňuje zpracování dat takovou rychlostí, kterou by nebylo možné ve 20. století postupovat. V reálném čase je tak možné navigačními programy sledovat letouny v reálném čase a získávat o nich spoustu informací během letu. Nynější fotogrammetrické aplikace tak dokážou zpracovat analytickými metodami i snímky, které by pouze analogovými metodami byly označeny za nepoužitelné. K takovým postupům byly v této práci použity programy ve zpracovatelské fázi a doplňkový software jako například balík Microsoft Office pro tvorbu grafů, tabulek a podobně. 3.2.2 Principy Německý inženýr Albrecht Meydenbauer v roce 1858 poprvé použil pojem fotogrammetrie, což doslova znamená měření (metrie) záznamu (gramma) světla (fotos). Fotogrammetrie, tedy získávání informací z obrazového materiálu je téměř stejně stará jako lidstvo samotné. Z jejích principů a postupů vychází UAV fotogrammetrie. Definic fotogrammetrie existuje celá řada, mezi populární patří od Pavelky (2003): „Fotogrammetrie je věda, způsob a technologie, která se zabývá získáváním dále využitelných měření map, digitálního modelu terénu a dalších produktů, které lze získat z obrazového, nejčastěji fotografického materiálu.“. UAV fotogrammetrie je nástroj pro měření s využitím manuálně, poloautomaticky či automaticky ovládaných UAV platforem, které jsou schopny fotogrammetrického měření. Pilot zde nesmí být fyzicky přítomný v letounu (EISENBEISS, 2008). Setkávají se zde výhody letecké a pozemní fotogrammetrie, tedy vertikální snímkování jako

15

z letadla a blízká vzdálenost a s tím vysoký detail jako z pozemního snímkování (ABER, 2010). Základním principem UAV fotogrammetrického měření je geometrickomatematická rekonstrukce fotografických paprsků na snímku. Data z bezpilotního letounu jsou svým charakterem blíže k pozemní fotografii. Při zpracování obrazových dat mohou vyvstat problémy při určování prvků vnější orientace způsobené použitím nekvalitní GPS/IMU, při určování prvků vnitřní orientace způsobené absencí neměřických komor a při pořízení nestandardních dat způsobené úpravou snímků již v softwaru některých fotoaparátů (PAVELKA, 2013). Teoretické principy jsou podobné letecké fotogrammetrii. Nosič a především snímkovací kamera však mají jiná specifika, proto se standardní postupy zpracování dat musí částečně upravit, aby výsledky odpovídaly požadované přesnosti. Ke zpřesnění výsledků může pomoci použití zařízení jako termokamer nebo snímajících v blízkém infračerveném spektru odlišující zelené části rostlin. Rozměry, váha a cena většinou znemožňují užití přesných INS jednotek v letounech (ABER, 2010), proto je nezbytný výpočet aerotriangulace bez známých prvků vnější orientace. Z tohoto důvodu se určují GCP body (Ground Control Points) neboli vlícovací body se známými souřadnicemi X, Y, Z. Výsledná přesnost aerotriangulace je nejvýznamněji ovlivněna právě přesností zaměření polohy vlícovacích bodů. Pro práci malého měřítka je možné použít standardních GPS přístrojů. Pro SFAP s přesností na centimetry se pro zaměření vlícovacích bodů užívá totální stanice či dvoufrekvenčních GPS přístrojů (CHANDLER, 1999). Letecké snímkovací kamery jsou obvykle kalibrovány výrobcem, u malých kamer používaných v SFAP aplikacích tomu tak není. Prvky vnitřní orientace lze určit buď svépomocí, nebo ve speciálních laboratořích. Vhodnou kalibrační metodu pro určení prvků vnitřní orientace lze vybrat z řady popisovaných například Wolfem a Dewittem (2000).

16

4 Získávání podkladových dat Tato kapitola není zařazena přímo do metodiky, jelikož se tato práce soustřeďuje na hodnocení částečně už získaných dat. Konkrétní informace jako formát dat, počasí při snímkování a podobně jsou uvedeny v podkapitole Charakteristika lokality a podkladových dat. Pro porozumění, proč mají data takovou povahu, je však do práce zařazena. Všechny úrovně a mechanismy sběru dat mají své nesporné klady a zápory. I snímkování s pomocí dálkově řízených modelů má své výhody a nevýhody, jež mohou představovat překážku v dosažení kýžených výsledků. Například při komparaci dat získaných z UAV a z leteckého snímkování poskytuje snímkování z modelů podstatně více letových dní. To je způsobeno tím, že plošné snímkování se provádí v období neolistění a obvykle i bez sněhové pokrývky (MIŘIJOVSKÝ, 2013). Následující podkapitoly obsahují některé základní informace o takových překážkách a problémech vyskytujících se v oblasti letového provozu nebo meteorologické povahy.

4.1 Meteorologické a světlené podmínky Zdrojem mnoha komplikací jsou meteorologické podmínky, na nichž jsou užívané bezpilotní letouny stále závislé. Jde zde především o silný vítr, který v případě použití multikopterů ve výsledku může prodloužit nebo úplně vyloučit následnou analýzu v počítači. Problematika UAV platforem a snímkování je ve světě i u nás poměrně značně diskutována. Například zda mají bezpilotní letouny před sebou vrchol rozvoje, či jejich využití nebude mít v budoucnu větší přínos než dnes. Každá technologie s sebou nese jisté klady a zápory. Největším úskalím bezpilotních letounů je omezení letového prostoru a zejména přírodní faktory, jako vítr, déšť i teplota vzduchu. S exponenciálním vývojem se však rychle stávají UAV stále odolnějšími. 4.1.1 Vítr Všeobecně známý denní chod rychlosti větru může být pro řadu pilotů prvním určujícím faktem. Směr a rychlost větru se v průběhu dne mění, brzy ráno bývá klidnější. Odpoledne bývá rychlost větru nejsilnější, večer zase ustává.

17

Neudržení přímého směru při silném větru způsobuje vychýlení z horizontální i vertikální osy letu. Data jsou nečitelná, detaily rozostřené až znásobené, což lze sice analyzovat, ale stane se tak příčinou téměř jistě chybných výsledků. Pilot také bere v úvahu rozdílnou rychlost větru u povrchu a výše v letovém prostoru. Lišit se může meteorologická předpověď i v závislosti na místní členitosti terénu. Jiné jsou povětrnostní podmínky nad hranicí dvou pokryvů. Například nad lesem se ohřívá vzduch odlišně od pole, což vede k rozdílným stoupavým vzdušným proudům. Letouny vážící řádově kilogramy nejsou na takové podmínky koncipovány (MIŘIJOVSKÝ, 2013). Jak empiricky dokázal Miřijovský (2013), zástupce multikopterů Hexakopter XL bývá ve větru stabilnější než Pixy z řady modelů s padákovým křídlem. Byť tento multikopter dle výrobce snese vítr o rychlosti až 10 m/s, pro kvalitní výstupy snímkování je žádoucí rychlost do 5 m/s. V případě nutnosti snímkování avšak za silného větru může být vhodnější použít jinou platformu, například draka. 4.1.2 Déšť Pro snímkování je nepřínosný také déšť. Během něj není vhodné snímkovat jak z důvodu kvality získávaných dat, tak pro možné narušení až zničení letounu poruchou či pádem. Pokud tedy prší, s UAVy se až na extrémní případy nelétá. Jinak tomu může být u vojenských letounů, z nichž některé jsou voděodolné. 4.1.3 Teplota vzduchu Neviditelným avšak znatelným faktorem je teplota vzduchu. Podobně jako prudká akcelerace a rychlý let (PAVELKA, 2013) ovlivňuje aktuální výdrž baterie, a proto je nutné zvláště při rozsáhlejších snímkováních zajistit rezervní zdroj. Běžně se pak trasa letounu rozdělí na etapy na míru aktuální teplotě vzduchu a do dané lokality se vezmou další baterie. Za dnů, kdy se teplota vzduchu pohybuje pod bodem mrazu, tedy zejména v zimních měsících, se kapacita baterie může snížit o desítky procent. Při teplotách okolo nuly má Miřijovský (2013) odzkoušeno, že se kapacita sníží i o 20 % a „v případě, kdy baterie byly umístěny v teple (nejlépe přímo na těle) až těsně do startu, pak vydržely i v chladném počasí téměř stejně dlouho jako při o optimální teplotě vzduchu“. U letounů

18

s benzínovým motorem se při takovýchto podmínkách doporučuje zahřátí motoru na provozní teplotu. 4.1.4 Světelné podmínky Světelné podmínky mají značný vliv na výsledný vzhled a kvalitu snímků. Mezi tyto podmínky, které se při takovýchto snímkováních berou na zřetel, patří směr a úhel osvětlení, dále pak vady způsobené slunečním zářením. V různých oborech se tyto podmínky zohledňují rozdílně. Například v lesnictví běžně potřebují jiný úhel osvětlení scény než archeologové. Omezujícím faktorem jsou zde také stíny. Stávají se výraznějšími při ostrém světle, což přináší vyšší kontrast. Čím je však světlo rozptýlenější, tím je snímek světelně vyváženější, můžeme ale očekávat více digitálního šumu. Záleží tedy na lokalitě a účelu snímkování, co je pro následnou analýzu přínosnější. Neopomenutelnou vadou na snímcích je stínový bod neboli horká skvrna. Jedná se o bod na povrchu, který je v jedné ose mezi komorou a sluncem (LYNCH a LIVINGSTONE, 1995). Na tomto místě se může vyskytnout stín letícího modelu, který je na snímku lemován přesvětlenou plochou.

4.2 Příprava a plán letu 4.2.1 Seznámení se se zájmovým územím a leteckým provozem Pokud mají snímky splňovat kritéria pro fotogrammetrické vyhodnocení, je jistější si provést přípravu a plán letu. Příprava v tomto smyslu znamená volbu správného období, času, kontroly lokality před provedením letu a dalších. I kdyby se nejednalo o měřičské snímkování, je nutné si rozvrhnout výšku letu, letový plán a získat patřičná povolení pro uskutečnění letu i v závislosti na jeho lokaci, vizte podkapitolu Legislativa provozu UAV. V některých případech, zvláště pokud danou lokalitu osobně neznáme, je potřeba se seznámit s aktuálním stavem povrchu, možnými překážkami, a to hmotnými i nehmotnými. K takovému ověření mohou sloužit nejrůznější mapové on-line aplikace, vhodnost jejich výběru záleží na účelu a poloze lokality. Tyto aplikace mohou pomoci satelitními či leteckými snímky Nemusí však vždy poskytovat data aktuální, naopak data bývají i několik let stará a tedy zvláště v dynamicky se rozvíjejících oblastech 19

neaktuální. Větší pozornost by měla být věnována odlehlým, obtížně dostupným lokalitám. Časově náročný, avšak nejspolehlivější, je důkladný přímý terénní průzkum. Pro lokalitu v České Republice jsou užitečnými aplikacemi například Google Earth nebo Mapy.cz. Neopomenutelným pomocníkem mohou být již zmíněné mapy ICAO, které je možno zakoupit ve variantách velkého měřítka až po mapu světa. Pro účely snímkování pomocí modelů letadel je užitečná on-line mapová aplikace AIS View poskytovaná ředitelstvím letového prostoru. Jak ukazuje Obr. 2, nabízí náhled mapy České Republiky pro zjištění především omezených prostorů TRA (Temporary Reserved Area) a dočasně vyhrazených prostorů TSA (Temporary Segregated Area). Tyto a další prostory mohou zásadně ovlivnit původní naplánování letu, protože určují kde a v jakých výškách se po danou dobu nesmí létat. Dále jsou informace v aplikaci rozděleny na garantované a negarantované ředitelstvím letového prostoru.

Obr. 2 Náhled do aplikace Ais View v defaultním zobrazení Zdroj: AIS VIEW (2015).

4.2.2 Stanovení parametrů snímkování a waypointy Jednotlivé parametry se vzájemně ovlivňují, je tedy nutné si při plánování určit požadavky na snímkování jako například měřítko snímku, požadovaná spektra, výšku letu. Často je klíčové prostorové rozlišení snímku, které je s předpokladem digitálního 20

snímkování určeno hodnotou GSD, tedy skutečnou vzdáleností v terénu vyjádřenou jedním pixelem. Miřijovský (2013) dále upozorňuje, že nesmí být „opomenuta volba správné délky základny mezi dvěma snímky. Vzdálenost mezi středy snímků záleží přímo na volbě procentuálního překryvu mezi dvěma snímky.“. Stanovené parametry se převádějí do grafického rozhraní plánovacích programů. V nich se následně tvoří průletové body a letové osy. Průletové body, neboli waypointy, jsou body v plánované trajektorii letounu se souřadnicemi X, Y i výškovou souřadnicí Z. Na těchto bodech je možné nastavit zastavení letounu, pořízení série snímků a tak dále. Letové osy jsou pak myšlené čáry spojující jeden bod s následujícím, často se pro ně nastavuje rychlost letu. Některé systémy nepodporují tuto navigaci a tak dráha letu závisí na pilotovi a jeho naváděcích

asistentech.

Waypointy

jsou

nejužitečnější

v kombinaci

s plně

automatickými UAV systémy. V praxi však použité GPS/INS jednotky většinou neumožňují průlet body o přesných souřadnicích a proto se pro každý bod určí okruh, kde pokud se letoun ocitne, je daný bod považován za navštívený. Je důležité v souvislostech promyslet velikost okruhu, aby letoun nekroužil kolem jednoho bodu s cílem dosáhnout přesných souřadnic a zároveň, aby nedocházelo k neakceptovatelným odchylkám (MIŘIJOVSKÝ, 2013). 4.2.3 Nastavení komory Byť lze mnoho nedokonalostí snímků provést až v korekčních grafických programech, vždy platí, že nejjistější je kvalitní snímky už pořídit. Již během přípravy letu je vhodné nastavit expoziční parametry a zaostření. Téměř všechny moderní fotoaparáty jsou vybaveny objektivy s automatickým zaostřováním. Toho se však v praxi příliš nevyužívá a plně dostačuje nastavení hodnoty na „nekonečno“. Expoziční čas musí být dostatečně krátký, za příhodných světlených podmínek Miřijovský (2013) empiricky dokázal volbu 1/800 s jako uspokojující. Delší expoziční čas může způsobit vlivem rychlosti větru a vibrací za letu rozmazání celého snímku nebo jeho části, což znesnadňuje přesné zaměření středů vlícovacích bodů. 4.2.4 Vlícovací body a referenční šetření Vlícovací body (GCP) jsou body o známé poloze v souřadnicovém systému a zároveň jsou součástí snímku (WOLF a DEWITT, 2000). Existují v různých velikostech, 21

barvách a tvarech. Vyrábí se z různých materiálů v továrnách nebo vlastní, například z kartonu nebo CD. Výrobek se pak většinou nenazývá bodem, ale terčem. V případě nezabuřeněného stabilního povrchu lze vytvořit body reflexním sprejem přímo na terén. Tyto body slouží k určování prvků vnější orientace a zpřesňování prvků vnitřní orientace. Jejich počet, rozmístění a přesnost zaměření rozhodují o přesnosti aerotriangulace a dalším zpracování snímků. Obecně platí, že čím více vlícovacích bodů je použito, tím přesnější výstupy lze očekávat. Miřijovský (2013) zmiňuje ze zkušenosti, že dostatečných je 10 až 15 bodů. Rozmístění by mělo být rovnoměrně po celé ploše snímku, což vždy nelze zajistit skrz překážky v terénu. Dále by se mělo zamezit lineární závislosti, tedy aby neležely žádné 3 body v jedné přímce, což v praxi nebývá snadné. Dle lokality a rozsahu práce se nejdříve volí počet asistujících osob, které pomáhají nejen v procesu rozmisťování a zaměřování vlícovacích bodů. Pro postupy snímkování, obdobné postupu užitému k získání dat v této práci, platí, že je potřeba jednat rychle a pro kvalitní výstupy se snímkuje pouze během poledne. Vlícovací body se tedy zaměřují s dostatečným předstihem a s geodetickou přesností. V případě, že je v lesnictví požadováno vylišení stromů, provádí se referenční šetření. Spolu se zaměřením vlícovacích bodů se může použít stejné geodetické zařízení. Zaměřují se tedy jednotlivé stromy na zkusné ploše pro zjištění přesnosti automatického vylišení sazenic a určení jeho chyby oproti skutečné poloze.

4.3 Průběh snímkového letu Před samotným vzlétnutím se provádí předletová příprava. Skládá se z kontroly hardwaru i softwaru letounu, kalibrace senzorů a měření aktuální rychlosti větru anemometrem. Přípravou se snižuje riziko pořízení nekvalitních snímků, pádu a následných škod. Způsob startu se odvíjí od použité platformy bezpilotního zařízení. Aby se ještě více snížilo riziko pádu letounu, vždy se ale startuje proti směru větru a nelétá se zbytečně nízko nad povrchem. Provedení letu je nejpřesnější a nejpohodlnější v plně automatickém režimu, pilot pouze dohlíží na letoun pro případ selhání elektroniky, aby mohl včas manuálně zasáhnout.

22

Přistání patří k nejtěžším fázím letu. Letoun nesoucí moderní a relativně drahou elektroniku citlivou na otřesy by měl přistát hladce. Zde mají výhodu multirotorové systémy, které lze v případě absence vhodné přistávací plochy chytit již v letu, umožňují totiž nastavení setrvat v pohybu i nízko nad povrchem. Získaná data se kontrolují buď během letu za použití telemetrie, pokud taková technologie není dostupná, tak ihned po skončení letu. Jestliže je nutné let opakovat, může se, je-li dostatek času, nalétnout alespoň část území znovu již bez přípravy letu a bez procesu s vlícovacími body.

23

5 UAV v dnešním lesnictví Provádění snímkování lesních porostů není jednoduché. Může dojít k různým nehodám vedoucím k poškození letounu, cizího majetku i lidského zdraví. Je to dáno aktuálními podmínkami na stanovišti, mnoha ovládacími prvky a náročností uživatelského rozhraní (DRURY, 2008). Operátor tedy musí zkušeně ovládat letoun a vyhodnotit případná rizika, například pokud by se snímkovalo poblíž zástavby za náročných podmínek pro let. Pro eliminaci rizik byla i pro toto odvětví létajících objektů vytvořena legislativa, kterou je nutné brát v úvahu už při plánování letu. Bezpilotní letouny se pro účely lesnictví rozmáhají až v 21. století. Nelze však uvažovat všechny platformy. Například draci a balóny jsou v odlehlejším lesním porostu zřídka nejlepší volbou. Vhodnější je použít multirotorové systémy, které na rozdíl od rogal a klasických modelů letadel nejsou náročné na vzletovou plochu. Každá platforma má své slabé a silné stránky, proto je při jejich výběru žádoucí maximálně využít možnosti lokality. Jako příklady takových lokalit jsou níže uvedeny příklady z lesů USA a Kanady.

5.1 Využití jako hlídače a monitoringu erozí Pro příklad Horcher a Visser (2004) ve své studii popisují využití UAV pro mapování vzdáleného životního prostředí související s kvalitou vody, to znamená i mapování erozních polí, která by znečistila vodu. Ostatní metody bývají v těžko dostupných a vzdálených oblastech zdlouhavé, výhodou oproti klasickému leteckému monitorování je i absence rozlehlé vzletové plochy. Dále zmiňují použití UAV krátce po dešti i za špatného počasí, což by nebylo možné v případě letadel s pilotem na palubě. Značnou příležitost ušetření nemalých finančních prostředků nabízí i mapování odvozních míst s připravenými skácenými kmeny a porosty na oblastních hranicích, které se stávají kořistí zlodějů. Jen v 12 krajích jihozápadní Virginie jsou takové krádeže vyčísleny až na 12 miliónů dolarů ročně (BAKER, 2003). V rozsáhlých lesních oblastech je pak možné letoun zaměstnat činnostmi jako mapování povrchu a terénu jako podklad výstavby lesních cest, monitorování pytlačení, nelegálních skládek podél cest i žhářství. Bezpilotní letouny mohou operovat v takto ohrožených oblastech relativně tiše, což má výhodu, že se jedná o efektivní dozor, jenž pravděpodobně nebude odhalen. Pokud tedy například někdo bude krást v lese dřevo, 24

nemusí ani vědět, že je pozorován. V neposlední řadě je možné letouny využívat pro přehled při těžbě a zlepšení vzájemné spolupráce na různých těžebních stanovištích (HORCHER a VISSER, 2004).

5.2 Využití v boji proti škůdcům Borové lesy v Severní Americe trpí devastací ze strany škůdců lesních dřevin. Jedná se především o kůrovce působící ve Skalnatých horách. Kůrovec škodí takovým způsobem, že pokud mu strom nedokáže odolat, je většinou odsouzen k zániku. Tito brouci naruší okruh pod kůrou ve spodní části stromu, čímž přeruší přísun vody kmenem výše. Navíc rozšiřují houbové patogeny, které mohou být příčinou rozsáhlých požárů. Jako nejlepší kritérium pro lokalizaci kůrovce se prokázalo množství karotenu v rostlinách, jež se mění v přítomnosti hub doprovázejících kůrovce. Studie provedená v Kanadě analyzovala především množství vody a chlorofylu kombinací snímků v mnoha spektrech ze satelitů i z bezpilotních letounů. Dále se autor věnuje navrženému konceptu ochrany těchto porostů. Postup je jednoduchý, tedy kontrolovat porosty termokamerou z bezpilotních systémů a stromy vykazující relativně vyšší teplotu nechat prověřit průzkumnou posádkou. Ta by stromy potenciálně napadené kůrovcem prověřila odloupnutím kůry a případně ošetřila aplikací tekutého dusíku. Pokud by kůrovec v daném stromu nebyl příliš rozšířen, tedy ani jej doprovázející houba, může být strom zachráněn. Poté se autor věnuje čidlům citlivým na feromony škůdců. Zmiňuje také použití bezpilotních systémů RMAX v ochraně zemědělství v Japonsku. Letouny jsou schopné aplikovat pesticidy a v závislosti na výskytu škůdců další ochranné látky. Vždy je samozřejmě v průběhu plánování ochrany nutné zvážit náklady na tyto operace a porovnat je se zvýšeným ziskem v případě jejich použití. Nespornou výhodou bezpilotních systémů v lesnictví je možnost operovat i v noci, pokud snímkování není závislé na viditelném záření. Oproti specifickým požadavkům na polohu satelitů je tato metoda levnější. Autor zmiňuje také nenápadnost letounů, pokud jsou ve výškách 1 000 až 3 000 stop nad povrchem. V neposlední řadě neruší místní zvěř. Nevýhody pocházejí především ze stále vysokých pořizovacích nákladů a legislativy. Zákony v některých zemích nejsou příznivé k těmto metodám aplikovaným

25

bez spolupráce se státním sektorem, a proto jsou tyto překážky spíše politickou než vědeckou záležitostí (WHALIN, 2011).

5.3 Určení stromů trpících nedostatkem vody Satelitní snímkování většinou neumožňuje snímkování se spektrálním rozlišením používané pro kvantitativní analýzy dálkového průzkumu Země. Zemědělství či ochrana životního prostředí nyní vyžaduje rychlou analýzu a prostorové rozlišení. Možností jsou pilotovaná letadla, která však představují nemalé náklady. Přestože UAV je nutné k získání kýžených výsledků precizně kalibrovat, tak zvláště po miniaturizaci termokamer a multispektrálních fotoaparátů, vyplňují mezeru mezi satelitním a pilotovaným leteckým snímkováním. Opravdu precizní kalibrace se podařilo dosáhnout Bernimu a kol. (2008) spolu s využitím atmosférické korekce (RMSE < 1 K). Bezpilotní snímkování bylo provedeno pro olivovníky vrtulníkem Quanta-H a modelem letadla Quanta-G, oba s automatickým letem definovaný letovým plánem. Spolu s multispektrálním fotoaparátem a termokamerou letoun nesl i mobilní meteorologickou stanici měřící během letu teplotu, relativní vlhkost vzduchu a barometrický tlak. Ze stanice pak byla použita data pro vytvoření MODTRAN modelu. Tato data s daty z termální kamery umožnila atmosférickou korekci a zvýšit tak přesnost. Dále letoun nesl přídavnou GPS pro zlepšení synchronizace autopilota a momentu vytvoření snímku. S využitím fotochemického indexu odrazivosti (PRI) byly vylišeny stromy trpící nedostatkem vody (r2 = 0,84).

26

6 Zpracování dat Tato kapitola demonstruje jak hlavní metodický postup, tak jeho aplikaci pro získání výsledků. Ke zpracování dat byla použita data o lokalitě a na jejich základě jmenována hodnotící kritéria. Práci usnadňoval prověřený software, který sloužil při tvorbě ortofotografie a analytických postupů. Software je stručně představen, další kapitoly se věnují práci v těchto programech.

6.1 Charakteristika lokality a podkladových dat Lokalita je představena v rámci popisu polohy a rozlohy. Dále jsou shrnuty některé přírodní poměry převážně z ekologického hlediska týkající se tématu práce. Další informace jsou obsaženy v podkapitolách věnujících se datům hospodářským a podkladovým pro postupy v programech. V průběhu zpracování práce byla vybrána lokalita mimo ŠLP ML Křtiny, a tedy plocha u obce Studnice, v důsledku kombinace skutečností, že tato lokalita již byla okrajovou částí z jiného výzkumu, byla již poskytnuta některá hospodářská data a jedná se o 100% smrkový porost vhodný pro účely této práce. 6.1.1 Charakteristika lokality Zájmové území se nachází ve výšce 520 až 530 m n. m., přibližně 2 km jižně od obce Studnice, okres Vyškov. Území obklopují lesy Vojenského újezdu Březina. Obcí s rozšířenou působností je pro toto území Vyškov, řazeno je do katastrálního území Doubrava u Březiny. Zájmové území pokrývá plochu 0,55278 ha tvořící část porostní skupiny s plochou 1,15 ha. Tvar území je poměrně členitý s několika enklávami, z východní strany je však lemováno přímou lesní cestou.

27

Obr. 3 Mapa širších územních vztahů s červeně vyznačeným územím

V blízkosti holiny, přibližně 400 m jihozápadně, se vyskytuje Kulířovský potok, který však na přesnost snímkování neměl žádný vliv. Jedná se o klimatickou oblast MT5, tedy mírně teplou oblast (QUITT, 1971). Dle geomorfologického členění patří zájmové území do Česko – moravské soustavy > podsoustavy Brněnská vrchovina > celku Drahanská vrchovina > podcelku Konická vrchovina > okrsku Kojálská planina (DEMEK a MACKOVČIN, 2006). Dle biogeografického členění tvoří území kontinentální biogeografickou oblast. Lokalita patří pod Drahanský bioregion hercynské podprovincie, je možné vylišit biochoru 4BM, tedy Erodované plošiny na drobách 4. vegetačního stupně (CULEK, 2005). Z hlediska průchodnosti pro velké savce se jedná o migračně významné území, dále spadá do zóny zvýšené péče o krajinu sítě EECONET a dle Územně technického podkladu ÚSES ČR se jedná o nadregionální biokoridor (SPOLEČNOST PRO ŽIVOTNÍ PROSTŘEDÍ, 2015). 6.1.2 Hospodářská data Z lesní správy Rychtářov, Divize Plumlov byla poskytnuta na základě žádosti následující hospodářská data o zájmovém území. Jedná se o porostní skupinu 195 A 1b v hospodářském souboru 441, tedy smrkové hospodářství na živných stanovištích středních poloh. Dále je skupina charakterizována lesním typem 4S1, 4. lesním vegetačním stupněm, cílovým hospodářským souborem 45, tedy živná stanoviště středních poloh. V porostní skupině 1b byl vysázen smrk ztepilý (Picea abies) ve sponu 28

2 * 1,5 m, tedy 4 000 ks/ha. Jedinci jsou nyní ve věku 3 až 5 let dosahující výšek od 1 do 3 m.

Obr. 4 Náhled do vektorového nákresu s porostní skupinou 1b Zdroj: Lesní hospodářský plán 2015 až 2024 pro lesní úsek Holanda

6.1.3 Podkladová data Sběr dat probíhal dle upraveného konceptu Miřijovského (2013) shrnutého v kapitole Získávání podkladových dat. Z Ústavu hospodářské úpravy lesů a aplikované geoinformatiky na Lesnické a dřevařské fakultě pak byla data ve formě rastrových vrstev předána ke zpracování. Snímkový let byl proveden v létě 17. 9. 2014 a na jaře 20. 3. 2015, vždy v poledne a za jasné oblohy, pro fotografii z terénu vizte v přílohách Obr. 19. Informace o volném letovém prostoru byla potvrzena především přes aplikaci Ais View, předpověď optimálních meteorologických podmínek byla získána z Českého hydrometeorologického úřadu. Letní snímkování bylo provedeno s nastavením totožných parametrů na shodných přístrojích jako u jarního snímkování a to pouze pro demonstraci, že závisí na období, v němž je snímkování uskutečněno. Následující část kapitoly se proto věnuje pouze zaměřování a snímkování z 20. března 2015. Pomocí geodetického GPS přístroje Topcon HipER Pro bylo s přesností do 20 mm v osách vertikálních i horizontální zaměřeno 6 vlícovacích bodů a veškeré stromky zájmového území reprezentované smrkem ztepilým (Picea abies), celkem 1 566 jedinců 29

v rozmezí výšek 0,5 až 3 m. Poloha se určila metodou RTK (Real Time Kinematic) využívající okolních referenčních stanic, kde data z nebližší stanice mají nejvyšší vypovídající hodnotu.

Obr. 5 Terč pro vlícovací bod použitý při získávání podkladových dat Autor: Tomáš Driml.

Trasa automatického letu byla předurčena v programu DJI Ground Station, přičemž waypointy se nachází ve výšce 120 m nad terénem. Během snímkového letu v předdefinované rychlosti 5 m/s bylo bezpilotní hexakoptérou DJI S800 pořízeno 287 snímků ve formátu JPEG s překrytím alespoň 90 % v podélném a minimálně 80 % v příčném směru. Automaticky byl pořizován jeden snímek za sekundu.

Obr. 6 Hexakoptéra DJI S800 s použitými fotoaparáty Autor: Tomáš Driml

30

Letoun nesl RGB fotoaparát Sony Nex 5R s objektivem Voigtlander Heliar Super 15 mm snímající záření vlnové délky 380 – 750 nm a shodný NIR fotoaparát, rovněž s objektivem Voigtlander Heliar Super 15 mm snímající záření blízkého infračerveného spektra o vlnové délce 760 – 1 000 nm. Tab. 1 poskytuje informace o konkrétním nastavení fotoaparátů. Tab. 1 Nastavení důležitých parametrů použitých fotoaparátů

RGB fotoaparát

NIR fotoaparát

clonové číslo

8

4,5

expoziční čas [s]

1/1000

1/1250

zaostření

∞

∞

6.2 Kritéria

pro

hodnocení

zajištěnosti

kultur

a

potřeb

vylepšování Z hlediska využití výsledků práce byly studovány zákony týkající se českého lesnictví. Vybrané vyplývající povinnosti s možným využitím bezpilotních letounů byly rozděleny do následujících podkapitol. 6.2.1 Zohledněná kritéria Kritéria pro hodnocení úspěšnosti obnovy lesních porostů byla odvozena z lesnické praxe a dále dle platných zákonů týkajících se této problematiky. Dále bylo toto množství kritérií zredukováno na kritéria měřitelná z dostupného bezpilotního letounu a plně kontrolovatelná pro splnění podmínek této práce. Z této řady kritérií pak byla vybrána ta, která vyhovovala přicházejícím časovým, organizačním a meteorologickým podmínkám v rámci možností studie. Dle § 31 o obnově a výchově lesních porostů zákona č. 289/1995 Sb. o lesích a o změně některých zákonů, musí být holina na lesních pozemcích zalesněna do dvou let. Do sedmi let od jejího vzniku musí být zajištěna, s odůvodněním může orgán státní správy lesů lhůtu prodloužit. Zajištěným lesním porostem je míněn takový porost, který počtem jedinců, jejich rozmístěním a druhovou skladbou lesních dřevin poskytuje předpoklady pro vznik stanovištně vhodného lesního porostu a který po zalesnění už nevyžaduje intenzivní ochranu. Zároveň dle § 2 o podrobnostech o obnově lesa a zalesňování „za 31

obnovený nebo zalesněný je pozemek považován tehdy, roste-li na něm nejméně 90 % minimálního počtu životaschopných jedinců rovnoměrně rozmístěných po ploše“. Rovnoměrné rozmístění neplatí v horských lesích osmého a devátého stupně a dále „v případech požadavků vyplývajících z funkčního zaměření lesa u kategorie lesů ochranných a u kategorie lesů zvláštního určení“ (Vyhláška č. 139/2004 Sb., kterou se stanoví podrobnosti o přenosu semen a sazenic lesních dřevin, o evidenci o původu reprodukčního materiálu a podrobnosti o obnově lesních porostů a o zalesňování pozemků prohlášených za pozemky určené k plnění funkcí lesa). Klíčovými kritérii zohledňovanými v praktické části práce jsou tedy mezernatost či rovnoměrnost jejich rozmístění. Splnění těchto podmínek obnovy bylo zamýšleno kontrolovat v jarním a letním období na tříletých až pětiletých porostech. Možnosti kontroly a vhodnost použití bezpilotního letounu reprezentuje kapitola Analytické postupy. 6.2.2 Ostatní kritéria nejen pro obnovu Dalším využitím bezpilotních letounů v lesnictví odvozeného z § 13 o základních povinnostech může být kontrola šetrného provádění stavebních, těžebních a průmyslových prací, monitorování stavu uvolněných ploch a zajišťování jejich rekultivace. Vyplívající z § 32 o ochraně lesa může být využití těchto letounů v plnění povinností vlastníka lesa, jako například preventivnímu bránění vývoji, šíření a přemnožení některých škodlivých organismů; provádění bezodkladných opatření k odstranění či zmírnění následků mimořádných okolností a nepředvídaných škod v lese (větrné a sněhové kalamity, přemnožení škůdců, nebezpečí vzniku požárů v období sucha a podobně); zvyšování odolnosti a stability lesa především druhovou skladbou dřevin a jejich rozmístěním v porostu (Zákon č. 289/1995 Sb., o lesích a o změně a doplnění některých zákonů). Vždy je mít třeba na paměti, že se pohybujeme v českém lesnictví a v mezích zákonů České Republiky. Byť je tato problematika podobná té zahraniční, řeší se v závislosti na rozdílných zákonech jinak.

32

6.3 Užitý software Krom běžného softwarového vybavení jako systém Windows, kancelářský balík Office a internetových prohlížečů byl při postupech používán následující software, tedy Agisoft PhotoScan Professional Edition ve verzi 1.0.4 1847 a ESRI ArcGIS for Desktop ve verzi 10.3. V průběhu tvorby této práce vyšla nová verze ESRI ArcGIS vylepšena o některé funkce. Pro bakalářskou práci to znamená představení uživatelsky i ekonomicky atraktivnějšího postupu bez nutnosti použití programu eCognition od společnosti Trimble. 6.3.1 Agisoft PhotoScan Agisoft PhotoScan je jedinečný fotogrammetrický software pro automatickou produkci texturovaných 3D modelů ze sekvence digitálních ortofotosnímků a to buď digitálního modelu povrchu či digitálního modelu terénu. Možné je pořídit 3D modely i z interiéru budov. Výsledky jsou vhodné jak pro prezentační účely, tak pro další zpracování v aplikacích GIS (4GD, 2015). Nejnovější verze programu nabízí vysokou stabilitu a obrovský výkon i při zpracování mnoha snímků vysoké kvality (AGISOFT.CZ, 2015). Výsledky je možné pořídit obvykle v rozsahu dvou hodin. (AGISOFT.COM, 2015). Aby mohl program snímky georeferencovat, potřebuje k nim přiřazené GPS souřadnice nebo GCP souřadnice, které mohou zvýšit přesnost až na 5 cm. Program podporuje mnoho formátů jak vstupních dat jako TIFF, JPEG, PNG, CR2, RAW; tak výstupních dat jako Geogle KML, GeoTIFF, PDF jež umožňují použití v jiných GIS aplikacích pro další analýzy. (AGISOFT.CZ, 2015). 6.3.2 Esri ArcGIS ArcGIS for Desktop představuje desktopový GIS, což je mapový software nainstalován a pouštěn na osobním počítači a umožňuje zobrazovat, upravovat, analyzovat a provádět dotazy na data o geografických lokacích a informacím vázaným k těmto lokacím (ESRI, 2015). Tato kategorie produktů se skládá především z programů ArcMap a ArcCatalog, pro syntézu a analýzu geodat je v uživatelském rozhraní přístupný balík nástrojů

33

ArcToolbox. Společně představují příležitost tvořit profesionální mapová díla, digitální soubory s volitelnými vrstvami a atributy.

6.4 Tvorba ortomozaiky Účelem zpracování dat v Agisoftu byla tvorba ortomozaiky pomocí procesu ortogonalizace. Postup zpracování byl shodný pro data z jarního i letního snímkování. Nejdříve byly do programu přidány jednotlivé snímky pořízené bezpilotním letounem, byl jim přiřazen souřadnicový systém S-JTSK Krovak EastNorth. Dále bylo nutné v programu označit všech 6 vlícovacích bodů příkazem Create Marker. Přesné označení jejich polohy je důležité pro přesnost dalších výstupů. Aby bylo hledání a označování vlícovacích bodů jednodušší a nemusely být zaměřeny terče na všech snímcích, použilo se pomocí příkazu Align Photos seřazení snímků, nejprve s nízkou přesností. Tímto program vyhledal body společné pro překrývající části snímků, odhadl pozici komory pro každý snímek, na základě toho vytvořil model mračna bodů a detekoval vlícovací body.

Obr. 7 Mračno bodů s modře označenými seřazenými snímky Autor: Tomáš Driml

Nyní se pouze opravila digitalizovaná poloha každého vlícovacího bodu přetažením označovací vlajky do jeho středu. Těmto bodům se přiřadily jejich geodetické souřadnice pomocí příkazu Import z panelu Ground Control. Následně byly snímky seřazeny pomocí příkazu Align Photos, tentokrát s vysokou přesností. Pomocí příkazu Build Dense Cloud program vytvořil model hustého mračna bodů s průměrným rozlišením povrchu 0,0309579 m/pix a chybou 0,909783 pix. Nakonec pomocí příkazů Export Ortophoto pro vytvoření souboru s ortogonalizovanou ortomozaikou a Export DEM pro vytvoření souboru s výškovým modelem byly 34

exportovány výstupy z tohoto programu. Průměrné hodnoty výškového modelu činí 260,854 bod/m2 reprezentující hustotu bodů a rozlišení 0,0619158 m/pix.

6.5 Analytické postupy Následující postupy se týkají především práce v programu ESRI ArcGIS. Data byla analyzována opět v rámci souřadnicového systému S-JTSK Krovak EastNorth. Nejprve bylo nutné vytvořit vzorový soubor. Na základě tohoto souboru byly vylišeny odpovídající shluky, které bylo třeba vhodně erodovat či dilatovat a pro praktické využití zasadit do sítě vyjadřující hustotu shluků, jež reprezentují automaticky vylišené jedince. 6.5.1 Tvorba spektrální signatury Do programu byla vložena ortomozaika obsahující viditelnou i blízkou infračervenou část elektromagnetického spektra. Standardní kombinace pásem zde byla v zastoupení: blízká infračervená část červeně, červená část zeleně a modrá část zeleně. Zde už bylo znatelné, že hodnota ortomozaiky letního snímkování (Obr. 8) je v tomto případě zabuřeněním příliš snížena, stromky je možno od buřeně vylišit obtížněji a proto byla vyloučena z dalšího zpracování. Následující část práce se věnuje zpracování dat z jarního snímkování (Obr. 9). Zobrazení v pravých barvách je součástí příloh práce, vizte Obr. 20.

35

Obr. 8 Ortomozaika letního snímkování

Obr. 9 Ortomozaika jarního snímkování

36

Generováním rozdílu digitálního modelu povrchu (DMP) a digitálního modelu terénu (DMT) byl nástrojem Minus vytvořen výškový model korun neboli CHM (Canopy Height Model), který byl důležitý pro odlišení nízké buřeně a korun stromků. CHM byl s ortomozaikou přidán do nové vrstvy nástrojem Composite bands. Na tuto vrstvu byla přidána vrstva, do které se zakreslilo 20 polygonů tak, aby reprezentovalo 20 různě velkých stromků rovnoměrně rozmístěných po zájmovém území. Polygony tak tvoří tréninkovou množinu pro řízenou klasifikaci. Pro jistotu, zda se zakresluje polygon opravdu nad stromkem a ne pařezem, byly v průběhu zobrazeny i body reprezentující zaměřené stromky, vizte Obr. 10. Z obou vrstev, polygonové a ortomozaiky s CHM, vytvořil nástroj Create Signature spektrální signaturu, tedy informaci sloužící jako klíč k odlišení a určení stromků na zájmové ploše.

Obr. 10 Geodeticky zaměřené stromky

6.5.2 Prvotní vylišení stromků Nástrojem Maximum Likelihood Classification byla provedena řízená klasifikace, tedy klasifikace jednotlivých pixelů do definovaných tříd pomocí tréninkových množin. Roli tréninkové množiny zde zastávala spektrální signatura. Výstupem jsou shluky buněk pozorovatelné na Obr. 11, které zatím s neznámou přesností vylišují stromky. 37

Obr. 11 Podkladová ortomozaika s neprůhlednou vrstvou automaticky vylišených shluků buněk

Pro zpřehlednění následujících operací byla nástrojem Reclassify přirazena vylišeným shlukům hodnota 1, okolnímu prostoru hodnota 0. 6.5.3 Úprava shluků buněk: dilatace a eroze Aby byly od sebe jednotlivé shluky správně odděleny, bylo dále nutné upravit výstup těchto shluků dilatací a erozí. V průběhu analýz se nejlépe osvědčilo dilatovat shluky buněk menší nebo rovny dvaceti buněk (Obr. 12) a erodovat shluky buněk větší než 50 buněk (Obr. 13). Dilatace zde sloužila ke spojení malých a příliš blízkých shluků, eroze pomohla vylišit stromky z většiny velkých shluků. Oběma operacím předcházelo spuštění editací a nástrojem Cell Selection označení definovaných shluků. V nástroji Raster Cleanup se pak provedla požadovaná eroze či dilatace.

38

Obr. 12 Rozdíl ve spojení shluků před a po provedení dilatace

Obr. 13 Rozdíl ve spojení shluků před a po provedení eroze

39

Dále byly vybrány a do samostatné vrstvy přidány shluky o velikosti 21 až 50 buněk. Všechny 3 vrstvy byly samostatně podrobeny nástrojům Region group pro získání jedinečné hodnoty pro každý shluk, Zonal geometry pro přiřazení centroidu každému shluku a nástroji Raster to point, který, jak demonstruje Obr. 14, vytvořil z centroidů body reprezentující vylišené stromky, celkem 1 916 jedinců.

Obr. 14 Automaticky vylišené stromky

6.5.4 Vyjádření rovnoměrnosti rozmístění vylišených stromků Pro praktické využití je rovnoměrnost rozmístění vyjádřena rozdílným počtem vylišených stromků ve čtverci o straně 5 m. Síť, generovaná nástrojem Create Fishnet, je orientována směrem shodným s řadami stromků na zájmové ploše a rozlišena do tříd dle počtu stromků Počet je vyjádřen poměrově k ploše čtverce, aby oříznuté čtverce ležící na hranicích zájmového území nepodávaly mylnou informaci, vizte Obr. 15. Stejným způsobem jako u vylišených stromků byla aplikována síť na skutečně zaměřené stromky v terénu, viz Obr. 16.

40

Obr. 15 Síť vyjadřující rovnoměrnost rozmístění vylišených stromků

Obr. 16 Síť vyjadřující rovnoměrnost rozmístění zaměřených stromků

41

7 Výsledky Jelikož každému zaměřenému i vylišenému stromku byl přirazen vektorový bod o nulové ploše, bylo obtížné vyhodnotit jejich vzájemnou závislost. Z tohoto důvodu bylo dále pracováno s okolím o poloměru 30 cm, které tvoří toleranční prostor okolo všech skutečně zaměřených sazenic. Toto okolí bylo vytvořeno nástrojem Buffer. Pokud v kružnici kolem zaměřeného stromku byl nalezen právě jeden bod vylišeného stromku, byl zaměřený stromek považován za správně vylišený, vizte v Přílohách Obr. 21. Následující Tab. 2 shrnuje počty stromků zaměřených, vylišených a kolik kružnic obsahuje jeden, více nebo žádný bod vylišeného stromku. Tab. 2

Počty vylišených, zaměřených, správně zaměřených a nesprávně zaměřených stromků

vylišeno

1 916

zaměřeno

1 566

z kružnic zaměřených obsahuje vylišených: 1 bod

1329

>1 bod

5

žádný bod

232

Dále byl proveden výpočet vzdálenosti bodu každého zaměřeného stromku k jeho nejbližšímu vylišenému stromku, opět reprezentován bodem. Obr. 17 představuje rozdělení těchto vzdáleností krabicovým grafem, medián zde činí 0,13672 m.

Obr. 17 Krabicový graf vzdálenosti každého zaměřeného stromku k jeho nejbližšímu vylišenému stromku

Pro porovnání rovnoměrnosti rozmístění vylišených a zaměřených stromků byla generována síť (Obr. 18), která rozdíl počtu stromků v daném oku větší než o jednu třídu značí červeně, jedná se tedy ze strany vylišení o chybný výsledek. Oka, která patří do stejné nebo sousední třídy jsou označena zeleně a považována za správný odhad 42

počtu stromků v oku automatickým vylišením. Oka se správným odhadem počtu stromků zaujímají plochu 5 301,6 m2, tedy 95,91 % zájmové plochy a s chybným odhadem 226,2 m2, tedy 4,09 %.

Obr. 18 Porovnání rovnoměrnosti rozmístění vylišených a zaměřených stromků

43

8 Diskuze 

Použití bezpilotních letounů se rozmáhá, mají uplatnění v lesnictví, krajinářství i environmentalistice po celém světě. Krajinářské využití výsledků lze nalézt například pro lesy zvláštního určení, přírodní rezervace, přírodní památky, při monitoringu globálních změn.



Zpracování dat vyžaduje vysoké nároky na hardware výpočetní techniky. Z empiricky získaných zkušeností lze doporučit minimálně 4 GB operační paměti.



Použití této metodiky je vhodné pro jehličnaté porosty, nejlépe smrkové monokultury, jelikož na přelomu období zimy a jara jsou s použitím blízkého infračerveného spektra takové stromky snadno odlišitelné od buřeně, která je tehdy ještě nezelená. Přispět může i výškově homogenní porost, u kterého lze oříznout CHM a eliminovat vliv buřeně na vylišení.



Při vytváření spektrální signatury je dostačující zakreslit 20 polygonů do polygonové vrstvy. Více polygonů by nemělo mít na kvalitu signatury významný vliv.



Pro zpřesnění vylišení stromků nelze použít při dilataci a erozi nástroj Buffer, tedy vytvoření kružnic kolem prvotně vylišených stromků. Ve skutečnosti výsadba neodpovídá vždy sponu a vzdálenosti mezi jedinci mohou být v praxi příliš rozdílné.



Opakovaná eroze či dilatace u stejných stromků může účinkovat na každé zkoumané ploše rozdílně a nárazově působit chyby v počtu vylišených stromků. Individuálnost tohoto opakování také odporuje účinné automatizaci a vylučuje aplikaci takového postupu na jiné plochy.



V rámci celé zájmové plochy byla porovnávána správnost vylišení stromků s geodeticky zaměřenými daty. Zkusné plochy nebyly zavedeny především z důvodu možné mortality stromků, taktéž nebylo vhodné porovnávat pouze s hospodářskými daty.



Tato metodika může být vhodná při určení rovnoměrnosti rozmístění stromků v porostu. Nejeví se jako vhodná pro určování počtu jednotlivých stromků. Přesnějšího vylišení stromků by se pravděpodobně dosáhlo při snímkování území pod slabou sněhovou pokrývkou, přibližně o vrstvě 5 cm, protože by 44

buřeň byla pokryta sněhem a v blízkém infračerveném spektru by byl vidět pouze zkoumaný smrk. Takové snímkování nebylo v rámci této práce provedeno z kombinace důvodů meteorologických, zdravotních, organizačních a časových. 

Pouze optická kontrola ortomozaiky v optimálním zobrazení spolu s CHM může předvídat příliš chybné vylišení při silnějším zabuřenění. Zabuřenění je pak možno brát v úvahu při hodnocení kritéria zajištěnosti lesního porostu, zda je porost odrostlý buřeni, ne však jako jediný zdroj informací.



Síť ze čtverců o straně 5 m se jeví jako parametricky vhodná při řízení obnovy v praxi. Příliš malá oka reprezentují nedostatečně rovnoměrnost rozmístění, větší oka příliš obecně udávají polohu, kde je žádoucí porost uvolnit či doplnit.



Pro větší míru automatizace by bylo vhodné vytvořit skript pro program ESRI ArcGIS, který by volil a nastavil nástroje dle povahy analyzovaných dat. Tvorba skriptu může být předmětem dalšího výzkumu.

45

9 Závěr V rámci práce proběhlo základní seznámení s bezpilotními letouny a fotogrammetrií. Stručně bylo představeno získávání dat pomocí UAV, následně jejich hlavní využití v lesnictví. Dále byla nashromážděna data a charakteristiky týkající se zájmové plochy a tématu práce. Snímky byly úspěšně zpracovány v programu Agisoft PhotoScan do podoby ortomozaiek a výškových modelů. Již zpočátku byla ortomozaika letního snímkování vyloučena z dalších analýz pro příliš výraznou buřeň. Výstupy byly dle vlastní metodiky použity v programu ESRI ArcGIS k vylišení stromků na zájmové ploše, aby se určila rovnoměrnost jejich rozmístění. Dále byl proveden výpočet vzdálenosti bodu každého zaměřeného stromku k jeho nejbližšímu vylišenému stromku. Rovnoměrnost rozmístění vylišených stromků byla srovnána s rovnoměrností rozmístění stromků geodeticky zaměřených v terénu. Výsledky naznačují, že není vhodné aplikovat tyto postupy ke zjištění počtu stromků automatickým vylišením. Jako vhodné se ale jeví hodnocení obnovy, například smrkových porostů, na základě rovnoměrnosti rozmístění vylišených stromků. Autor práce doporučuje vytvoření skriptu pro program ESRI ArcGIS, aby bylo dosáhnutí výsledků časově i znalostně méně náročné a tedy využitelnější v lesnické i krajinářské praxi.

46

10 Summary This theses took part the basic introduction to unmanned aircraft and photogrammetry. Briefly were introduced acquiring data by UAVs, then their main use in forestry. Then gathered data and characteristics of the area were presented. The images were successfully processed in Agisoft PhotoScan into ortomosaics and elevation models. Ortomosaics of summer imagery reflected a lot of full-grown weeds so it was not analyzed. According to the methodology outcomes were used in the program ESRI ArcGIS to detected trees to determine the uniformity of their distribution. A calculation of the distance of each measured point to its nearest point of detected tree was executed. Uniformity of detected trees was compared with the uniformity of measured trees. The results indicate that it is inappropriate to apply these methods to determine the number of detected trees. Recovery review can be useful for example in the spruce forests by the uniformity of distribution of detected trees. The author recommends creating program script for ESRI ArcGIS, in order to achieve results in short time with less knowledge about analyzing, so the method can be more useful in forestry and landscaping practice.

47

11 Seznam použitých zkratek, dalších frekventovaně užitých termínů a definic ATZ – část vzdušného prostoru v blízkém okolí neřízeného letiště sloužící k ochraně neřízeného letového provozu (Letecký předpis - pravidla létání L2. Dle ustanovení § 102 zákona č. 49/1997 Sb.). CTR – část vzdušného prostoru ustanoveného v okolí letiště s řízeným provozem, sloužící k ochraně řízeného letového provozu (Letecký předpis - pravidla létání L2. Dle ustanovení § 102 zákona č. 49/1997 Sb.). DPZ – dálkový průzkum Země GCP (Ground Control Point) – vlícovací bod ICAO (International Civil Aviation Organization) – mezivládní organizace, která vznikla v roce 1944 Chicagskou dohodou s cílem rozvíjet mezinárodní civilní letectví spořádaným a bezpečným způsobem tak, aby mezinárodní doprava byla umožňovala rovnost příležitostí a mohla fungovat spolehlivě a ekonomicky (ICAO, 2015). IMU (Inertial Measurement Unit) – elektronické zařízení, které zjišťuje rychlost, orientaci letounu a gravitaci díky použití kombinace akcelerometru a gyroskopu (VÚGTK, 2015). INS (Inertial Navigation System) – elektronické zařízení, které zajišťuje výpočet polohy v prostoru, získává přesné prvky vnější orientace (ČVUT, 2015). JPEG (JPEG File Interchange Format) – metoda ztrátová komprese běžně používané při ukládání obrazových dat MODTRAN (MODerate resolution atmospheric TRANsmission) – model simulující emisi a absorpci infračerveného záření v atmosféře Neřízené letiště - letiště, kde není poskytována služba řízení letového provozu (ATC). Může být poskytnuta letištní informační služba AFIS nebo RADIO (zjednodušená forma AFIS). Tyto služby však letadla neřídí, nicméně poskytují jim informace a doporučení (PILOTNÍ, 2015). NIR (Near Infrared Radiation) – blízké infračervené záření, vlnová délka činí 760 až 1 400 nm 48

Ortogonalizace – též ortorektifikace nebo diferenciální překreslení vylučuje geometrické zkreslení snímku. Zkreslení vzniká rozdílnou vzdáleností či výškou terénu. V případě zpracování obrazových dat je výsledkem ortofoto, jehož každý bod je zobrazen při pohledu kolmo shora. Více ortofot složených do jednoho souboru se nazývá ortomozaika (GISAT, 2015). RGB (Red Green Blue) – aditivní způsob míchání barev používaný v monitorech SFAP (Small Format Aerial Photography) – nízkorozpočtový způsob pořízení vlastních leteckých snímků

49

12 Seznam použité literatury a zdrojů 4GD. 2015. Agisoft PhotoScan. [Online] [Citace: 21. 2. 2015]. Dostupné z: ABER, J. 2010. Small-Format Aerial Photography: Principles, techniques and geoscience applications. Elsevier Science. ISBN 9780444532602. AGISOFT.COM. 2015. PhotoScan Presentation. [Online] [Citace: 21. 2. 2015]. Dostupné z: AGISOFT.CZ. 2015. Agisoft PhotoScan PRO. [Online] [Citace: 21. 2. 2015]. Dostupné z: AIS VIEW. 2015. Aplikace Ais View. [Online] [Citace: 8. 4. 2015]. Dostupné z: BAKER, S. A. 2003. An analysis of timber trespass and theft statutes in the Southern Appalachian. Virginia Polytechnic Institute and State University. Blacksburg, VA, USA. BERNI, J. A. a kol. 2008. Remote sensing of vegetation from UAV platforms using lightweight multispectral and thermal imaging sensors. Universität Stuttgart. [Online] [Citace: 15. 3. 2015]. Dostupné z: CULEK, M. 2005. Biogeografické členění České republiky. AOPK ČR. Brno. ISBN 8086064824. ČVUT. 2015. Základy inerciální navigace. [Online] [Citace: 16. 2. 2015]. Dostupné z: DEMEK, J., MACKOVČIN, P. 2006. Zeměpisný lexikon ČR. AOPK ČR. Brno. ISBN 8086064999. DRURY, J. D. 2008. Awareness in UAV Operations. C2 Journal. Sv. II, 1. Bedford, MA, USA.

50

EISENBEISS, H. 2008. UAV photogrammetry in plant sciences and geology. 6th ARIDA Workshop on "Innovations in 3D Measurement, Modeling and Visualization". Povo, Italy. ESRI. 2015. ArcGIS for Desktop. [Online] [Citace: 22. 2. 2015]. Dostupné z: GISAT. 2015. Ortorektifikace. [Online] [Citace: 22. 2. 2015]. Dostupné z: HORCHER, A., VISSER, R. 2004. Unmanned Aerial Vehicles: Applications for Natural Resource. Council on Forest Engineering: Machines and People, The Interface. Hot Springs, Arkansas, USA. CHANDLER, J. H. 1999. Effective application of automated digital photogrammetry for geomorphological research. Earth Surface Processes and Landforms. Loughborough, U.K. ICAO. 2015. Convention on International Civil Aviation. [Online] [Citace:22. 2. 2015]. Dostupné z: KOLEJKA, J., PLÁNKA, L., TRNKA, J. 2001. Rádiem řízené modely snímkují naši krajinu. GeoInfo, Computer Press. Sv. VIII, stránky 41-45. Praha Lesní hospodářský plán 2015 až 2024 pro lesní úsek Holanda Letecký předpis - pravidla létání L2. Dle ustanovení § 102 zákona č. 49/1997 Sb. LYNCH, D. K., LIVINGSTONE, W. 1995. Color and light in nature. Cambridge University Press. Cambridge, U.K. ISBN 0521468361. MIŘIJOVSKÝ, J. 2013. Bezpilotní systémy: sběr dat a využití ve fotogrammetrii. Univerzita Palackého v Olomouci pro katedru geoinformatiky. Olomouc. ISBN 9788024439235. PARAGLIDING-4U. 2015. Rozdělení vzdušného prostoru. [Online] [Citace: 17. 2. 2015]. Dostupné z: PAVELKA, K. 2003. Fotogrammetrie 10. ČVUT. Praha. ISBN 8001026493. PAVELKA, K. 2013. Nové moderní metody neinvazivního průzkumu památkových objektů. In "Sborník studentské konference Telč 2013". Telč 51

PILOTNÍ. 2015. Neřízené letiště. [Online] [Citace: 17. 2. 2015]. Dostupné z: QUITT, E. 1971. Klimatické oblasti Československa. Studia geographica. Brno. ISSN 05871247. RUMSFELD, D. 2003. Speaking Out for America. Pavilion Press. ISBN 1414504810. SPOLEČNOST PRO ŽIVOTNÍ PROSTŘEDÍ. 2015. Aplikovaná ochrana přírody a krajiny ČR. [Online] [Citace: 12. 4. 2015]. Dostupné z: VÚGTK. 2015. Terminologický slovník zeměměřičství a katastru nemovitostí. [Online] [Citace: 22. 2. 2015]. Dostupné z: Vyhláška č. 139/2004 Sb., kterou se stanoví podrobnosti o přenosu semen a sazenic lesních dřevin, o evidenci o původu reprodukčního materiálu a podrobnosti o obnově lesních porostů a o zalesňování pozemků prohlášených za pozemky určené k plnění funkcí lesa. WHALIN, B. 2011. Unmanned Aircraft Systems Remote Sensing Technology Used Against Bark Beetles in National Forests. sUAS News. [Online] [Citace: 15. 3. 2015]. Dostupné z: < http://www.suasnews.com/2012/02/11985/unmanned-aircraftsystems%E2%80%99-remote-sensing-technology-used-against-bark-beetles-innational-forests/> WOLF, P. R., DEWITT, B. A. 2000. Elements of photogrammetry with applications in GIS. McGraw Hill. Boston, Massachusetts, USA. Zákon č. 289/1995 Sb., o lesích a o změně a doplnění některých zákonů

52

13 Přílohy

Obr. 19 Fotografie zájmového území z terénu, pořízeno 20. 3. 2015 Zdroj: Přemysl Janata

Obr. 20 Ortomozaika jarního snímkování v pravých barvách

53

Obr. 21 Kružnice kolem bodů, z nichž každý reprezentuje zaměřený stromek

54