Ocena potencjału obrazów satelitarnych Sentinel-2 i algorytmu Random Forest do identyfikacji wybranych inwazyjnych gatunków drzewiastych

dc.abstract.en	Invasive species are one of the most serious ecological problems, as the presence of these plants negatively affects the native environment. One of the ways to deal with this problem is to carry out monitoring of such species, where publicly available Sentinel-2 satellite data can be used. The work concerns the application of Sentinel-2 imagery and machine learning to identify two invasive tree species: black locust and red oak.The analysis was carried out on a fragment of the Masovian and Łódź Voivodeships (Sentinel-2 imaging with a ‘34UDC’ granularity). During the study, 10 classification scenarios were carried out: 7 for single imagery (from April-November) and 3 for multi-temporal compositions in the form of layer stacking (corresponding to the seasons: spring, summer and all imagery) in Google Earth Engine. This was to evaluate the individual imagery for the detection of acacia robinia and red oak at different stages of vegetative development. Other tree species were also used in the work: birch, pedunculate, in order to compare the effectiveness of the Random Forest classifier for identifying the analysed species. The best results were obtained for 01.05.2024, when 0.85 producer accuracy and 0.96 user accuracy were achieved for red oak and when 0.89 producer accuracy and 0.91 user accuracy were achieved for acacia robinia. On the aforementioned date, the best result was achieved for acacia robinia and for red oak, 0.85 producer accuracy and 0.97 user accuracy was achieved on 02.11.2024. The study showed that it is possible to detect invasive tree species using Sentinel-2 imagery. This shows that it is possible to monitor invasive species over large areas, e.g. a voivodeship, which is an advantage in terms of economy and time for the various institutions involved.
dc.abstract.pl	Gatunki inwazyjne są jednym z poważniejszych problemów ekologicznych, gdyż występowanie tych roślin wpływa negatywnie na rodzime środowisko naturalne. Jednym z sposobów radzenia z tym problemem jest prowadzenie monitoringu takich gatunków, gdzie można wykorzystać ogólnodostępne dane satelitarne Sentinela-2. Praca dotyczy zastosowania zobrazowań Sentinela-2 i uczenia maszynowego do identyfikacji dwóch inwazyjnych gatunków drzew: robinii akacjowej i dębu czerwonego. Analiza została przeprowadzona na fragmencie województwa mazowieckiego i łódzkiego (zobrazowanie Sentinela-2 o granuli „34UDC”). W czasie badania zostało przeprowadzonych 10 scenariuszy klasyfikacji: 7 dla pojedynczych zobrazowań (z okresu kwiecień- listopad) i 3 dla kompozycji wieloczasowych w formie layer stacking (odpowiadające porom roku: wiosna, lato i wszystkie zobrazowania) w Google Earth Engine. Miało to na celu ocenę poszczególnych zobrazowań do detekcji robinii akacjowej i dębu czerwonego w różnych fazach rozwoju wegetacyjnego. W pracach wykorzystano także inne gatunki drzew: brzoza, dąb szypułkowi bezszypułkowy, w celu porównanie skuteczności klasyfikatora Random Forest (las losowy) do identyfikacji analizowanych gatunków. Najlepsze rezultaty uzyskano dla 01.05.2024, kiedy osiągnięto 0,85 dokładności producenta i 0,96 dokładności użytkownika dla dębu czerwonego i kiedy osiągnięto 0,89 dokładności producenta i 0,91 dokładność użytkownika dla robinii akacjowej. We wspomnianym terminie osiągnięto najlepszy wynik dla robinii akacjowej, a dla dębu czerwonego osiągnięto 02.11.2024, 0,85 dokładności producenta i 0,97 dokładności użytkownika. Badanie wykazało, że możliwa jest detekcja inwazyjnych gatunków drzew za pomocą zobrazowań Sentinela-2. Pokazuje to, że możliwy jest monitoring gatunków inwazyjnych na dużych obszarach np. województwo, co jest zaletą pod względem ekonomicznym i czasowym dla różnych instytucji związanymi z tym tematem.
dc.affiliation	Uniwersytet Warszawski
dc.affiliation.department	Wydział Geografii i Studiów Regionalnych
dc.contributor.author	Sudoł, Przemysław
dc.contributor.promoter	Zagajewski, Bogdan
dc.contributor.reviewer	Jarocińska, Anna
dc.contributor.reviewer	Zagajewski, Bogdan
dc.date.defence	2025-07-21
dc.date.issued	2025
dc.date.submitted	2025-06-27
dc.identifier.apd	243634
dc.language	pl
dc.language.other	en
dc.publisher	Uniwersytet Warszawski
dc.rights	ClosedAccess
dc.subject.en	black locust
dc.subject.en	red oak
dc.subject.en	Sentinel-2
dc.subject.en	machine learning
dc.subject.en	Random Forest
dc.subject.en	Invasive species
dc.subject.pl	robinia akacjowa
dc.subject.pl	dąb czerwony
dc.subject.pl	Sentinel-2
dc.subject.pl	uczenie maszynowe
dc.subject.pl	Random Forest
dc.subject.pl	gatunki inwazyjne
dc.title	Ocena potencjału obrazów satelitarnych Sentinel-2 i algorytmu Random Forest do identyfikacji wybranych inwazyjnych gatunków drzewiastych
dc.title.alternative	Assessment of Sentinel-2 satellite images and the Random Forest algorithm to identify selected invasive woody species
dc.type	MasterThesis