V jaké vzdálenosti se doporučuje sázet platan od budovy?
Obecně se u stromů udává, že objem, který zaujímá nad zemí koruna, odpovídá zhruba objemu kořenů, tj. dá se i říct že kam dosahují větve, tam dosahují kořeny pod zemí.
1x Zeptejte se
Výskyt lýkožrouta smrkového ve střední Evropě v posledních třech desetiletích sílí. Nejnovější výskyty v Česku dokonce přesáhly závažnost ohnisek pozorovaných v posledních dvou desetiletích. Proto je čas jednat.
Lesy v Česku zažívají v posledních letech děsivé období. V důsledku změn klimatu, působení škodlivých imisí a nevhodného hospodaření dochází k jejich oslabení. Snížená vitalita stromů dává příležitost k expanzi škůdců, kteří zpravidla stromy nejen napadnou ale i usmrtí. Plocha lesů rapidně ubývá. Vyvstávají tak obavy ohledně vlivů na životní prostředí, nedostatku dřeva i dopady na lidské zdraví. Mnohdy se však můžeme setkat se stromy, které se zdají být zdravé, avšak „to mají již za sebou“ či jsou již značně poškozené. Detekce poškozených stromů v raném stadiu není snadná, avšak je nepostradatelná. Robert Minařík spolu s Jakubem Langhammerem a Theodorou Lendzioch z Katedry fyzické geografie a geoekologie Přírodovědecké fakulty Univerzity Karlovy se na to rozhodli jít od lesa, tedy vlastně z ptačí perspektivy.
Jednou z možností, jak zjistit napadení stromů včas je terénní průzkum. Jedná se však o velice časově náročnou činnost, při které není možné postihnout dostatečně velkou oblast. Mnohem komplexnější se zdá využití dálkového průzkumu Země. Zde však dost často narážíme na nevhodné rozlišení snímků a nemožnosti odhalit konkrétní koruny napadených stromů. Zároveň k jejich zjištění je zapotřebí znalostí o interakcích mezi biochemickými a strukturními vlastnostmi stromu a elektromagnetickými signály detekovanými senzorem.
Nadějným nástrojem k určení napadených stromů je klasifikace obrazu pomocí algoritmů strojového učení (podoblast umělé inteligence, kde se počítačový systém sám „učí“ z předložených vzorů a jejich klíčových rysů). Jednou z možností, jak zpracovávat multispektrální snímky s velmi vysokým rozlišením je využití metody konvolučních neuronových sítí (=CNN, convolutional neural network). Použití tohoto moderních přístupu ke klasifikaci jednotlivých korun stromů se rozhodl i tým hyDRONE složený z fyzickogeografických odborníků a nadšenců pro drony. Svůj výzkum situoval do Klánovického lesa v Praze, neboť tento les od roku 2015 trpí suchem a souvisejícím masivním přemnožením kůrovci. Představuje tak ideální pilotní lokalitu. Celkově rozdělili koruny jednotlivých stromů do 4 hlavních kategorií: borovice, po delší dobu napadené smrky s již žlutými jehlicemi, právě napadené smrky s ještě zelenými jehlicemi (green attack) a nenapadené smrky. Spolu se snímkováním pomocí bezpilotních letadel proběhlo i terénní šetření.
Dalším krokem již byla analýza obrazu s využitím konvolučních neuronových sítí (CNN). O co se přesně jedná? CNN se skládá z řetězce tzv. konvolučních a pooling vrstev zakončených klasifikační vrstvou neuronů. Do sítě vstupují jednotlivé mini obrázky korun. V konvoluční vrstvě se zvýrazňují typické rysy korun pro danou kategorii násobením pixelů pohyblivým filtrem zvaným kernel. Pooling vrstva snižuje velikost obrázku a zahušťuje informaci vybráním maxima nebo výpočtem průměru z definovaného pole např. 3 x 3 pixely. Výsledkem jsou dominantní rysy vstupních dat ukryté v maticích, které vstupují do klasifikátoru. Podobně jako v biologii, i u CNN dochází pomocí pomyslných neuronů k předávání informací a k následným reakcím na daný stimul. Výhodou CNN je (na rozdíl ostatních metod strojového učení), že „sama“ hledá ve vstupních obrázcích klíčové rysy (vzory) pro rozpoznání jednotlivých kategorií a není nutné tyto vzory síti dodat prostřednictvím transformací obrazu.
Pomocí využití tří různých modelů konvolučních neuronových sítí a hojně využívaného modelu „náhodného lesa“ autoři zanalyzovali snímky různě poškozeného lesa. Nejvhodněji se projevily modely CNN využívající pouze RGB pásma, protože nejlepší spektrální oddělitelnost tříd byla v modrém a červeném pásmu. Docházelo pouze k pár chybným klasifikacím mezi dvěma kategoriemi smrků v různém stádiu napadení.
Včasné rozpoznání napadených stromů kůrovci je esenciální pro zastavení jeho šíření a páchání dalších škod v našich lesích. V nedávno vyšlé studii tým odborníků odhalil nové možnosti využití konvolučních neuronových sítí k jejich detekci. Uváděné modely lze využít nejen pro základní identifikaci napadených stromů, ale i pro sledování vývoje narušení kůrovcem. Autoři předpokládají další vylepšení modelů pomocí více tréninkových vzorků s opakováním za různých sezónních podmínek.
Mgr. Kateřina Fraindová, Přírodověda populárně
Článek byl převzat z rubriky Přírodověda poopulárně.
Obrázek v záhlaví: Někdy je potřeba se na stav lesa podívat z výšky. Projevy kůrovce je možné odhalit daleko před tím než u stromů dojde k finálnímu stadiu. Foto: Jakub Langhammer
Obecně se u stromů udává, že objem, který zaujímá nad zemí koruna, odpovídá zhruba objemu kořenů, tj. dá se i říct že kam dosahují větve, tam dosahují kořeny pod zemí.
1x Zeptejte se
Řeky jsou v současné době jedním z ekosystémů nejvíce ohrožených ztrátou biologické diverzity (dokonce více než obvykle zmiňované deštné pralesy). Příčinou tohoto stavu je nikoliv překvapivě lidská činnost.
2x Magazín
Je to hrozně jednoduché, stačí se zaregistrovat, vyplnit o sobě všechny údaje a my ti pošleme Kartu přírodovědce s tvým jménem, na kterou můžeš čerpat mnoho výhod.
Katalog pro učitele je nabídkový systém, kde si zaregistrovaný učitel může zapůjčit odborné přístroje, objednat praktická cvičení nebo přednášky pro studenty.