Rule-based land cover classification and erosion risk assessment of the Krkonose National Park, Czech Republic

Swedish. Populärvetenskaplig sammanfattning: Krkonoše national park är beläget i Sudeterna vid gränsen mellan Tjeckien och Polen. Parken karakteriseras av stora variationer i altitud och ett mosaikliknande vegetationsmönster. Det komplexa landskapet medför svårigheter vid val av klassificeringsteknik och skala för produktion av tillförlitliga markanvändningskarteringar. Denna studie syftar i första hand till att producera en markanvändningskarta med 21 klasser baserat på ett regelbaserat klassificeringssystem samt att utvärdera klassificeringar baserade på denna metod och på en s.k. ”maximum likelihood” algoritm baserad på Landsat 7 ETM+ data. Komplement data och sannolikheter baserat på tidigare producerat material används i det regelbaserade systemet. Den regelbaserade klassificeringen (21 klasser) uppnår en noggrannhet på 61,5 %. Högre noggrannhet uppnås om 11 markanvändningsklasser används (74,9 %). Detta indikerar att resultatet av noggrannhetsutvärderingen för markanvändningskartan med 21 klasser är starkt påverkad av den relativt låga noggrannheten hos de mindre och mer komplexa klasserna. Med hänsyn till skillnaderna i altitud, det mosaikliknande vegetationsmönstret samt det stora antalet klasser är resultatet av det regelbaserade klassificeringssystemet tillfredställande, speciellt om antalet klasser reduceras. Denna studie visar att ett regelbaserat system med komplement data otvivelaktigt förbättrar en ”maximum likelihood” klassificering baserad enbart på spektral data samt att ”maximum likelihood” klassificeringen ej är tillräcklig för detta område. För att uppnå en bättre klassificering framstår regelbaserade system med komplement data som en lovande metod för områden av detta slag. Det andra syftet med studien är att uppskatta risken för erosion i national parken. Under de senaste decennierna har höga halter av luftföroreningar deponerats i denna region. Detta har medfört markförsurning, minskad biodiversitet, omfattande avverkning och jorderosion. Risken för erosion varierar inom parken, därav är det viktigt att uppskatta vilka områden som är i farozonen för att bli eroderade. Detta för att motverka reell erosion. Två klasser används i erosions riskuppskattningen; erosions- kontra icke erosions riskområden. Modellen baseras på statistiska analyser av fältdata, bestående av GPS punkter med information om markanvändning och förekomst av erosion, digital data över jordart, topografisk form, sluttningsgradient, sluttningsriktning och altitud, samt litteraturstudier. Noggrannhetsutvärderingen gav en noggrannhet på 86,4 %. Detta indikerar att uppskattningar av denna typ kan utföras med tillfredställande resultat.

English. The Krkonoše National Park is located in the Sudetes mountain range at the Czech - Polish border. It is characterized by large variations in altitude and a mosaic vegetation pattern. The complex landscape raises the issues of appropriate classification techniques and scales. The first aim of this study is to produce a land cover map using 21 classes based on a rule-based classification system and to evaluate classifications based on this method and a maximum likelihood algorithm based on Landsat 7 ETM+ data. Ancillary data and prior probabilities are used in the rule-based system. The rule-based classification (21 classes) yields an overall accuracy of 61.5%. A higher accuracy is reached if 11 land cover classes are used (overall accuracy: 74.9%). This indicates that the result of the accuracy assessment of the land cover map with 21 classes is strongly influenced by the rather low accuracy of the more infrequent and complex classes. Considering the differences in altitude, the mosaic vegetation and the large number of classes the result of the rule-based classification system is satisfactory, especially when the number of classes is reduced. This study shows that a rule-based classification system using ancillary data and prior probabilities clearly enhances a maximum likelihood classification based solely on spectral data. An interpretation of satellite data based exclusively on spectral information does not produce a satisfactory result for this region. To achieve an improved classification the use of ancillary data and prior probabilities in a rule-based classification system seem to offer a promising solution. The second aim of this study is to assess the erosion risk in the National Park. Heavy air pollution has been deposited in this region during the last decades causing soil acidification, decreased biodiversity, deforestation and soil erosion. The erosion risk varies within the park and it is therefore essential to make an assessment of which areas are in danger of becoming eroded to prevent actual erosion. Two classes are used in the erosion risk assessment; erosion versus no erosion risk areas. It is based on statistical analyses of field data, consisting of GPS points including information on land cover and the presence of erosion /no- erosion, digital data on soil type, topographical form, slope gradient, aspect and altitude, and on literature studies. Accuracy assessments yield an overall accuracy of 86.4%. This indicates that assessments of this type can be made with satisfactory results.