Čtyři provázané pracovní balíčky pokrývají celý proces — od sběru dat přes kalibraci a modelování až po ověřenou metodiku.
Co se v lese právě děje
Mapování disturbancí — sucha, kůrovce, požárů, vývratů — pomocí volně dostupných satelitních snímků (Sentinel, Landsat, PlanetScope), leteckých ortofotomap a lidarových i fotogrammetrických mračen ČÚZK a cíleného snímkování z dronu. Modely umělé inteligence z toho automaticky rozeznají souše, holiny i obnovu porostu.
Výstup: Mapa disturbancí (AI klasifikace)
Kam se les vyvíjí
Trvalé výzkumné plochy kalibrují metody DPZ, satelitní časové řady a modely rozkladu mrtvého dřeva a uhlíkové bilance. Natrénované AI modely predikují vývojové scénáře; multispektrální snímky a LiDAR data sledují změny dřevinového složení a přírůstků v rámci lesních sukcesních procesů.
Výstup: Predikční modely vývoje + uhlíková bilance
Jak víme, že máme pravdu
Terénní „ground-truth“ data — mapování vegetace a její struktury — validují výstupy z DPZ. Zároveň poskytují mikroklimatická data pro trvalé plochy WP2 a modelování uhlíkové bilance.
Výstup: Validovaná ground-truth data
Kdo dalšího ovlivňuje obnovu lesa
Aktivita a pohyb zvěře jako jeden z faktorů ovlivňujících obnovu porostů — testováno pomocí termovizních kamer na dronu a automatické detekce natrénovanými AI modely.
Výstup: Metoda monitoringu zvěře
Ukázkový termovizní záznam bude doplněn
Propojení satelitních, leteckých, UAV i pozemních dat do jednoho metodického rámce, který v ČR zatím chybí.
Řešena systematickou validací na referenčních plochách, transparentně dokumentovanou.
Klíčové nástroje, modely i mapy budou zpřístupněné jako open source pro opakování výzkumu jinde.