|
|
Klasifikace vybraných druhů vegetace v krkonošské tundře s využitím časové řady dat PlanetScope
Roubalová, Markéta ; Kupková, Lucie (vedoucí práce) ; Červená, Lucie (oponent)
Cílem práce bylo zjistit, do jaké míry lze s využitím dat PlanetScope rozlišit tři druhy travin - bezkolenec modrý (Molinia caerulea), třtina chloupkatá (Calamagrostis villosa) a smilka tuhá (Nardus stricta) v krkonošské tundře a zda multitemporální přístup může přispět ke zvýšení přesnosti klasifikace těchto druhů. Využito bylo dat PlanetScope s prostorovým rozlišením 3 m. Řízená pixelová klasifikace Maximum Likelihood, Support Vector Machine, Random Forest a objektová klasifikace SVM proběhly v programu ENVI 5.3 na základě terénních dat zaměřených GPS přístrojem v letech 2014 až 2018. Jednotlivé přesnosti klasifikace byly porovnány s výstupy řízené klasifikace v Kupková et al. (2017) a Marcinkowska-Ochytra et al. (2018a). Nejlepší výsledek klasifikace byl dosažen pro multitemporální kompozit metodou Random Forest. Celková přesnost klasifikace byla 80,67 %, což je lepší výsledek, než v případě klasifikace snímku z jednoho termínu (celková přesnost 76,06 %). Data PlanetScope byla porovnána s daty RapidEye a Apex. V rámci dat RapidEye dosáhl nejvyšší celkové přesnosti multitemporální kompozit klasifikovaný metodou Random Forest (74,75 %), v případě dat Apex (termín 10.9.2012) bylo dosaženo nejlepšího výsledku také metodou Random Forest (75,91 %). Klíčová slova: multitemporální klasifikace, vegetace,...
|
|
|
Klasifikace vybraných vegetačních kategorí land cover v krkonošské tundře z dat Sentinel-2A s využitím časové řady dat
Roubalová, Markéta ; Kupková, Lucie (vedoucí práce) ; Suchá, Renáta (oponent)
Klasifikace vybraných vegetačních kategorií land cover v krkonošské tundře z dat Sentinel-2A s využitím časové řady dat Abstrakt Cílem práce bylo zjistit, jestli lze pomocí multitemporálního přístupu zvýšit přesnost klasifikace vybraných kategorií vegetačního pokryvu ve východní části krkonošské tundry. Využito bylo 10 spektrálních pásem dat Sentinel-2A s prostorovým rozlišením 10 a 20 m. Klasifikační legenda byla vytvořena botanikem z Krkonošského národního parku. Řízená klasifikace MLC pro 11 tříd vegetačního pokryvu proběhla v programu ENVI 5.3 na základě terénních dat zaměřených GPS přístrojem. Jednotlivé přesnosti byly porovnány s výstupy řízené klasifikace v Kupková et al. (2017). Nejlepší výsledek klasifikace dosáhl celkové přesnosti 53,4 %, což byl podobný výsledek, jako v případě klasifikace snímku z jednoho termínu (celková přesnost 51,2 %). Klíčová slova: multitemporální klasifikace, vegetace, spektrální příznaky, Sentinel-2A, tundra, Krkonošský národní park
|
host ::
RSS.