|
|
Exploring correlation between vegetation indices and plant nitrogen uptake
Pavlačková, Alena ; Doležalová Weissmannová, Helena (oponent) ; Kučerík, Jiří (vedoucí práce)
Excessive fertilization can cause environmental pollution, such as water contamination and greenhouse gas emissions, along with economic losses. To mitigate these issues, it is important to adjust fertilization rates to the specific needs of crops. This thesis explores the use of remotely sensed vegetation indices to monitor crop nitrogen uptake and guide fertilization application. The study was conducted in Oensingen, Switzerland, during an internship at ETH Zürich. The main objective was to develop a prediction model based on vegetation indices to estimate the nitrogen uptake of grass-clover mixtures and winter wheat. Additionally, the correlation between various vegetation indices and crop characteristics, especially nitrogen uptake, was analyzed. Vegetation indices (NDVI, NDRE, GNDVI, MCARI, EVI) were derived from Sentinel-2 images using Google Earth Engine. Various crop characteristics, including the Leaf Area Index (LAI) and crop height, were measured, and winter wheat samples were analyzed for nitrogen uptake using an elemental analyzer. Additional nitrogen uptake data for grass from previous years was also included. In total, data from the years 2021-2023, that included both grass-clover mixture and winter wheat values, were used in the analysis. Correlation and regression analysis were performed to examine the relationships between vegetation indices and the measured crop characteristics. The index showing the strongest relationship with crop nitrogen uptake was then used to create a prediction model. The analysis revealed that the Enhanced Vegetation Index (EVI) was the most effective predictor of nitrogen uptake. The constructed prediction model based on EVI values achieved a high coefficient of determination (R$^2$) of 0.89, a low root mean square error (RMSE) of 1.05, and a mean absolute error (MAE) of 0.89. The results indicate that EVI is a reliable index for predicting nitrogen uptake in crops. The developed EVI-based model could be potentially used for optimizing nitrogen application in crops, which can reduce the negative environmental and economic impacts of over-fertilization.
|
|
| |
|
|
Prostorová analýza heterogenity pozemků z družicových dat
Kouřil, Jiří
Heterogenita pozemků je jedním z předpokladů pro použití mnoha metod precizního zemědělství, například variabilního setí nebo aplikace hnojiv. Jedním ze způsobů určení heterogenity pozemku je analýza družicových dat. Cílem této diplomové práce bylo ověřit hypotézu, že existuje alespoň středně silná pozitivní korelace mezi hodnotami vegetačních indexů a výnosů plodin zjišťovaných na čtyřech pozemcích o celkové výměře 75 ha během let 2019–2021. Pozemky jsou obhospodařovány společností Spearhead Czech s.r.o., která poskytla data pro přípravu výnosových map. Ta byla statisticky porovnána s vegetačními indexy NDVI, EVI a NDRE, jež byly vypočteny z družicových dat systému Sentinel-2.Výsledky korelační analýzy ukazují na dvou ze čtyř pozemcích středně silnou pozitivní korelaci mezi vegetačními indexy a výnosy, zatímco na zbylých dvou lze pozorovat pouze slabou pozitivní a v některých i slabou negativní korelaci. Toto je pravděpodobně zapříčiněno vlivem sucha, které postihlo vegetaci na těchto pozemcích v letech 2019 a 2021. Diplomová práce ukazuje potenciál družicových dat pro odhalení přítomnosti heterogenity na pozemku navzdory porovnávání vegetačních indexů a výnosů různých plodin.
|
|
|
Hodnocení lesní vegetace pomocí časových řad družicových snímků
Laštovička, Josef ; Štych, Přemysl (vedoucí práce) ; Brom, Jakub (oponent) ; Bucha, Tomáš (oponent)
Příloha k disertační práci: Abstrakt (Mgr. Josef Laštovička) Abstrakt Disertační práce se zabývá studiem lesních ekosystému na území střední Evropy pomocí časových řad družicových snímků, se zaměřením na zpracování optických multispektrálních dat. Právě lesní ekosystémy jsou poslední desetiletí pod četnými disturbancemi biotického i abiotického charakteru. Časové řady družicových dat s vysokým prostorovým rozlišením umožňují lesní disturbance podrobně zkoumat a analyzovat. V práci je kladen důraz na užití volně dostupných dat Landsat a Sentinel- 2, pro něž bylo provedeno detailní testování a porovnání. Vybrány byly diferenční metody časových řad. Práci lze rozdělit do dvou částí. První část zkoumá detekci lesních povrchů pomocí per-pixelových a sub-pixelových klasifikačních metod. Konkrétně bylo užito per-pixel klasifikátorů Neural Network, Support Vector Machine a Maximum Likelihood, které byly mezi sebou vzájemně otestovány a porovnány pro různé typy dat (s vysokým prostorovým rozlišením - Landsat a Sentinel; i velmi vysokým prostorovým rozlišením - WorldView-2) pro detekci land cover chráněných území. Z výše zmíněných klasifikátorů dosahoval nejvyšší přesnosti klasifikace Support Vector Machine. Z hlediska sub-pixelové klasifikace bylo využito Spectral Unmixing metod. Konkrétně byly pro tvorbu frakcí...
|
|
| |
|
| |
|
|
Změny pokryvu a orografie povodí 4. řádu ve vztahu k výstavbě dálnice hodnocené ze satelitních dat Sentinel-2 a leteckých LiDAR dat
ŽŮČEK, Petr
Práce se zabývá sledováním změny krajinného pokryvu a orografie v povodí čtvrtého řádu. Pro tento účel byla použita satelitní multispektrální data Sentinel-2 a data leteckého LiDAR skenování. Hlavním cílem práce bylo ověřit, do jaké míry lze veřejně dostupná a bezplatná satelitní data Sentinel-2 využít k hodnocení změn území a pro potřeby krajinného plánování. K ověření cíle byla využita časová řada satelitních dat Sentinel-2 pro zhodnocení změny krajinného pokryvu ve vztahu ke stavbě nového úseku dálnice D3 na vybraném území. Sentinel-2 data byla stažena, převzorkována, a klasifikována. Byla použita metoda řízené klasifikace Maximum Likelihood. Kategorie pokryvu byly vytvořeny pomocí trénovacích ploch v softwaru ArcMap. Přesnost klasifikace z dat 22. 9. 2020 byla ověřena pomocí kontrolních bodů, které byly generovány náhodně a terénním šetřením byly zjištěny třídy pokryvu. Z výsledných dat klasifikace byly získány údaje o změně krajinného pokryvu. LiDAR data byla převzorkována na stejné prostorové rozlišení a byly vyhodnoceny rozdíly. Byla nalezena místa s výraznou změnou orografie. Z LiDAR dat byly vytvořeny modely linií soustředěného odtoku. Výsledky modelů byly porovnány a diskutovány. Výsledky srovnání Sentinel-2 dat za období 2017 až 2020 ukazují výrazné zvýšení zastoupení oblastí s řídkou vegetací o 46,39 ha a ploch s travnatou a křovinnou vegetací o 38,36 ha. Dále došlo k zvýšení ploch luk o 7,02 ha a lesních mýtin o 1,95 ha. Sníženo bylo zastoupení orné půdy o 34,78 ha, lesů o 29,05 ha, vodních ploch o 12,12 ha, urbanizace o 13,39 ha a ploch s probíhající stavbou o 4,38 ha. Výsledky srovnání LiDAR dat ukázaly několik oblastí s výraznou změnou orografie. Srovnání modelů linií soustředěných otoků odhalilo výraznou změnu. Výrazná část vody z povodí odtékala do sousedního povodí 1-06-03-0030. Po rekultivaci bývalého odkaliště se rozdělené části koryta Hodějovického potoka propojily a voda z celého povodí končí v uzávěrném profilu řešeného povodí. Celková přesnost 91,4 % a Kappa koeficient 0,902 ukazují, že použitý postup zpracování Sentinel-2 dat umožňuje dostatečně prostorově i tematicky přesnou klasifikaci krajinného pokryvu, vyjma území urbanizace. Klasifikace v zastavěném území měla uživatelskou přesnost 86,7 %. Data zjištěná ze Sentinel-2 dat mohou být tedy použita v několika částech krajinného plánování. Je možné je použít k: aktualizaci využití území, určování aktuálního stavu porostu, sledování lesních komplexů, nebo sledování rekultivací. LiDAR data mohou být efektivně použita ke sledování změn orografie, modelování linií soustředěného odtoku a určování kritických bodů.
|
|
|
Možnosti využití satelitních dat Sentinel-2 v krajinném plánování
TOMS, Petr
Diplomová práce se zaměřuje na analýzu změn krajinného pokryvu a vlhkostních charakteristik na povodí Dobřejovického potoka pomocí Sentinel-2 dat. Cílem práce bylo zjistit, jak mohou být získané výsledky využity pro krajinné plánování. V první části diplomové práce je zpracovaná literární rešerše, týkající se principů dálkového průzkumu Země, elektromagnetického spektra, spektrálního projevu objektů, multispektrálních dat a satelitních dat Sentinelem-2, zajišťovaných Evropskou kosmickou agenturou. Praktická část obsahuje popis zájmového území, využité metody při zpracování Sentinel-2 dat. Důležitá část se zaměřuje na klasifikaci dat, ze kterých jsou vytvořeny výstupy, interpretovány výsledky a zhodnocena přesnost klasifikace změn krajinného pokryvu. Dále se praktická část věnuje vypočítání vegetačních indexů, díky kterým můžeme získat informace o vlhkostních charakteristikách. Část práce dále poukazuje na využitelnost získaných výsledků ve formách krajinného plánování.
|
|
|
Testování možností extrakce vybraných krajinných charakteristik pro popis stanovišť výskytu indikačně významných druhů ptáků v Krkonoších z dat dálkového průzkumu Země
Polák, Mojmír ; Kupková, Lucie (vedoucí práce) ; Janík, Tomáš (oponent)
Diplomová práce využívá data Dálkového průzkumu Země dvou prostorových úrovní (Sentinel-2 s pixelem 10 x 10 m a PlanetScope 3 x 3 m). Práce zkoumá možnosti extrakce vybraných krajinných charakteristik (spektrální indexy, typ land cover, krajinné metriky) s cílem vyhodnotit, jaké charakteristiky a v jakém měřítku jsou statisticky významné pro výskyt 23 vybraných druhů ptáků, druhovou bohatost a počet druhů řádu pěvci v kvadrátech 1400 x 1400 m v Krkonoších. Data o výskytu druhů byla mapována v letech 2012-2014 na české i polské straně. Síla vztahu mezi charakteristikami a výskytem byla určena Pearsonovým korelačním koeficientem. Nepodařilo se potvrdit, že by pro extrakci krajinných charakteristik byla přínosnější data s větším prostorovým rozlišením. Z celkového pohledu krajinné charakteristiky neprokázaly funkční vztahy pro všechny vybrané druhy. Jako relevantní se potvrdily pro vybrané druhy, druhovou bohatost a řád pěvců například faktory průměrná nadmořská výška a land cover. Land cover byl analyzován metodou řízené klasifikace Random Forest v prostředí Google Earth Engine s celkovou přesností 78 % v případě dat Sentinel-2, jak v tundře, tak i ve zbylé části území a pro data PlanetScoce v tundře 77 %, ve zbylé části území 66 %. Výsledky klasifikací byly porovnány s datovými produkty CORINE Land...
|
|
| |
host ::
RSS.