|
|
Vliv spektrálního rozlišení na klasifikaci krajinného pokryvu v krkonošské tundře
Palúchová, Miroslava ; Červená, Lucie (vedoucí práce) ; Kupková, Lucie (oponent)
Vliv spektrálního rozlišení na klasifikaci krajinného pokryvu v krkonošské tundře Abstrakt Diplomová práce je zaměřena na specifikaci požadavků na spektrální rozlišení dat vstupujících do klasifikace a zodpovězení otázky, která pásma jsou stěžejní pro rozlišení tříd předem stanovené legendy. V práci jsou použita letecká hyperspektrální data senzoru AisaDUAL. Aplikovanou metodou výběru významných pásem byla diskriminační analýza provedena v IBM SPSS Statistics. Významná pásma se nacházela v intervalech 1500-1750 nm (začátek oblasti SWIR), 1100-1300 nm (delší vlnové délky NIR), 670-760 (red-edge) a 500-600 nm (zelené pásmo). Klasifikace vybraných pásem proběhla v ENVI 5.4 pomocí klasifikátoru Support Vector Machine a dosáhla celkové přesnosti 80,54 %, Kappa koeficient 0,7755. Součástí práce je také hodnocení vhodnosti dostupných družicových dat pro klasifikaci vegetace tundry z hlediska spektrálního rozlišení. Klíčová slova: tundra, Krkonoše, klasifikace, spektrální rozlišení, separabilita tříd, diskriminační analýza, hyperspektrální data
|
|
|
Application of imaging spectroscopy in monitoring of vegetation stress caused by soil pollutants in the Sokolov lignite basin
Mišurec, Jan ; Kupková, Lucie (vedoucí práce) ; Pavelka, Karel (oponent) ; Homolová, Lucie (oponent)
Lesy mohou být považovány za jeden z nejdůležitějších ekosystémů Země nejen kvůli produkci kyslíku a ukládání uhlíku prostřednictvím fotosyntézy, ale současně jako zdroj mnoha přírodních surovin (např. dřeva) a jako životní prostor mnoha specifických druhů rostlin a živočichů. Monitoring stavu lesa je proto naprosto zásadní činností k udržení všech ekologických a produkčních funkcí lesních ekosystémů. Hlavním cíle práce je vývoj alternativního přístupu k monitoringu zdravotního stavu lesa založeného na analýze leteckých hyperspektrálních dat (HyMap) s podporou pozemního průzkumu. Navrhovaný postup se snaží využívat obdobné parametry vegetace jako současné klasické metody hodnocení stavu lesa založené na terénním průzkumu. Význam navrhovaných metod pravděpodobně významně vzroste v době, kdy plánované družicové hyperspektrální mise (např. EnMap) dosáhnou operační fáze. Vyvíjený přístup k monitoringu stavu lesa je prakticky demonstrován na příklad dospělých porostů smrku ztepilého (Picea abies L. Karst) v oblasti Sokolovské hnědouhelné pánve, které byly dlouhodobě ovlivňovány těžbou uhlí a přítomností těžkého průmyslu a u kterých byla tudíž předpokládána značná variabilita zdravotního stavu. Dvojice modelů přenosu záření byla použita pro simulaci spektrálních signatur na úrovni jehlic: PROSPECT-5 a...
|
|
| |
|
|
Forest species determination from satellite data
Launer, Michal ; Kolář, Jan (vedoucí práce) ; Kupková, Lucie (oponent) ; Brodský, Lukáš (oponent)
Určení druhové skladby lesa z družicových dat Abstrakt Skúmanie druhového zloženia lesov z družicových snímok sa neustále vyvíja. Nové spôsoby skúmania lesov z družíc uľahčujú lesníkom si udržiavať presnejší a aktuálny prehľad o stave lesov. V tejto práci výskum bol robený na lesoch v katastrálnych územiach Osvětimany a Buchlovice v pohorí Chřiby v Českej republike. V práci boli využité dáta zo satelitu Landsat-8 z troch ročných období a metóda Maximum Likelihood Classificasion. Ako referenčné dáta boli použité lesnícke porastové mapy. Metóda práce spočívala v klasifikácii 6 snímok pomocou trénovacích množín metódou Maximum Likehood Classification. Následne boli vybraté pixle, ktoré boli po klasifikácii aspoň 4-krát zo 6 zaradené do tej istej triedy. Na základe týchto pixlov boli vypočítané umelé trénovacie množiny pre každú zo 6 snímok, pomocou ktorých bola urobené ďalšia klasifikácia s očakávaním lepších výsledkov. Správnosť jednotlivých klasifikácií snímkov bola overená pomocou chybovej matice na porastových mapách. Kľúčové slová: dálkový průzkum, lesní porost, druhy lesa, lesnická hospodářská mapa
|
|
|
Validace globálních databází změn lesních ploch
Šístek, Petr ; Štych, Přemysl (vedoucí práce) ; Kupková, Lucie (oponent)
Validace globálních databází změn lesních ploch Abstrakt Hlavním cílem práce je validace vybraných databází změn lesních ploch založených na analýze časových řad družicových snímků na území České republiky. K tomu byly využity databáze M. C. Hansena a P. V. Potapova, které mapují vývoj lesních ploch v nadnárodním měřítku. Za účelem validace byla navržena metodika, jejíž stěžejní součástí je využití historických ortofotosnímků z období let 2000-2012, které rovněž zachycují ověřované databáze. Získané výsledky byly statisticky zpracovány, což umožnilo zhodnocení přesnosti validovaných databází. V závěru práce jsou diskutovány příčiny zjištěných nepřesností a předkládána doporučení k budoucímu zdokonalení detekce změn lesních ploch. Klíčová slova: validace, les, land cover, change detection, Hansen, Potapov
|
|
|
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
|
|
|
Spectroscopic and statistical methods for detailed mapping of vegetation in the Krkonoše Mountains National Park
Minárčik, Miroslav ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Spektroskopické a štatistické metódy pre detailné mapovanie vegetácie v Krkonošskom národnom parku Abstrakt Diplomová práca je zameraná na detailnú klasifikáciu vegetácie v Krkonošskom národnom parku s využitím ordinačnej metódy DCA (Detrended Correspondence Analysis) v kombinácii s regresnou analýzou PLSR (Partial Least Square Regression). Výsledné hodnoty regresnej analýzy boli aplikované na hyperspektrálne dáta senzora APEX. Výsledky klasifikácie boli porovnané s riadenou klasifikáciou SVM (Support Vector Machine). Metóda DCA dokázala celkovo vysvetliť 16,3 % variácie pre prvé tri osi ordinačnej analýzy. Následná korelácia so spektrálnymi údajmi vegetácie ukázala, že najvyššiu hodnotu spoľahlivosti dosiahla prvá os korelovaná s terénnymi spektrálnymi údajmi (R2 = 0,56). Výsledná mapa klasifikácie vytvorená s využitím RGB kompozície ukázala detailnú informáciu o zložení vegetácie. Kľúčové slová: Krkonošský národný park, klasifikácia, APEX, DCA, PLSR, hyperspektrálne dáta
|
|
|
Classification of meadow vegetation in the Krkonoše Mts. using aerial hyperspectral data and support vector machines classifier
Hromádková, Lucie ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Tato diplomová práce se zabývá využitím leteckých hyperspektrálních dat senzoru AISA a klasifikačních metod Support Vector Machines (SVM) a Neural Networks (NN) pro mapování lučních společenstev v Krkonošském národním parku. Hlavní cíle práce jsou experimentální určení nejlepší kombinace parametrů algoritmu SVM, a navržení ideálního trénovacího datasetu pro tento algoritmus a krkonošská luční společenstva. Kritériem úspěšnosti jednotlivých kombinací parametrů SVM a trénovacích datasetů jsou výsledky posouzení přesnosti klasifikace pomocí confusion matic a kappa koeficientu. Kromě hlavních cílů je účelem práce také porovnání klasifikačních algoritmů SVM a NN, především co se týče počtu trénovacích pixelů potřebných pro úspěšnou klasifikaci horských luk. Hlavními výstupy práce jsou klasifikační mapy zájmových území a skripty v jazyce Python, které budou předány Správě KRNAP pro další využití v monitoringu a ochraně cenných lučních společenstev. Klíčová slova: hyperspektrální data, AISA, Support Vector Machines, Neural Networks, trénovací dataset, horská luční vegetace
|
|
|
Porovnání mapování NATURA 2000 s výstupy mapování pomocí dálkového průzkumu Země na příkladu krkonošské tundry
Ondrušková, Kateřina ; Kupková, Lucie (vedoucí práce) ; Červená, Lucie (oponent)
Porovnání mapování NATURA 2000 s výstupy mapování pomocí dálkového průzkumu Země na příkladu krkonošské tundry Abstrakt Bakalářská práce je zaměřena na porovnání mapování NATURA 2000 s výsledky klasifikace družicových snímků Landsat 8 a WorldView-2 s různým prostorovým rozlišením na příkladu krkonošské tundry. Snímky byly klasifikovány s využitím řízené klasifikace pomocí klasifikátoru Maximum Likelihood a neřízené klasifikace pomocí algoritmu ISODATA. Cílem práce bylo zjistit, jaké kategorie mapování Natura 2000 lze detekovat z družicových dat. Pro všechny klasifikace byla použita upravená legenda Natura 2000 na dvou úrovních. Nejlepších výsledků bylo pro oba snímky dosaženo neřízenou klasifikací na 1. úrovni legendy - celková přesnost pro snímek Landsat 8 byla 64,1 % a pro snímek World-View-2 67,16 %. Pro klasifikace byl použit software ENVI 5.1. Klíčová slova: dálkový průzkum Země, klasifikace řízená, klasifikace neřízená, legenda, přesnost klasifikace, mapování NATURA
|
|
|
Využití dat leteckého laserového skenování k detekci agrárních forem reliéfu v Krkonoších
Jebavá, Lucie ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Využití dat leteckého laserového skenování k detekci agrárních forem reliéfu v Krkonoších Abstrakt Práce se zabývá možností využití dat leteckého laserového skenování k detekci agrárních forem reliéfu v Krkonoších. Hlavní metodou výzkumu je analýza digitálního modelu terénu a povrchu v oblasti Krkonoš v softwaru ArcGIS 10.0. Analýza je založena na spe- cifických funkcích v softwaru ArcGIS (Slope, Curvature), a dále byla využita kombinace rastrů stínovaného reliéfu, což vedlo k detekci dalších agrárních tvarů. Pro ověření přes- nosti detekce agrárních tvarů byla provedena následná terénní verifikace. S ohledem na výsledky terénního průzkumu a hodnocení přesnosti mohou být výsledky označeny jako velmi uspokojivé. Správa Krkonošského národního parku může výstupy výzkumu využít pro kvantifikaci agrárních tvarů, k jejich ochraně, případně dalšímu výzkumu a managementu. Klíčová slova: letecké laserové skenování, agrární formy reliéfu, antropogenní geo- morfologie
|
host ::
RSS.