|
| |
|
| |
|
|
Využití dálkového průzkumu Země pro zkoumání teplotních charakteristik povrchu
Hofrajtr, Martin ; Štych, Přemysl (vedoucí práce) ; Brom, Jakub (oponent)
Využití dálkového průzkumu Země pro zkoumání teplotních charakteristik povrchu Abstrakt Cílem této diplomové práce je návrh metodiky pro zpřesnění hodnot povrchové teploty získané z družicových dat Landsat 8 v oblastech s různorodým krajinným pokryvem. V rešeršní části jsou popsány faktory ovlivňující vyzařování zemského povrchu. Taktéž jsou zde zmíněny současné metody používané ke zpracování infračervených termálních dat a k výpočtu povrchové teploty. V praktické části jsou popsána družicová a letecká data použitá v rámci analytického a verifikačního procesu. Všechny části využité metody vedoucí k subpixelové hodnotě povrchové teploty jsou podrobně popsány v metodické části. Výsledky jsou následně porovnány s verifikačními leteckými daty s lepším prostorovým rozlišením a taktéž se současně používanými metodami. Na závěr jsou zmíněny klady i zápory této metody a její možné vylepšení v budoucnu. Klíčová slova: povrchová teplota, povrchová emisivita, družicová data, Landsat 8, letecká data, subpixelová metoda, Česká republika
|
|
|
Klasifikace druhové skladby lesa pomocí dat Sentinel-2 a Landsat
Havelka, Ondřej ; Štych, Přemysl (vedoucí práce) ; Kupková, Lucie (oponent)
Hlavním cílem diplomové práce je zhodnocení využitelnosti vybraných klasifikačních algoritmů k rozlišení druhové skladby lesů na území Česka. Použitím družicových snímků Sentinel-2 a Landsat 8 je zkoumáno, zda lepší prostorové rozlišení ovlivní výslednou klasifikaci a zda díky technologickému pokroku lze docílit klasifikace lesních porostů na úrovni jednotlivých druhů. Základem každé řízené klasifikace je vhodně zvolený soubor trénovacích a kontrolních množin, který v předkládané práci vychází z polygonové vrstvy, popisující druhovou skladbu, jejímž autorem je Ústav pro hospodářskou úpravu lesů. Na základě rešerše aktuální odborné literatury jsou v předkládané práci použity klasifikační algoritmy Support Vector Machine, Neural Network a Maximum Likelihood. Je snahou jejich modifikacemi, které vychází z výsledků odborných prací, dosáhnout co nejvyšší klasifikační přesnosti. Veškeré výsledky jsou doplněny tabulkami, grafy a mapami, které uceleně a přehledně shrnou odpovědi na stanovené cíle předkládané práce.
|
|
|
Evaluation of methods and input data for land cover classification: case study of the former military areas Ralsko and Brdy
Paluba, Daniel ; Štych, Přemysl (vedoucí práce) ; Brom, Jakub (oponent)
Využitie dát diaľkového prieskumu Zeme (DPZ) na mapovanie krajinnej pokrývky upútalo pozornosť širokej škály vedeckých výskumníkov a praktikov v posledných desaťročiach. Vplyv na zvýšenie záujmu o DPZ malo hlavne otvorenie archívu dát družíc Landsat a Sentinel. Hlavným cieľom tejto štúdie je vyhodnotiť presnosť bežne využívaných algoritmov Maximum Likelihood (ML) a Support Vector Machine (SVM) nad voľne dostupnými dátami Landsat 8 a Sentinel-2 na príklade území bývalých vojenských obvodov Ralsko a Brdy, ktoré prešli špecifickým vývojom krajinnej pokrývky. Štúdia hodnotí krajinnú pokrývku v oboch záujmových územiach k roku 2016 a na základe dosiahnutých výsledkov poukazuje na použiteľnosť vybraných dát a metód. Dosiahnuté výsledky klasifikácií krajinnej pokrývky dosahovali uspokojivé výsledky - celkové presnosti boli vyššie ako 85 %. Na základe očakávania, algoritmus SVM celkovou presnosťou prekonal algoritmus ML. Najlepšie presnosti klasifikácie dosahovali triedy vodných plôch a ihličnatých lesov, naopak, najviac chýb generovali triedy zastavané plochy, riedka vegetácia a plochy bez vegetácie. Kľúčové slová: diaľkový prieskum Zeme, Support Vector Machine, Maximum Likelihood, Česko, Sentinel-2, Landsat 8
|
|
|
Využití multispektrálních družicových dat pro klasifikaci lesních porostů poškozených disturbancemi
Šmausová, Barbora ; Štych, Přemysl (vedoucí práce) ; Červená, Lucie (oponent)
Hlavním cílem diplomové práce je vytvoření metodického postupu vhodného pro klasifikaci poškozených lesních porostů na vybraném území Národního parku Šumava. K tomuto účelu jsou využity multispektrální snímky WorldView-2 a Landsat 8. Práce klade důraz na odlišení jednotlivých fází vývoje lesa postiženého lýkožroutem smrkovým. Dle zvolené legendy, zahrnující více fází rozpadajícího se i obnovujícího se lesa, jsou snímky klasifikovány metodami Neural Network, Support Vector Machine a objektovou klasifikací. Následná aplikace těchto metod na zvolené snímky vyžadovala vhodný výběr parametrů a pravidel k dosažení optimálních výsledků. Výsledky práce porovnávají a hodnotí výsledné klasifikace. Dalším výstupem práce je zhodnocení vlivu zpracovávaných snímků WorldView-2 a Landsat 8 na výsledný výstup klasifikace. Veškeré výsledky práce jsou hodnoceny pomocí celkové přesnosti, chybových matic a kappa koeficientu. Powered by TCPDF (www.tcpdf.org)
|
host ::
RSS.