|
Využití hyperspektrálních dat ke klasifikaci vegetace alpínského bezlesí v Krkonoších
Andrštová, Martina ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Využití hyperspektrálních dat ke klasifikaci vegetace alpínského bezlesí v Krkonoších ABSTRAKT Diplomová práce je součástí projektu HyMountEcos, který se zabývá komplexním hodnocením ekosystémů v Krkonošském národním parku s využitím hyperspektrálních dat. Zájmovým územím je oblast alpínského bezlesí v Krkonošském národním parku (krkonošská tundra). Cílem práce bylo vytvoření podrobné metodiky klasifikace vegetačního pokryvu z hyperspektrálních dat senzoru AISA DUAL a APEX, nalezení klasifikátoru, který zlepší přesnost klasifikace oproti údajům z literatury, a porovnání přesností dosažených pomocí těchto dvou typů dat. Na data bylo aplikováno několik klasifikačních algoritmů (Spectral Angle Mapper, Linear Spectral Unmixing, Support Vector Machine, MESMA a Neural Net), výsledky klasifikací byly v následujícím kroku statisticky vyhodnoceny a porovnány. Jako nejpřesnější byla vyhodnocena metoda Neural Net, která poskytuje nejpřesnější výsledky pro data APEX (celková přesnost 96 %, Kappa koeficient 0,95) i AISA DUAL (celková přesnost 90 %, Kappa koeficient 0,88). Výsledná přesnost klasifikace (celková i pro některé třídy) dosáhla lepších výsledků, než jsou zmiňovány v literatuře Výstupem práce jsou také mapy vegetace alpínského bezlesí zpracované na žádost Správy Krkonošského národního parku, které budou...
|
|
Využití hyperspektrálních dat ke klasifikaci vegetace alpínského bezlesí v Krkonoších
Andrštová, Martina ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Využití hyperspektrálních dat ke klasifikaci vegetace alpínského bezlesí v Krkonoších ABSTRAKT Diplomová práce je součástí projektu HyMountEcos, který se zabývá komplexním hodnocením ekosystémů v Krkonošském národním parku s využitím hyperspektrálních dat. Zájmovým územím je oblast alpínského bezlesí v Krkonošském národním parku (krkonošská tundra). Cílem práce bylo vytvoření podrobné metodiky klasifikace vegetačního pokryvu z hyperspektrálních dat senzoru AISA DUAL a APEX, nalezení klasifikátoru, který zlepší přesnost klasifikace oproti údajům z literatury, a porovnání přesností dosažených pomocí těchto dvou typů dat. Na data bylo aplikováno několik klasifikačních algoritmů (Spectral Angle Mapper, Linear Spectral Unmixing, Support Vector Machine, MESMA a Neural Net), výsledky klasifikací byly v následujícím kroku statisticky vyhodnoceny a porovnány. Jako nejpřesnější byla vyhodnocena metoda Neural Net, která poskytuje nejpřesnější výsledky pro data APEX (celková přesnost 96 %, Kappa koeficient 0,95) i AISA DUAL (celková přesnost 90 %, Kappa koeficient 0,88). Výsledná přesnost klasifikace (celková i pro některé třídy) dosáhla lepších výsledků, než jsou zmiňovány v literatuře Výstupem práce jsou také mapy vegetace alpínského bezlesí zpracované na žádost Správy Krkonošského národního parku, které budou...
|