|
|
Assessment of vegetation phenology using Sentinel-2 time series data
Danilchyk, Tatsiana ; Štych, Přemysl (vedoucí práce) ; Bohovic, Roman (oponent)
Cílem této práce je vyhodnotit detekci fenologických fází vegetace na základě fenometrických parametrů podle archivních dat Sentinel-2 ve vybraných oblastech v období 2018-2020. V první části práce je uveden literární přehled relevantních publikací, na který navazuje popis navržené metodiky. Poté jsou uvedeny výsledky s grafickými materiály a popisem pro jednotlivé sledované lokality. V závěrečné části práce jsou diskutovány výhody a nevýhody vytvořeného algoritmu, na které navazují návrhy na budoucí výzkum a zlepšení. Vyvinutý algoritmus se skládá ze 2 částí. Odmaskování oblačných pixelů a generování na časové řadě vegetačních indexů se provádí v prostředí GEE. Analýza časových řad a detekce SOS a EOS a statistická analýza se provádí v prostředí R. Studované plochy 20 x 20 m reprezentují různé druhy trvalé vegetace na celém území České republiky. Pro hodnocení detekce fenofází jsou zvoleny hodnoty NDVI, RENDVI, NDRE, NDMI a MCARI. Asymetrická Gaussova funkce a Dvojitá logistická funkce jsou aplikovany na časové řady jednotlivých vegetačních období v každé testované lokalitě, fenologické parametry jsou odvozeny na základě prahových hodnot nebo derivací. Výsledky jsou ověřeny na základě in-situ dat poskytnutých ČHMÚ. NDMI vykázal nejvyšší přesnost při detekci SOS při použití Asymetrické Gaussovy...
|
|
|
Klasifikace krajinného pokryvu ve vybraných územích Etiopie pomocí klasifikátoru strojového učení
Valchářová, Daniela ; Štych, Přemysl (vedoucí práce) ; Nedbal, Václav (oponent)
Diplomová práce se zabývá klasifikací krajinného pokryvu v regionu Sidama v Etiopii a 2 kebelí, Chancho a Dangora Morocho. Využívány jsou družicové snímky vysokého rozlišení Sentinel-2 a velmi vysokého rozlišení PlanetScope. Tvorba klasifikačního algoritmu probíhá v cloudovém prostředí Google Earth Engine. Testováno je 10 kombinací 4 nejdůležitějších parametrů klasifikační metody Random Forest. Definovaná legenda obsahuje 8 tříd land cover, a to zástavba, plodiny, louka/pastvina, les, křoviny, holá půda, mokřad a vodní plocha. Trénovací dataset je sbírán v terénu na podzim roku 2020. Porovnávány jsou výsledky klasifikace dvou typů dat na dvou měřítkových úrovní. Nejvyšší celková přesnost pro klasifikaci land cover regionu Sidama vyšla 84,1 % a kappa index 0,797, a to s parametry metody Random Forest 100 stromů, 4 spektrální pásma vstupující do každého stromu, hodnota 1 pro populaci listu a 40 % trénovacích dat využitých pro každý strom. Pro klasifikaci land cover kebele Chancho a Dangora Morocho se stejným nastavením metody vyšla celková přesnost 66,00 a 73,73 % a kappa index 0,545 a 0,601. Pro klasifikaci kebele Chancho vyšla lépe jiná kombinace parametrů (80, 3, 1, 0,4), a přenositelnost stejného nastavení algoritmu se tak potvrdila pouze z 50 %. Pro klasifikaci kebelí autorka práce v diskuzi...
|
|
| |
|
|
A correction of the local incidence angle of SAR data: a land cover specific approach for time series analysis
Paluba, Daniel ; Štych, Přemysl (vedoucí práce) ; Mouratidis, Antonios (oponent)
K zajištění co nejvyššího možného časového rozlišení dat SAR je nutné použít všechny dostupné dráhy družic nad daným územím. To může představovat výzvu v hornatém terénu, kde boční snímání družic SAR v kombinaci s různými sklony a aspekty terénu může silně ovlivnit intenzitu zpětného radarového rozptylu. Tyto chyby způsobené terénem je třeba odstranit pro možné porovnání dat v čase. Ačkoli v literatuře jsou popsány metody, které se zabývají tímto problémem, žádná z těchto metod není připravena na operativní a snadno přístupnou analýzu časových řad v horských oblastech. Tato studie se zabývá metodou korekce lokálního dopadového úhlu (LIA) pro analýzu časových řad lesů v horských oblastech. Metodika je založena na použití lineární závislosti mezi radarovým zpětným rozptylem a LIA, který se počítá pro každý satelitní snímek zvlášť. Použitím kombinace databází CORINE a Hansen Global Forest můžeme pro každý jednotlivý snímek získat širokou škálu různých LIA pro konkrétní typ lesa. Algoritmus korekce byl připraven v cloudové platformě Google Earth Engine (GEE) s využitím volně dostupných dat Sentinel-1, digitálního modelu terénu SRTM a databází CORINE a Hansen Global...
|
|
|
Zavádění technologií precizního zemědělství na rodinné farmě
Konečný, Petr
Bakalářská práce se zabývá základním teoretickým popisem všech jednotlivých složek, které jsou součástí precizního zemědělství. Tyto informace byly čerpány z prostředí odborníků a odborné tuzemské i zahraniční literatury. Tyto poznatky byly teoreticky aplikovány na prostředí malé rodinné farmy o rozloze 195 ha v oblasti Hané. Po konzultaci s majitelem byl vybrán nejlepší vhodný postup, jak tuto technologii zavádět. Součástí práce je popis práce při vytváření podkladových map určených k aplikaci dusíkatých hnojiv.
|
host ::
RSS.