|
|
Fusion of Radar and Visual Data for Remote Sensing
Strych, Tomáš ; Beran, Vítězslav (referee) ; Kolář, Martin (advisor)
Cieľom práce je vygenerovať satelitný optický snímok v prípade jeho nedostupnosti. Takýto snímok je vygenerovaný z aktuálneho radarového snímku a za pomoci radarových a optických snímkov z minulosti. Zameranie práce cieli na poľnohospodárstvo, kde sa na analýzu dát používajú rôzne vegetačné indexy. Pre zjednodušenie problematiky je práca zameraná len na optický snímok zobrazujúci NDVI. Boli vytvorené 4 dátové sady, pre prvé tri ročné obdobia a~štvrtý, ktorý ich spája. Pre riešenie problému preloženia obrázku z jedného na druhý bol použitý model Pix2Pix-cGAN. Výsledky práce zobrazujú rozdiely pri použití dátových sád, rozličného množstva a~typu použitých snímkov, tak ako aj intervalu medzi snímkami. Daným výskumom bolo zistené, že sieť je schopná vytvárať reálne uveriteľné obrázky s validnými numerickými hodnotami, avšak má problém správne využiť informáciu o radarovej zmene, ktorá je dôležitá pre ohodnotenie vývoja rastlín práve v prípade nedostupnosti optického snímku. Táto práca a~jej výsledky sú jedinečné vďaka naprieč Európou geograficky rozmanitej dátovej sade a vďaka zameraniu na agrikultúru, a to bez ohľadu na typ plodín.
|
|
|
Fusion of Radar and Visual Data for Remote Sensing
Strych, Tomáš ; Beran, Vítězslav (referee) ; Kolář, Martin (advisor)
Cieľom práce je vygenerovať satelitný optický snímok v prípade jeho nedostupnosti. Takýto snímok je vygenerovaný z aktuálneho radarového snímku a za pomoci radarových a optických snímkov z minulosti. Zameranie práce cieli na poľnohospodárstvo, kde sa na analýzu dát používajú rôzne vegetačné indexy. Pre zjednodušenie problematiky je práca zameraná len na optický snímok zobrazujúci NDVI. Boli vytvorené 4 dátové sady, pre prvé tri ročné obdobia a~štvrtý, ktorý ich spája. Pre riešenie problému preloženia obrázku z jedného na druhý bol použitý model Pix2Pix-cGAN. Výsledky práce zobrazujú rozdiely pri použití dátových sád, rozličného množstva a~typu použitých snímkov, tak ako aj intervalu medzi snímkami. Daným výskumom bolo zistené, že sieť je schopná vytvárať reálne uveriteľné obrázky s validnými numerickými hodnotami, avšak má problém správne využiť informáciu o radarovej zmene, ktorá je dôležitá pre ohodnotenie vývoja rastlín práve v prípade nedostupnosti optického snímku. Táto práca a~jej výsledky sú jedinečné vďaka naprieč Európou geograficky rozmanitej dátovej sade a vďaka zameraniu na agrikultúru, a to bez ohľadu na typ plodín.
|
|
|
Evaluation of methods and input data for land cover classification: case study of the former military areas Ralsko and Brdy
Paluba, Daniel ; Štych, Přemysl (advisor) ; Brom, Jakub (referee)
Taking advantage of Earth Observation (EO) data for monitoring land cover has attracted the attention of a broad spectrum of researchers and end-users in recent decades. The main reason of increased interest in EO can be found mainly in open data of Landsat and Sentinel archive. The main objective of this study is to evaluate the accuracy of the classification algorithms Maximum Likelihood (ML) and Support Vector Machine (SVM) using Landsat 8 and Sentinel-2 data in the case studies of the former military training areas Brdy and Ralsko, which have undergone a very specific land cover development. The study evaluates the land cover in both case studies in 2016 and based on the obtained results discussing a usefulness of the selected data and methods. The results of the land cover classification achieved satisfactory accuracy - the overall accuracy was higher than 85 %. Based on the expectation, the results of accuracy based on SVM algorithm are higher than results obtained by ML algorithm. The highest accuracy has reached in the land cover classes of water bodies and coniferous forests, on the contrary, the lowest accuracy in built-up areas, sparse vegetation and bare soil. Keywords: Earth Observation, Support Vector Machine, Maximum Likelihood, Czechia, Sentinel-2, Landsat 8
|
|
|
Comparison of NATURA 2000 mapping with Earth Observation mapping (Case study of tundra in the Krkonoše Mts.)
Ondrušková, Kateřina ; Kupková, Lucie (advisor) ; Červená, Lucie (referee)
Comparison of NATURA 2000 mapping with Earth observation mapping (Case study of tundra in the Krkonoše Mts.) Abstract The bachelor thesis is focused on comparing Natura 2000 mapping with results of classification of Landsat 8 and WorldView-2 satellite images with different spatial resolution in the case study of tundra in the Krkonoše Mts. Satellite images were classified using Maximum Likelihood supervised classification and ISODATA unsupervised classification. The aim of the thesis was to find out what categories of Natura 2000 mapping are detectable using satellite images. For all classifications two levels of modified legend of the Natura 2000 mapping were used. The best results for both satellite images were achieved by unsupervised classification on level 1 of the legend - overall accuracy for Landsat 8 image was 64,1 % and for Word-View-2 image 67,16 %. Software ENVI 5.1 was used for all classifications. Keywords: Earth observation, supervised classification, unsupervised classification, legend, classification accuracy, NATURA mapping
|
guest ::
