|
|
Synthesis of digital landscape surface data
Šebesta, Michal ; Kahoun, Martin (vedoucí práce) ; Křivánek, Jaroslav (oponent)
Procerurální modelování využívající reálných dat často naráží na nedostatek, kdy je potřeba jemnějších reálných dat, než jsou aktuálně k dispozici. Představujeme metodu, která hrubá data zjemní na lepší rozlišení, k čemuž používá pomocných zdrojů již v cílovém rozlišení. Tato data použijeme na konstrukci statistických modelů predikující jemnější rozlišení vstupních dat. Konkrétně konstruujeme modely vážené lokální lineární regrese, přičemž využíváme TSVD. Naše metoda je snadno modifikovatelná. Díky tomu ji lze prakticky využít například při vývoji simulátorů či jiných aplikací. Powered by TCPDF (www.tcpdf.org)
|
|
|
Využití dálkového průzkumu pro odhad výnosů zemědělských plodin
Rosendorfská, Eva
Znalost výnosů plodin, s dostatkem času ještě před sklizní, je zásadní pro řízení zemědělských podniků nebo pro národní zemědělskou politiku. Spektrální charakteristiky, poskytované dálkovým průzkumem, které mají prostorové i časové rozlišení, umožňují odhad výnosů ze zemědělských polí. Cílem práce bylo otestovat možnosti vzniku predikce výnosu sklizně. Studie byla zaměřena na tři hlavní plodiny v České republice: ječmen jarní, pšenice ozimá a řepka olejná. Na odhad výnosu plodin byly shromážděny údaje ze 14 okresů, které představují oblasti s více intenzivním zemědělstvím a zahrnují i různé klimatické, topografické a půdní podmínky. Jako hlavní zdroj dat pro tuto práci byla série snímků pocházejících z MODIS ze satelitu Terra za období 2001–2014. Byly analyzovány dva vegetační indexy, NDVI a EVI z 16denních kompozitu s prostorovým rozlišením 250 m. Ve většině případů se ukázalo, že EVI dosahuje vyšší korelace s výnosy plodin, což může být vysvětleno negativním efektem nasycení u NDVI.
|
|
|
Synthesis of digital landscape surface data
Šebesta, Michal ; Kahoun, Martin (vedoucí práce) ; Křivánek, Jaroslav (oponent)
Procerurální modelování využívající reálných dat často naráží na nedostatek, kdy je potřeba jemnějších reálných dat, než jsou aktuálně k dispozici. Představujeme metodu, která hrubá data zjemní na lepší rozlišení, k čemuž používá pomocných zdrojů již v cílovém rozlišení. Tato data použijeme na konstrukci statistických modelů predikující jemnější rozlišení vstupních dat. Konkrétně konstruujeme modely vážené lokální lineární regrese, přičemž využíváme TSVD. Naše metoda je snadno modifikovatelná. Díky tomu ji lze prakticky využít například při vývoji simulátorů či jiných aplikací. Powered by TCPDF (www.tcpdf.org)
|
|
|
Detection of drought events using combination of satellite data and soil moisture modelling
Semerádová, Daniela ; Trnka, Miroslav ; Hlavinka, Petr ; Balek, Jan ; Bohovič, Roman ; Tadesse, T. ; Hayes, M. ; Wardlow, B. ; Žalud, Zdeněk
The use of satellite data offers a potentially well usable tool to accurate drought monitoring. The study examines the space-time possibility of agricultural drought detection using freely available data from the MODIS instrument onboard Terra and Aqua satellites that reflects vegetation condition. Vegetation greenness metrics used in this study are based on the spectral reflectance curves in the visible red and near-infrared part of the spectrum and are expressed in relation to the average for the period of 2000-2014. The results are presented in weekly time step for the whole area of the Czech Republic, and are compared to the drought monitor system, based on the SoilClim dynamic model for soil water content estimates. These data, as well as other parameters, such as soil properties and land use, are integrated at 500 meters spatial resolution.
|
|
|
Odhad výnosů zemědělských plodin na základě družicového monitoringu
Lukas, V. ; Trnka, Miroslav ; Semerádová, Daniela ; Rajdl, Kamil ; Balek, Jan ; Štěpánek, Petr ; Zahradníček, Pavel ; Hlavinka, Petr ; Žalud, Zdeněk
Znalost výnosů plodin před dosažením sklizně je významná nejen pro plánování aktivit na úrovni zemědělských podniků, ale také z národohospodářského pohledu pro zabezpečení produkce potravin. Cílem studie bylo ověřit vývoj modelu odhadu výnosů významných plodin (pšenice ozimé, ječmene jarního a řepky ozimé) z výsledků vegetačních indexů NDVI (Normalized Difference Vegetation Index) a EVI2 (Enhanced Vegetation Index) ze senzoru MODIS v podobě 16 denních kompozitů za období 2000 – 2014. Za vybrané území 14 okresů České republiky, které představují regiony s vyšší intenzitou zemědělské produkce a rozdílnými pedo-klimatickými podmínkami. Přesnost predikčního modelu byl testována zejména v ročnících se silným výskytem sucha a nízkou úrovní výnosu (2000, 2003, 2006 a 2012). Stabilnější výsledky byly dosaženy ve výnosově nejproduktivnějších okresech, jako jsou Olomouc a Přerov, zatímco u výše položených území byl model značně ovlivněn nižším podílem sledovaných plodin na úkor pícnin. Ve většině případů byla vyšší přesnost stanovení výnosu dosažena pomocí vegetačního indexu EVI2 a postupným průměrováním hodnot kompozitů v průběhu vegetačního období plodin.
|
|
| |
host ::
RSS.