Show simple item record

Evaluation of forest vegetation based on time series of remote sensing data
dc.creatorLaštovička, Josef
dc.date.accessioned2021-06-23T08:55:17Z
dc.date.available2021-06-23T08:55:17Z
dc.date.issued2021
dc.identifier.urihttp://hdl.handle.net/20.500.11956/126136
dc.description.abstractPříloha k disertační práci: Abstrakt v AJ (Mgr. Josef Laštovička) Abstract This dissertation thesis deals with the study of forest ecosystems in the central Europe with the time series of multispectral optical satellite data. These forest ecosystems have been influenced by biotic and abiotic disturbances for the last decade. The time series of the satellite data with high spatial resolution allow the detection and analysis of forest disturbances. This thesis is mainly focused primally on free available Landsat and Sentinel-2 data, these two data types were compared. From methods, the difference time series analyses / algorithms were used. The whole thesis can be divided into two main parts. The first one analyses usability of classifiers for detection of forest ecosystems with per-pixel and sub-pixel methods. Specifically, the Neural Network, the Support Vector Machine and the Maximum Likelihood per-pixel classifiers were used and compared for different types of data (for data with high spatial resolution - Landsat or Sentinel-2; very high spatial resolution - WorldView-2) and for classification of protected forest areas. The Support Vector Machine were selected as the most suitable method for forest classifications (with most accurate outputs) from the list of selected per-pixel classifiers. Also, Spectral...en_US
dc.description.abstractPříloha k disertační práci: Abstrakt (Mgr. Josef Laštovička) Abstrakt Disertační práce se zabývá studiem lesních ekosystému na území střední Evropy pomocí časových řad družicových snímků, se zaměřením na zpracování optických multispektrálních dat. Právě lesní ekosystémy jsou poslední desetiletí pod četnými disturbancemi biotického i abiotického charakteru. Časové řady družicových dat s vysokým prostorovým rozlišením umožňují lesní disturbance podrobně zkoumat a analyzovat. V práci je kladen důraz na užití volně dostupných dat Landsat a Sentinel- 2, pro něž bylo provedeno detailní testování a porovnání. Vybrány byly diferenční metody časových řad. Práci lze rozdělit do dvou částí. První část zkoumá detekci lesních povrchů pomocí per-pixelových a sub-pixelových klasifikačních metod. Konkrétně bylo užito per-pixel klasifikátorů Neural Network, Support Vector Machine a Maximum Likelihood, které byly mezi sebou vzájemně otestovány a porovnány pro různé typy dat (s vysokým prostorovým rozlišením - Landsat a Sentinel; i velmi vysokým prostorovým rozlišením - WorldView-2) pro detekci land cover chráněných území. Z výše zmíněných klasifikátorů dosahoval nejvyšší přesnosti klasifikace Support Vector Machine. Z hlediska sub-pixelové klasifikace bylo využito Spectral Unmixing metod. Konkrétně byly pro tvorbu frakcí...cs_CZ
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Přírodovědecká fakultacs_CZ
dc.subjecttime seriesen_US
dc.subjectLandsaten_US
dc.subjectSentinel-2en_US
dc.subjectclassificationen_US
dc.subjectvegetation indexen_US
dc.subjectčasové řadycs_CZ
dc.subjectLandsatcs_CZ
dc.subjectSentinel-2cs_CZ
dc.subjectklasifikacecs_CZ
dc.subjectvegetační indexcs_CZ
dc.titleHodnocení lesní vegetace pomocí časových řad družicových snímkůcs_CZ
dc.typerigorózní prácecs_CZ
dcterms.created2021
dcterms.dateAccepted2021-06-01
dc.description.departmentDepartment of Applied Geoinformatics and Cartographyen_US
dc.description.departmentKatedra aplikované geoinformatiky a kartografiecs_CZ
dc.description.facultyFaculty of Scienceen_US
dc.description.facultyPřírodovědecká fakultacs_CZ
dc.identifier.repId232839
dc.title.translatedEvaluation of forest vegetation based on time series of remote sensing dataen_US
thesis.degree.nameRNDr.
thesis.degree.levelrigorózní řízenícs_CZ
thesis.degree.disciplineKartografie a geoinformatikacs_CZ
thesis.degree.disciplineCartography and Geoinformaticsen_US
thesis.degree.programGeographyen_US
thesis.degree.programGeografiecs_CZ
uk.thesis.typerigorózní prácecs_CZ
uk.taxonomy.organization-csPřírodovědecká fakulta::Katedra aplikované geoinformatiky a kartografiecs_CZ
uk.taxonomy.organization-enFaculty of Science::Department of Applied Geoinformatics and Cartographyen_US
uk.faculty-name.csPřírodovědecká fakultacs_CZ
uk.faculty-name.enFaculty of Scienceen_US
uk.faculty-abbr.csPřFcs_CZ
uk.degree-discipline.csKartografie a geoinformatikacs_CZ
uk.degree-discipline.enCartography and Geoinformaticsen_US
uk.degree-program.csGeografiecs_CZ
uk.degree-program.enGeographyen_US
thesis.grade.csUznánocs_CZ
thesis.grade.enRecognizeden_US
uk.abstract.csPříloha k disertační práci: Abstrakt (Mgr. Josef Laštovička) Abstrakt Disertační práce se zabývá studiem lesních ekosystému na území střední Evropy pomocí časových řad družicových snímků, se zaměřením na zpracování optických multispektrálních dat. Právě lesní ekosystémy jsou poslední desetiletí pod četnými disturbancemi biotického i abiotického charakteru. Časové řady družicových dat s vysokým prostorovým rozlišením umožňují lesní disturbance podrobně zkoumat a analyzovat. V práci je kladen důraz na užití volně dostupných dat Landsat a Sentinel- 2, pro něž bylo provedeno detailní testování a porovnání. Vybrány byly diferenční metody časových řad. Práci lze rozdělit do dvou částí. První část zkoumá detekci lesních povrchů pomocí per-pixelových a sub-pixelových klasifikačních metod. Konkrétně bylo užito per-pixel klasifikátorů Neural Network, Support Vector Machine a Maximum Likelihood, které byly mezi sebou vzájemně otestovány a porovnány pro různé typy dat (s vysokým prostorovým rozlišením - Landsat a Sentinel; i velmi vysokým prostorovým rozlišením - WorldView-2) pro detekci land cover chráněných území. Z výše zmíněných klasifikátorů dosahoval nejvyšší přesnosti klasifikace Support Vector Machine. Z hlediska sub-pixelové klasifikace bylo využito Spectral Unmixing metod. Konkrétně byly pro tvorbu frakcí...cs_CZ
uk.abstract.enPříloha k disertační práci: Abstrakt v AJ (Mgr. Josef Laštovička) Abstract This dissertation thesis deals with the study of forest ecosystems in the central Europe with the time series of multispectral optical satellite data. These forest ecosystems have been influenced by biotic and abiotic disturbances for the last decade. The time series of the satellite data with high spatial resolution allow the detection and analysis of forest disturbances. This thesis is mainly focused primally on free available Landsat and Sentinel-2 data, these two data types were compared. From methods, the difference time series analyses / algorithms were used. The whole thesis can be divided into two main parts. The first one analyses usability of classifiers for detection of forest ecosystems with per-pixel and sub-pixel methods. Specifically, the Neural Network, the Support Vector Machine and the Maximum Likelihood per-pixel classifiers were used and compared for different types of data (for data with high spatial resolution - Landsat or Sentinel-2; very high spatial resolution - WorldView-2) and for classification of protected forest areas. The Support Vector Machine were selected as the most suitable method for forest classifications (with most accurate outputs) from the list of selected per-pixel classifiers. Also, Spectral...en_US
uk.file-availabilityN
uk.grantorUniverzita Karlova, Přírodovědecká fakulta, Katedra aplikované geoinformatiky a kartografiecs_CZ
thesis.grade.codeU
uk.publication-placePrahacs_CZ
dc.date.embargoEndDate01-06-2024
uk.embargo.reasonprotection of intellectual property, particularly protection of inventions or technical solutionsen
uk.embargo.reasonochrana duševního vlastnictví, zejména ochrana vynálezů či technických řešenícs
uk.thesis.defenceStatusU


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV