Show simple item record

Tick-borne encephalitis risk assessment based on classification of vegetation from remote sensing data
dc.contributor.advisorPotůčková, Markéta
dc.creatorČervená, Lucie
dc.date.accessioned2017-05-07T05:29:07Z
dc.date.available2017-05-07T05:29:07Z
dc.date.issued2012
dc.identifier.urihttp://hdl.handle.net/20.500.11956/42418
dc.description.abstractKlasifikace vegetačního pokryvu z dat DPZ pro účely vyhodnocení rizika nákazy klíšťovou encefalitidou Abstrakt Tato práce si klade za cíl zjistit, jak nejpřesněji klasifikovat snímky Landsat do různých kategorií lesních porostů lišících se rizikem nákazy klíšťovou encefalitidou. Legenda vychází z projektů Daniela, Koláře, Zemana (1995) a Daniela, Koláře, Beneše (1999), avšak byla zredukována na pět kategorií vzájemně se definicí nepřekrývajících (I. jehličnaté porosty, II. smíšené porosty, III. strukturně silně heterogenní mladé listnaté porosty a porostní rozhraní, IV. strukturně homogenní listnaté porosty, V. strukturně heterogenní listnaté porosty). Metodou klasifikace byla zvolena řízená klasifikace s klasifikátorem maximální pravděpodobnosti snímků Landsat z různých ročních období, ve kterých však musela být řešena problematika výskytu oblačnosti a různé výšky Slunce nad obzorem. Trénovací plochy a kontrolní body byly získány terénním průzkumem a vizuální interpretací ortofotomap a snímků Landsat v RGB kompozitu 5-4-3. Maska lesa byla vytvořena z dat ZABAGED polohopisu. Primárně testovaným časovým horizontem byly roky 2006 až 2010. Pro tento horizont byly k dispozici snímky Lansat 5 TM z dubna, srpna a října. Do klasifikací vstupovala jak všechna pásma nekorigovaná, tak korigovaná pomocí ATCOR 2 a...cs_CZ
dc.description.abstractTick-borne encephalitis risk assessment based on classification of vegetation from remote sensing data Abstract The main aim of this thesis has been to find out how to classify various categories of forest vegetation with a different risk of exposure to the tick-borne encephalitis based on the Landsat imagery. The legend used here is derived from the one used in the projects by Daniel, Kolář, Zeman (1995) and Daniel, Kolář, Beneš (1999) but has been reduced to only five classses with no overlaps in their definitions (I. coniferous stands, II. mixed stands, III. young deciduous stands and stand ecotones with a highly heterogeneous structure, IV. deciduous stands with a homogeneous structure, V. deciduous stands with a heterogeneous structure). The supervised classification with the Maximum Likelihood Classifier has been used on the Landsat imagery from various seasons. Difficulties concerned with the presence of clouds and varying Sun elevation across the imagery had to be adressed in the course of the work. The training sites and the control points have been defined by the field research and interpretation of the relevant orthophotomaps and Landsat imagery in 5-4-3 RGB composite. The mask of the forest has been created on the ZABAGED data basis. The time horizon of 2006 - 2010 has been the primary focus....en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Přírodovědecká fakultacs_CZ
dc.subjectLANDSATcs_CZ
dc.subjectklasifikacecs_CZ
dc.subjectvegetacecs_CZ
dc.subjectklíšťová encefalitidacs_CZ
dc.subjectLANDSATen_US
dc.subjectclassificationen_US
dc.subjectvegetationen_US
dc.subjecttick-borne encephalitisen_US
dc.titleKlasifikace vegetačního pokryvu z dat DPZ pro účely vyhodnocení rizika nákazy klíšťovou encefalitidoucs_CZ
dc.typediplomová prácecs_CZ
dcterms.created2012
dcterms.dateAccepted2012-09-20
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.repId118368
dc.title.translatedTick-borne encephalitis risk assessment based on classification of vegetation from remote sensing dataen_US
dc.contributor.refereePavelka, Karel
dc.identifier.aleph001525411
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineCartography and Geoinformaticsen_US
thesis.degree.disciplineKartografie a geoinformatikacs_CZ
thesis.degree.programGeographyen_US
thesis.degree.programGeografiecs_CZ
uk.thesis.typediplomová 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.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csKlasifikace vegetačního pokryvu z dat DPZ pro účely vyhodnocení rizika nákazy klíšťovou encefalitidou Abstrakt Tato práce si klade za cíl zjistit, jak nejpřesněji klasifikovat snímky Landsat do různých kategorií lesních porostů lišících se rizikem nákazy klíšťovou encefalitidou. Legenda vychází z projektů Daniela, Koláře, Zemana (1995) a Daniela, Koláře, Beneše (1999), avšak byla zredukována na pět kategorií vzájemně se definicí nepřekrývajících (I. jehličnaté porosty, II. smíšené porosty, III. strukturně silně heterogenní mladé listnaté porosty a porostní rozhraní, IV. strukturně homogenní listnaté porosty, V. strukturně heterogenní listnaté porosty). Metodou klasifikace byla zvolena řízená klasifikace s klasifikátorem maximální pravděpodobnosti snímků Landsat z různých ročních období, ve kterých však musela být řešena problematika výskytu oblačnosti a různé výšky Slunce nad obzorem. Trénovací plochy a kontrolní body byly získány terénním průzkumem a vizuální interpretací ortofotomap a snímků Landsat v RGB kompozitu 5-4-3. Maska lesa byla vytvořena z dat ZABAGED polohopisu. Primárně testovaným časovým horizontem byly roky 2006 až 2010. Pro tento horizont byly k dispozici snímky Lansat 5 TM z dubna, srpna a října. Do klasifikací vstupovala jak všechna pásma nekorigovaná, tak korigovaná pomocí ATCOR 2 a...cs_CZ
uk.abstract.enTick-borne encephalitis risk assessment based on classification of vegetation from remote sensing data Abstract The main aim of this thesis has been to find out how to classify various categories of forest vegetation with a different risk of exposure to the tick-borne encephalitis based on the Landsat imagery. The legend used here is derived from the one used in the projects by Daniel, Kolář, Zeman (1995) and Daniel, Kolář, Beneš (1999) but has been reduced to only five classses with no overlaps in their definitions (I. coniferous stands, II. mixed stands, III. young deciduous stands and stand ecotones with a highly heterogeneous structure, IV. deciduous stands with a homogeneous structure, V. deciduous stands with a heterogeneous structure). The supervised classification with the Maximum Likelihood Classifier has been used on the Landsat imagery from various seasons. Difficulties concerned with the presence of clouds and varying Sun elevation across the imagery had to be adressed in the course of the work. The training sites and the control points have been defined by the field research and interpretation of the relevant orthophotomaps and Landsat imagery in 5-4-3 RGB composite. The mask of the forest has been created on the ZABAGED data basis. The time horizon of 2006 - 2010 has been the primary focus....en_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Přírodovědecká fakulta, Katedra aplikované geoinformatiky a kartografiecs_CZ
dc.identifier.lisID990015254110106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
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