Show simple item record

Local scale snow accumulation and ablation variability using high spatial resolution data
dc.contributor.advisorJeníček, Michal
dc.creatorCuřín, Vojtěch
dc.date.accessioned2017-06-01T16:38:25Z
dc.date.available2017-06-01T16:38:25Z
dc.date.issued2016
dc.identifier.urihttp://hdl.handle.net/20.500.11956/79573
dc.description.abstractTématem této bakalářské práce je variabilita výšky sněhové pokrývky v lokálním měřítku a moderní metody měření její výšky s vysokou přesností a prostorovým rozlišením. Hlavním cílem je zhodnotit stav současného výzkumu v této oblasti, poskytnout srovnání nejpoužívanějších metod a nastínit oblasti jejich využití. Součástí práce je také hodnocení distribuce sněhové pokrývky zájmové lokality v povodí Filipohuťského potoka na Šumavě a zhodnocení vlivu vybraných faktorů na její modelaci pomocí vícenásobné lineární regrese. Toto je provedeno za využití dat získaných terénním měřením a lokálního digitálního modelu povrchu s vysokým rozlišením. Modely odvozené vícenásobnou lineární regresí zachycují variabilitu sněhové pokrývky lépe než modely vytvořené pouze krigingem, nicméně regresní koeficienty vybraných prediktorů nejsou dostatečně konzistentní pro prokázání jejich vlivu. Klíčová slova: výška sněhu, fotogrammetrie, laserové skenování, vícenásobná lineární regresecs_CZ
dc.description.abstractThe focus of this bachelor's thesis is snow depth variability at local scale and modern methods of snow depth measurement with high accuracy, precision and resolution. The main goal is to provide an overview of current research in this area, give comparison of the most widely used methods and outline their most appropriate fields of application. A part of this work is also dedicated to an evaluation of snow distribution over a study area in Filipohuťský creek basin in Šumava (Bohemian Forest) and to an assessment of the impact of selected variables on snow depth variability using multiple linear regression models. This is done using manual snow depth measurement data and local digital surface model with high resolution. Multiple linear regression models capture the snow depth variability more precisely than models based on ordinary kriging, nevertheless the regression coefficients of selected predictors are too inconsistent to confirm their effect. Key words: snow depth, photogrammetry, laser scanning, multiple linear regressionen_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Přírodovědecká fakultacs_CZ
dc.subjectvýška sněhucs_CZ
dc.subjectfotogrammetriecs_CZ
dc.subjectlaserové skenovánícs_CZ
dc.subjectvícenásobná lineární regresecs_CZ
dc.subjectsnow depthen_US
dc.subjectphotogrammetryen_US
dc.subjectlaser scanningen_US
dc.subjectmultiple linear regressionen_US
dc.titleVariabilita akumulace a tání sněhu v lokálním měřítku s využitím dat vysokého prostorového rozlišenícs_CZ
dc.typebakalářská prácecs_CZ
dcterms.created2016
dcterms.dateAccepted2016-06-08
dc.description.departmentDepartment of Physical Geography and Geoecologyen_US
dc.description.departmentKatedra fyzické geografie a geoekologiecs_CZ
dc.description.facultyPřírodovědecká fakultacs_CZ
dc.description.facultyFaculty of Scienceen_US
dc.identifier.repId171823
dc.title.translatedLocal scale snow accumulation and ablation variability using high spatial resolution dataen_US
dc.contributor.refereeMinařík, Robert
dc.identifier.aleph002092239
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineFyzická geografie a geoinformatikacs_CZ
thesis.degree.disciplinePhysical Geography and Geoinformaticsen_US
thesis.degree.programGeografiecs_CZ
thesis.degree.programGeographyen_US
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csPřírodovědecká fakulta::Katedra fyzické geografie a geoekologiecs_CZ
uk.taxonomy.organization-enFaculty of Science::Department of Physical Geography and Geoecologyen_US
uk.faculty-name.csPřírodovědecká fakultacs_CZ
uk.faculty-name.enFaculty of Scienceen_US
uk.faculty-abbr.csPřFcs_CZ
uk.degree-discipline.csFyzická geografie a geoinformatikacs_CZ
uk.degree-discipline.enPhysical Geography and Geoinformaticsen_US
uk.degree-program.csGeografiecs_CZ
uk.degree-program.enGeographyen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csTématem této bakalářské práce je variabilita výšky sněhové pokrývky v lokálním měřítku a moderní metody měření její výšky s vysokou přesností a prostorovým rozlišením. Hlavním cílem je zhodnotit stav současného výzkumu v této oblasti, poskytnout srovnání nejpoužívanějších metod a nastínit oblasti jejich využití. Součástí práce je také hodnocení distribuce sněhové pokrývky zájmové lokality v povodí Filipohuťského potoka na Šumavě a zhodnocení vlivu vybraných faktorů na její modelaci pomocí vícenásobné lineární regrese. Toto je provedeno za využití dat získaných terénním měřením a lokálního digitálního modelu povrchu s vysokým rozlišením. Modely odvozené vícenásobnou lineární regresí zachycují variabilitu sněhové pokrývky lépe než modely vytvořené pouze krigingem, nicméně regresní koeficienty vybraných prediktorů nejsou dostatečně konzistentní pro prokázání jejich vlivu. Klíčová slova: výška sněhu, fotogrammetrie, laserové skenování, vícenásobná lineární regresecs_CZ
uk.abstract.enThe focus of this bachelor's thesis is snow depth variability at local scale and modern methods of snow depth measurement with high accuracy, precision and resolution. The main goal is to provide an overview of current research in this area, give comparison of the most widely used methods and outline their most appropriate fields of application. A part of this work is also dedicated to an evaluation of snow distribution over a study area in Filipohuťský creek basin in Šumava (Bohemian Forest) and to an assessment of the impact of selected variables on snow depth variability using multiple linear regression models. This is done using manual snow depth measurement data and local digital surface model with high resolution. Multiple linear regression models capture the snow depth variability more precisely than models based on ordinary kriging, nevertheless the regression coefficients of selected predictors are too inconsistent to confirm their effect. Key words: snow depth, photogrammetry, laser scanning, multiple linear regressionen_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Přírodovědecká fakulta, Katedra fyzické geografie a geoekologiecs_CZ
dc.identifier.lisID990020922390106986


Files in this item

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