Variabilita akumulace a tání sněhu v lokálním měřítku s využitím dat vysokého prostorového rozlišení

Abstract

Tématem 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 regrese

The 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 regression