Klasifikace land cover z hyperspektrálních dat v rekultivovaných oblastech Sokolovské hnědouhelné pánve
Land cover classification from hyperspectral images in recultivated areas of the Sokolov lignite basin
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/32024Identifikátory
SIS: 81948
Kolekce
- Kvalifikační práce [19109]
Autor
Vedoucí práce
Oponent práce
Kupková, Lucie
Fakulta / součást
Přírodovědecká fakulta
Obor
Kartografie a geoinformatika
Katedra / ústav / klinika
Katedra aplikované geoinformatiky a kartografie
Datum obhajoby
20. 9. 2010
Nakladatel
Univerzita Karlova, Přírodovědecká fakultaJazyk
Čeština
Známka
Velmi dobře
Klasifikace land cover z hyperspektrálních dat v rekultivovaných oblastech Sokolovské hnědouhelné pánve Abstrakt Předkládaná diplomová práce si klade za cíl vytvořit metodiku klasifikace vegetačního pokryvu z hyperspektrálních dat ze senzoru HyMap. Výstupem práce je podkladová mapa pro studium vlivu těžby na zdravotní stav vegetace v okolí povrchových lomů Sokolovské hnědouhelné pánve. Na data bylo aplikováno pět různých klasifikačních algoritmů a nejlepší výsledek byl zpřesněn druhým kolem klasifikace. Vzhledem k velikosti pixelu a požadované podrobnosti výsledku byly vyzkoušeny možnosti subpixelové klasifikace a byla zodpovězena otázka, jaké míry podrobnosti klasifikace lze s danými daty dosáhnout. Výsledky práce jsou součástí řešení projektu "Assessment of Mining Related Imapcts Based on Utilization of ARES Airborne Hyperspectral Sensor". Klíčová slova: hyperspektrální data HyMap, klasifikace land cover, klasifikační algoritmy, subpixelová analýza, Sokolovská hnědouhelná pánev
Land cover classification from hyperspectral images in recultivated area of the Sokolov lignite basin Abstract The aim of the dissertation is to establish a methodology for vegetation classification from hyperspectral data of the HyMap sensor. The final output is a supporting map for the investigation of mining impacts on vegetation health in the vicinity of surface quarries at the Sokolov lignite basin. Five different classification algorithms were applied on the data and the best result was put more precisely in the second classification round. Given the pixel size and desired result details, subpixel classification options were tested and the question of what level of classification details could be achieved with given data was answered. The results are part of the project "Assessment of Mining Related Impacts Based on Utilization of Airborne Hyperspectral Sensor ARES". Keywords: hyperspectral image data HyMap, land cover mapping, the classification alghoritm, subpixel analysis, Sokolov lignite basin