Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 368)
Detail práce
   Přihlásit přes CAS
Optimalizace automatizovaného hydrologického a hydraulického modelu pomocí dat dálkového průzkumu Země
Název práce v češtině: Optimalizace automatizovaného hydrologického a hydraulického modelu pomocí dat dálkového průzkumu Země
Název v anglickém jazyce: Optimisation of an automated hydrological and hydraulic model based on remote sensing data
Klíčová slova: Hydrologické modelování, hydraulické modelování, DPZ, radarová data, digitální model terénu, SFINCS
Klíčová slova anglicky: Hydrological modeling, Hydraulic modeling, remote sensing, SAR data, digital terrain model, SFINCS
Akademický rok vypsání: 2023/2024
Typ práce: diplomová práce
Jazyk práce: čeština
Ústav: Katedra aplikované geoinformatiky a kartografie (31-370)
Vedoucí / školitel: Ing. Lukáš Brodský, Ph.D.
Řešitel: skrytý - zadáno a potvrzeno stud. odd.
Datum přihlášení: 21.12.2023
Datum zadání: 18.01.2024
Datum potvrzení stud. oddělením: 30.01.2024
Zásady pro vypracování
MZ370G17 Zpracování radarových dat
MZ370G24 Machine Learning in Geosciences
MZ370P05 Získávání topografické informace
Předběžná náplň práce
Cílem diplomové práce je optimalizace přesnosti a výpočetní náročnosti automatizovaného hydrologického a hydraulického modelu. Student navrhne postup zpracování a implementace srážkových dat do hydrologického modelu. Dále bude představeno více přístupů vedoucích ke zlepšení kvality globálních digitálních výškových modelů se zaměřením na identifikaci objektů majících výrazný vliv na hydraulické vlastnosti v záplavových územích (hráze, náspy, vodní díla). Pro tyto účely budou využita radarová data a vektorové datové sady. Student využije otevřených dat s globálním pokrytím a výsledky budou ověřeny v rámci případové studie.
Předběžná náplň práce v anglickém jazyce
The thesis aims to optimize the accuracy and computational complexity of the automated hydrological and hydraulic models. The student will propose a procedure for processing and implementing rainfall data into a hydrological model. Furthermore, several approaches leading to improving the quality of global digital elevation models will be presented, focusing on identifying objects significantly influencing the hydraulic properties in floodplains (dams, embankments, waterworks). Semte sensing SAR data and vector datasets will be used for this purpose. The student will use open data with global coverage, and the results will be verified in a case study.
 
Univerzita Karlova | Informační systém UK