Klasifikace vybraných vegetačních kategorí land cover v krkonošské tundře z dat Sentinel-2A s využitím časové řady dat

• Název práce v češtině: Klasifikace vybraných vegetačních kategorí land cover v krkonošské tundře z dat Sentinel-2A s využitím časové řady dat
• Název v anglickém jazyce: Classification of selected vegetation land cover categories in the Krkonoše Mts. tundra from Sentinel-2A imagery using multi-temporal data
• Klíčová slova: multitemporální klasifikace, vegetace, spektrální příznaky, Sentinel-2A, tundra, Krkonošský národní park
• Klíčová slova anglicky: multi-temporal classification, vegetation, spectral features, Sentinel-2A, tundra, The Krkonoše Mts. National Park
• Akademický rok vypsání: 2016/2017
• Typ práce: bakalářská práce
• Jazyk práce: čeština
• Ústav: Katedra aplikované geoinformatiky a kartografie (31-370)
• Vedoucí / školitel: doc. RNDr. Lucie Kupková, Ph.D.
• Řešitel: skrytý - zadáno vedoucím/školitelem
• Datum přihlášení: 13.12.2016
• Datum zadání: 13.12.2016
• Datum odevzdání elektronické podoby: 14.05.2017
• Datum proběhlé obhajoby: 07.06.2017
• Oponenti: Mgr. Renáta Suchá
• Konzultanti: Mgr. Lucie Červená, Ph.D.

Předběžná náplň práce

V rámci projektu GAUK „Využití dálkového průzkumu Země pro klasifikaci vegetace nad horní hranicí lesa v Krkonošském národním parku“ řešeného na katedře aplikované geoinformatiky a kartografie byly hodnoceny přesnosti klasifikace vegetačních kategorií v krkonošské tundře pro několik typů dat (ortofota, 2 typy hyperspektrálních leteckých dat, Landsat 8, Sentinel-2A). Analýza ukázala, že prostorové rozlišení 10 – 60 m, kterým disponují data nové družice Sentinel-2A, není stále dostačující pro klasifikaci některých vegetačních tříd v krkonošské tundře, pokud analyzujeme pouze data z jednoho termínu snímání. Data družice Sentinel-2A se vyznačují velmi dobrým časovým rozlišením – 10 dní. Cílem bakalářské práce je ověřit, zda multitemporální přístup, kdy budou využita data družice Sentinel-2A z několika (cca 4) termínů v průběhu sezóny, může přispět ke zlepšení přesnosti klasifikace (zlepšení odlišitelnosti) vybraných kategorií vegetačního pokryvu (například kategorie kosodřevina, alpínská vřesoviště nebo některá vybraná kategorie jednoděložných travních společenstev), jejichž vlastnosti (spektrální nebo i další – např. pokryvnost apod.) se v průběhu sezóny mění. Klasifikace bude provedena metodou maximální věrohodnosti.

Seznam odborné literatury:

ČERVENÁ, L. (2012): Klasifikace vegetačního pokryvu z dat DPZ pro účely vyhodnocení rizika nákazy klíšťovou encefalitidou. Diplomová práce. Katedra aplikované geoinformatiky a kartografie PřF, Univerzita Karlova v Praze, 78 s.
GÓMEZ, C., WHITE C., WULDER M. (2016). Optical remotely sensed time series data for land cover classification: A review. ISPRS J. Photogramm. Remote Sens. 116, s. 55–72. Dostupné z: http://dx.doi.org/10.1016/j.isprsjprs.2016.03.008
HUSSAIN, M., CHEN, D., CHENG, A., WEI, H., STANLEY, D. (2013). Change detection from remotely sensed images: from pixel-based to object-based approaches. ISPRS J.Photogramm. Remote Sens. 80, str. 91–106. Dostupné z :http://dx.doi.org/10.1016/j.isprsjprs.2013.03.006
KUPKOVÁ, L….[et al.] (2017): Classification of Tundra Vegetation in the Krkonoše Mts. National Park Using APEX, AISA Dual and Sentinel-2A Data. European Journal of Remote Sensing 50, s. 29-46. Dostupné z: http://dx.doi.org/10.1080/22797254.2017.1274573
SUCHÁ R., JAKEŠOVÁ L., KUPKOVÁ L., ČERVENÁ L. (2016): Classification of vegetation above the tree line in the Krkonoše Mts. National Park using remote sensing multispectral data. AUC GEOGRAPHICA, 51(1): 113–129. DOI: http://dx.doi.org/10.14712/23361980.2016.10.