Analýza území pro reintrodukci populací koně Převalského v Mongolsku pomocí metod DPZ

• Název práce v češtině: Analýza území pro reintrodukci populací koně Převalského v Mongolsku pomocí metod DPZ
• Název v anglickém jazyce: Analysis of area for reintroduction of Equus przewalskii populations in Mongolia using remote sensing methods
• Klíčová slova: časové řady, Mongolsko, Landsat, klasifikace, Google Earth Engine
• Klíčová slova anglicky: time series, Mongolia, Landsat, classification, Google Earth Engine
• Akademický rok vypsání: 2020/2021
• Typ práce: bakalářská práce
• Jazyk práce: čeština
• Ústav: Katedra aplikované geoinformatiky a kartografie (31-370)
• Vedoucí / školitel: RNDr. Josef Laštovička, Ph.D.
• Řešitel: skrytý - zadáno vedoucím/školitelem, čeká na schválení garantem
• Datum přihlášení: 29.10.2020
• Datum zadání: 27.11.2020
• Datum odevzdání elektronické podoby: 29.07.2021
• Datum proběhlé obhajoby: 03.09.2021
• Oponenti: doc. RNDr. Přemysl Štych, Ph.D.
• Konzultanti: Mgr. Jan Svoboda

Seznam odborné literatury

Kalpoma, K.A.; Kudoh, J.I. Application of snow coverage information extraction technique using NOAA satellite images in mongolian region to reduce the damage of dzud. Int. Geosci. Remote Sens. Symp. 2006, 3943–3946.

Bao, G.; Qin, Z.; Bao, Y.; Zhou, Y.; Li, W.; Sanjjav, A. NDVI-based long-term vegetation dynamics and its response to climatic change in the Mongolian plateau. Remote Sens. 2014, 6, 8337–8358.

Neteler, M. Estimating daily land surface temperatures in mountainous environments by reconstructed MODIS LST data. Remote Sens. 2010, 2, 333–351.

Dorjsuren, M.; Liou, Y.A.; Cheng, C.H. Time series MODIS and in situ data analysis for Mongolia drought. Remote Sens. 2016, 8, 1–16.

Noi Phan, T.; Kuch, V.; Lehnert, L.W. Land cover classification using google earth engine and random forest classifier-the role of image composition. Remote Sens. 2020, 12.

Předběžná náplň práce

Práce se bude zabývat možnostmi zjištění kvalitativních informací o krajině a jejich změn v čase pomocí metod DPZ. Konkrétně bude zaměřena na monitoring krajiny pomocí vegetačních / vodních / půdních indexů (např. NDVI, NDMI, RGI, NDSI), pozorování množství srážek a teplot (např. průměrné, medián i absolutní hodnoty – maxima a minima v jednotlivých měsících), případně dalších vhodně vybraných ukazatelů, které budou analyzovány pomocí pokročilých metod časových řad (Time Series) na volně dostupných datech (např. Landsat a ECMWF / Copernicus Climate Change Service). Ze získaných mnoholetých časových řad budou analyzovány trendy pomocí pokročilých výzkumných metod (např. pomocí klouzavých průměrů nebo specializovaných funkcí či algoritmů, jako je CUSUM nebo Bfast) a dále budou prokázány závislosti mezi jednotlivými indexy, srážkami a teplotami (např. bude užit Shapiro-Wilcoxonův test nebo ANOVA test). Analýza časových řad bude doplněna i o klasifikaci land cover zkoumaných území včetně hodnocení přesnosti s využitím volně dostupných dat Landsat nebo Sentinel-2. Mongolsko představuje velmi dynamickou krajinu, snahou bude provést komplexní zhodnocení, zda je krajina vhodná pro reintrodukci na základě získaných informací z jednotlivých ukazatelů časových řad a klasifikací. Porovnány tak budou dvě lokality. První lokalita s již reintrodukovanou populací koně Převalského (SPA Great Gobi B) a druhé pozorované území bude představovat potenciální nová lokalita pro navracení tohoto druhu do volné přírody (vybraná část Eastern steppe, východní Mongolsko). Práce bude konzultována s odborníky ze Zoo Praha (Mgr. Barbora Dobiášová a kolegové), bude využito znalosti řešeného území zaměstnanci Zoo. V rámci rešeršní části bude řešena problematika vhodných dat a pokročilých Time Series metod DPZ pro komplexní pozorování fyzicko-geografických charakteristik u rozsáhlejších ploch. Taktéž bude v teoretické rozpravě zpracován přehled o dostupnosti, využitelnosti a vlastnostech volně dostupných dat a jejich DPZ analýz pro porovnání v čase. Součástí empirické části práce bude provedeno detailní testování a aplikace Time Series a klasifikačních metod DPZ. Ke zpracování bude využito cloud based platformy Google Earth Engine (GEE), případně lze užít pro i klasický desktopový geoinformační a DPZ software (např. ArcGIS Pro, ENVI či obdobný komerční program). Pro statistické zpracování a zhodnocení dat bude možné využít i prostředí R či Microsoft Excel. Výstupy práce mohou být prezentovány pomocí on-line mapové aplikace (např. AGOL Story Map), případně pomocí vlastních webových stránek.

Cíle práce:
1. Představit možnosti analýzy trendů a detekce trendů
2. Představení a otestování volně dostupných dat a dostupných technologií pro tvorbu časových řad
3. Pomocí vybraných metod časových řad detailně analyzovat území
4. Pomocí vybraného klasifikátoru a dat Sentinel-2 nebo Landsat provést klasifikaci obou pozorovaných území
5. Provést detailní srovnání obou pozorovaných území
6. Prokázání závislosti / podobnosti zkoumaných území pomocí statistických metod
7. Stanovení vhodnosti vybrané potenciální lokality pro reintrodukci koně Převalského na základě získaných výstupů a na základě konzultací s odborníky se Zoo Praha (např. v souvislosti s výskyty sucha, dzud a dalších extrémních jevů)
8. Vytvoření metodiky/algoritmu ve volně dostupné výzkumné platformě GEE, případně pomocí jiné cloud based platformy či případně pomocí desktopového softwaru

Rozsah průvodní zprávy: 40 až 50 stran
Rozsah grafických prací a příloh: dle potřeby

Konzultanti: Mgr. Barbora Dobiášová a Mgr. Jan Svoboda