Ing. Ing. María Quirós-Segovia

Disertační práce

Geographically Weighted Regressions (GWR) in forestry modelling

Geograficky vážená regrese v lesnickém modelování
Anotace:
Obsahem dizertační práce je podrobná studie o geograficky vážené regresi (GWR)a jejím využití v lesnickém modelování. Analyzovány byly monokultury borovicehalepské (Pinus halepensis Mill.) v provincii Murcia ve Španělsku.Dizertační práce je rozdělena do pěti částí: (1) Výběr lokální a zobecněné výškovéfunkce (2) Fitování výškové funkce pomocí smíšeného regresního modelu (LMM) aGWR, přičemž v případě …více
Abstract:
In this dissertation thesis a comprehensive study of the Geographically WeightedRegression and its utilization in forestry modelling was made. The analysed area waslocated in the Spanish region of Murcia, and monospecific stands of Pinus halepensisMill were studied.The thesis can be divided in five parts: (1) Selection of a local and a generalizedheight-diameter equation. (2) Fitting of the height …více
 
 
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 6. 3. 2018

Obhajoba závěrečné práce

  • Vedoucí: doc. Ing. Karel Drápela, CSc.
  • Oponent: Radim Adolt, Ing., Ph.D., Zdeněk Adamec, Ing., Lúbomír Scheer, externi

Citační záznam

Plný text práce

Právo: Významnou výhodou GWR oproti jiným metodám je fakt, že je schopná odhadnoutparametry modelu v jakémkoliv místě zájmového území bez nutnosti dodatečnýchměření. Z tohoto důvodu je GWR vhodná pro použití na velkých územích a její využitímůže ušetřit čas i finanční náklady v lesnickém modelování.
The advantage of GWR over other methodologies, is that is able to determine thespatial location of every model parameter without additional measurements. ThereforeGWR is able to model large areas with the consequent saving of time and money.

Obsah online archivu závěrečné práce
Zveřejněno v Theses:
  • autentizovaným zaměstnancům ze stejné školy/fakulty