Využití metod dálkového průzkumu Země pro detekci podmáčených oblastí

Zuzana Dvořáková

Bakalářská práce

The use of remote sensing methods for the detection of waterlogged areas

Anotace:

Tato práce rešeršního charakteru je zaměřena na sjednocení poznatků získaných z tuzemské i zahraniční odborné literatury na téma detekce podmáčených území pomocí technik strojového učení aplikovaných na satelitní data získaná z mise Sentinel-2. To se skládá z několika dílčích částí zahrnujících popis problematiky podmáčených mokřadů na území České republiky, dále jsou v práci uvedeny základní charakteristiky Sentinelu-2 a satelitních dat. V následující části se nachází stručný popis softwaru R a GIS, které jsou hojně využívané k detekci krajinného pokryvu. Stěžejní částí je návrh zpracování satelitních dat a uvedení některých příkladů možností klasifikace těchto upravených snímků pomocí strojového učení. Nakonec práce obsahuje posouzení odborných studií tohoto tématu a jejich srovnání. Bylo zjištěno, že existuje několik opakujících se algoritmů užívaných v tomto odvětví, například Random forest či Support vector machines. Bohužel nelze jasně říci, jaký algoritmus je nejlepší. Na každém území je potřeba porovnat několik algoritmů a z nejoptimálnějšího vytvořit vlastní model. Práce přináší především shrnutí vědomostí této problematiky, tak aby byla čtenáři jasná a srozumitelná.

Abstract:

This work of a research nature is focused on the unification of knowledge obtained from domestic and foreign scholarly literature on the subject of the detection of waterlogged areas using machine learning techniques applied to satellite data obtained from the Sentinel-2 mission. This consists of several sub-parts describing the issue of waterlogged wetlands in the Czech Republic, the thesis also presents the basic characteristics of Sentinel-2 and data measurement. The following section provides a brief description of R and GIS software, which are widely used for land cover detection. The crucial part is the suggestion of data classification processing and showing some examples of the possibilities of these modified images using machine learning. Finally thesis contains an assessment of professional studies on this topic and their comparison. It was found that there are several repetitive algorithms used in industries, for example Random forest or Support vector machines. Unfortunately, it is not clear which algorithm is the best. In each territory, it is necessary to compare several algorithms and create your own model from the most optimal one. The work mainly provides a summary of the knowledge of this issue, so that it is clear and understandable to the reader.

Klíčová slova

strojové učení, Sentienl-2, klasifikace krajinných prvků, mokřady, dálkový průzkum

Keywords

Sentinel-2, machine learning, classification of landscape features, wetlands, remote sensing

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 2. 4. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 5. 2023
• Vedoucí: Ing. Bc. Václava Maťašovská
• Oponent: Pavel Richter, Ph.D.

Česká zemědělská univerzita v Praze

Fakulta životního prostředí

Bakalářský studijní program / obor:
Krajinářství / Vodní hospodářství