ČASOPROSTOROVÉ ANALÝZY TYPU A STAVU ZEMĚDĚLSKÝCH PLODIN Z DAT SENTINEL-2

Přemysl DRATVA

Bachelor's thesis

Spatio-temporal analysis of the type and quality of agricultural crops using Sentinel 2 data

Anotácia:

Tato práce se zabývá časoprostorovou analýzou zemědělských plodin pomocí dat ze systému Sentinel-2. Rešeršní část obsahuje informace o spektrálním chování vegetace, jednotlivých vegetačních indexech, které jsou v práci použity a je zde popsán systém Sentinel-2. Jsou zde také rozebrány výzkumy, které se v minulosti zabývaly daty ze systému Sentinel-2 a různými vegetačními indexy. Prvním krokem praktické části bakalářské práce bylo zpracování dat. Potřebné satelitní snímky ze systému Sentinel-2 byly staženy během vegetačního období z let 2016 a 2017. Časoprostorová analýza probíhala nad daty od společnosti RenoFarmy. Na základě vektorové vrstvy polí (půdních bloků) od této společnosti bylo možné vymezit finální zájmovou oblast s konečným počtem polí a vybrat vhodné satelitní snímky pořízené nad danou oblastí. Zpracování snímků probíhalo v softwaru ESA SNAP a pro výběr zájmové oblasti byl použit software ArcGIS for Desktop 10.4. Hlavním výsledkem praktické části je porovnání hodnot vegetačních indexů se skutečným stavem. Pro analýzu byly vybrány vegetační indexy NDVI, CVI, SAVI a GLI, které byly vypočítány pro každé pole, a byla porovnána jejich vhodnost pro zjištění typů zemědělských plodin a výnosů. Hodnoty vegetačních indexů jsou v práci vyhodnoceny pomocí několika statistických metod. Jednou z nich je korelace, při které byla zjištěna podobnost vývoje plodin na jednotlivých polích mezi dvěma lety za účelem zjištění typu zemědělské plodiny. Dále byla korelace použita pro porovnání podobnosti hodnot jednotlivých vegetačních indexů za oba sledované roky. Další aplikovanou statistickou metodou bylo vyhledání skupin vzájemně si podobných polí pomocí nástroje SimUrb. Posledním cílem bylo zjištění výnosů zemědělských plodin na základě porovnání hodnot indexů během růstu plodin se skutečnými výnosy.

Abstract:

This bachelor thesis is focused on temporal and space analysis of agriculture crops based on data from Sentinel-2. The recherche includes information about spectral behaviour of vegetation, about individual vegetation indices used in this study and there is also Sentinel-2 description. Several researches which are focused on Sentinel-2 data and various vegetation indices are mentioned. First step of the practical part was data processing. Selected satellite imagery from Sentinel-2 were downloaded for vegetational period of years 2016 and 2017. Temporal and space analysis was based on data from company RenoFarmy. Thanks to the vector layer of fields from this company it was possible to determine final region of interest with selected fields and to choose suitable satellite imagery. The data were processed in software ESA SNAP and software ArcGIS for Desktop 10.4 was used for the region of interest selection. The main result of the practical part is the comparison of values of vegatation indices with the real situation. Vegetation indices NDVI, CVI, SAVI and GLI were chosen for analysis and calculated for every field and their suitability for detection types of crops and yields was assessed. Values of vegetation indices are evaluated via several statistical methods. One of them is correlation used for detection of crops growth on individual fields over two years for purpose to determine the type of a crop. Corellation was also for comparison of similarity between values of vegetation indices used. Another statistical method used was detecting of clusters of similar fields with the use of SimUrb. The last aim was to determine crop yields based on comparing values of indices values during crop growth with actual yields.

Kľúčové slová

Sentinel-2, vegetační indexy, NDVI, CVI, SAVI, GLI, výnosy zemědělských plodin

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 10. 5. 2018

Obhajoba závěrečné práce

• Vedúci: Mgr. Tomáš Pour

PALACKÝ UNIVERSITY OLOMOUC

Faculty of Science

Bachelor programme / odbor:
Geography / Geoinformatics and Geography