Studium časových změn mořského pobřeží prostředky DPZ /
Cílem této bakalářské práce je studium potenciálních vývojů pobřeží v posledních dvou dekádách u dvou lokalit ze Seznamu světového dědictví UNESCO - Pobřeží Dorsetu a Východního Devonu a ostrov Surtsey. Detekce pobřežních změn vychází z multispektrálních snímků velmi vysokého rozlišení z komerčních...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Čeština |
| Vydáno: |
2021
|
| Témata: | |
| On-line přístup: | https://is.muni.cz/th/yb7fc/ |
| Shrnutí: | Cílem této bakalářské práce je studium potenciálních vývojů pobřeží v posledních dvou dekádách u dvou lokalit ze Seznamu světového dědictví UNESCO - Pobřeží Dorsetu a Východního Devonu a ostrov Surtsey. Detekce pobřežních změn vychází z multispektrálních snímků velmi vysokého rozlišení z komerčních družic RapidEye, PlanetScope a QuickBird. Pobřežní linie jsou extrahovány pomocí tří testovaných přístupů - hustotní řezy, normalizovaný diferenční vodní index a metoda podpůrných vektorů. Výstupy automatizovaných metod jsou validovány komparací s výsledky manuální extrakce pobřeží. V nástroji Digital Shoreline Analysis System (DSAS) jsou vypočteny vzdálenostní a statistické metriky včetně predikovaných pozic pobřeží. Při validaci dat bylo zjištěno, že nejvhodnější metodou extrakce je metoda strojového učení SVM, jejíž přesnost je ve srovnání s vodním indexem zvýšena o průměrnou hodnotu 52 %. U novodobého sopečného ostrova Surtsey byla zjištěna průměrná roční ztráta rozlohy 0,01 km2, zatímco The aim of this bachelor's thesis is to investigate potential shoreline changes in the last two decades of two sites from The World Heritage Sites list - Dorset and East Devon Coast and island of Surtsey. Shoreline change detection is derived from very high-resolution multispectral imageries from commercial satellites such as RapidEye, PlanetScope and QuickBird. Shorelines are extracted using three tested approaches - density slice method, normalized difference water index and support vector machines. Outputs from tested methods are validated by comparing to results of manual shoreline extraction method. Distance and statistical metrics, including predicted coastal positions, were calculated in extension tool Digital Shoreline Analysis System (DSAS). The results of validation showed that machine learning method SVM is the most suitable extraction method, its accuracy is increased by average value 52% in comparison with the water index. The mean annual area loss of modern volcanic islan |
|---|---|
| Popis jednotky: | Vedoucí práce: Kateřina Tajovská |
| Fyzický popis: | 93 listů, 12 listů obrazové přílohy : ilustrace, mapy |