Number of the records: 1
Analýza vývoje vegetace ve vybrané oblasti Českého středohoří s využitím pokročilých analytických metod geoinformatiky
Title statement Analýza vývoje vegetace ve vybrané oblasti Českého středohoří s využitím pokročilých analytických metod geoinformatiky [rukopis] / Michal Cáder Personal name Cáder, Michal, (dissertant) Issue data 2025 Phys.des. 143 l. (153 319 znaků) : il., mapy, schémata, tab. Note Ved. práce Jan Pacina. Oponent Jana Trojanová Abstract Tato bakalářská práce se zabývá analýzou vývoje nepůvodní vegetace v oblasti kopců Raná a Oblík v CHKO České středohoří, kde cenné stepní biotopy ohrožuje proces sekundární sukcese. Hlavním cílem práce bylo vytvořit a ověřit metodický postup pro efektivní monitoring těchto změn s využitím pokročilých metod geoinformatiky. Na základě časové řady dat Ortofota ČR z let 2015, 2019 a 2023 byly pomocí metod hlubokého učení vytvořeny modely pro automatickou detekci nepůvodní vegetace. Jako nejvhodnější přístup byla po srovnávací analýze vyhodnocena sémantická segmentace s architekturou PSPNet, implementovaná v prostředí ArcGIS Pro. Analýza odhalila dvoufázový vývoj: mezi lety 2015 a 2019 došlo k výraznému úbytku nepůvodní vegetace o 46,1 ha, avšak v následujícím období do roku 2023 byl zaznamenán masivní nárůst o 57,6 ha. Výsledky potvrzují vysokou efektivitu vyvinuté metodiky pro objektivní hodnocení dopadů managementových zásahů a poskytují cenné podklady pro budoucí plánování péče o krajinu. This bachelor thesis deals with the analysis of the development of non-native vegetation in the Raná and Oblík hills in the České středohoří Protected Landscape Area, where valuable steppe biotopes are threatened by the process of secondary succession. The main objective of the thesis was to create and verify a methodological procedure for the effective monitoring of these changes using advanced geoinformatics methods. Based on a time series of Ortophoto of the Czech Republic data from 2015, 2019, and 2023, deep learning methods were used to create models for the automatic detection of non-native vegetation. After a comparative analysis, semantic segmentation with PSPNet architecture, implemented in the ArcGIS Pro environment, was evaluated as the most suitable approach. The analysis revealed a two-phase development: between 2015 and 2019, there was a significant decrease in non-native vegetation by 46.1 hectares, but in the following period until 2023, a massive increase of 57.6 hectares was recorded. The results confirm the high effectiveness of the developed methodology for the objective assessment of the impacts of management interventions and provide valuable input for future landscape management planning. Another responsib. Pacina, Jan (thesis advisor)
Trojanová, Jana, 1997 - (opponent)Another responsib. Univerzita J.E. Purkyně v Ústí nad Labem. Katedra geoinformatiky (degree grantor) Subj. Headings Deep Learning * klasifikace obrazových dat * pixelová klasifikace * Ortofoto ČR * detekce nepůvodní vegetace * Raná * Oblík * ArcGIS Pro * Deep Learning * image data classification * pixel classification * Orthophoto of the Czech Republic * non-native vegetation detection * Raná hill * Oblík hill * ArcGIS Pro Form, Genre bakalářské práce UDC (043)378.22 Country Česko Language čeština URL https://portal.ujep.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=00196352 Document kind Diploma theses 
Number of the records: 1