Porovnání kompozitních metod pro účely klasifikace družicových dat Sentinel-2 a Landsat

• Název práce v češtině: Porovnání kompozitních metod pro účely klasifikace družicových dat Sentinel-2 a Landsat
• Název v anglickém jazyce: Comparison of composite methods for classification of Sentinel-2 and Landsat satellite data
• Akademický rok vypsání: 2021/2022
• Typ práce: diplomová práce
• Jazyk práce: čeština
• Ústav: Katedra aplikované geoinformatiky a kartografie (31-370)
• Vedoucí / školitel: RNDr. Josef Laštovička, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 07.01.2022
• Datum zadání: 07.01.2022
• Datum potvrzení stud. oddělením: 07.01.2022
• Konzultanti: Mgr. Jan Svoboda

Seznam odborné literatury

ANG, M. L. E., ARTS, D., CRAWFORD, D., LABATOS, B. V., NGO, K. D., OWEN, J. R., GIBBINS, C., LECHNER, A. M. (2021): Socio-environmental land cover time-series analysis of mining landscapes using Google Earth Engine and web-based mapping. Remote Sensing Applications: Society and Environment, 21.

BECKSCHÄFER, P. (2017): Obtaining rubber plantation age information from very dense Landsat TM & ETM+ time series data and pixel-based image compositing. Remote Sens. Environ., 196, 89-100.

CANTY, M.J., NIELSEN, A.A.; SCHMIDT, M. (2004): Automatic Radiometric Normalization of Multitemporal Satellite Imagery. Remote Sens. Environ., 91, 441–451.

GRIFFITHS, P., NENDEL, C., HOSTERT, P. (2019): Intra-annual reflectance composites from Sentinel-2 and Landsat for national-scale crop and land cover mapping. Remote Sensing of Environment, 220, 135-151.

HLADKÝ, R., LAŠTOVIČKA, J., HOLMAN, L., ŠTYCH, P. (2020). Evaluation of the influence of disturbances on forest vegetation using Landsat time series; a case study of the Low Tatras National Park. Eur J Remote Sens, 53, 1, 40–66.

LUO, Y., ZHANG, Z., ZHANG, L., HAN, J., CAO, J., ZHANG, J. (2022): Developing High-Resolution Crop Maps for Major Crops in the European Union Based on Transductive Transfer Learning and Limited Ground Data. Remote Sens, 14, 1809.

NASIRI, V., DELJOUEI, A., MORADI, F., SADEGHI, S. M. M., BORZ, S. A. (2022): Land Use and Land Cover Mapping Using Sentinel-2, Landsat-8 Satellite Images, and Google Earth Engine: A Comparison of Two Composition Methods. Remote Sens, 14, 1977.

NIELSEN, A., A., CONRADSEN, K., SIMPSON, J., J. (1998): Multivariate alteration detection (MAD) and MAF post-processing in multispectral, bitemporal image data: New approaches to change detection studies. Remote Sensing of Environment, 64, 1-19.

NOI PHAN, T., KAPPAS, M. (2017): Comparison of Random Forest, k-Nearest Neighbor, and Support Vector Machine Classifiers for Land Cover Classification Using Sentinel-2 Imagery. Sensors, 18, 18.

NOI PHAN, T., KUCH, V., LEHNERT, L. W. (2020): Land cover classification using google earth engine and random forest classifier-the role of image composition. Remote Sensing, 15, 12.

POTAPOV, P., TURUBANOVA, S., HANSEN, M.C. (2011): Regional-Scale Boreal Forest Cover and Change Mapping using Landsat Data Composites for European Russia. Remote Sens. Environ., 115, 548–561.

RAMOINO, F., TUTUNARU, F., PERA, F., ARINO, O. (2017): Ten-Meter Sentinel-2A Cloud-Free Composite—Southern Africa 2016. Remote Sens., 9, 652.

SVOBODA, J., ŠTYCH, P., LAŠTOVIČKA, J., PALUBA, D., KOBLIUK, N. (2022): Random Forest Classification of Land Use, Land-Use Change and Forestry (LULUCF) Using Sentinel-2 Data—A Case Study of Czechia. Remote Sens, 14, 1189.

SYARIZ, M. A., LIN, B., DENARO, L. G., JAELANI, L. M., VAN NGUYEN, M., LIN, C. (2019): Spectral-consistent relative radiometric normalization for multitemporal Landsat 8 imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 147, 56-64.

ŠTYCH, P., LAŠTOVIČKA, J., HLADKÝ, R., PALUBA, D. (2019): Evaluation of the Influence of Disturbances on Forest Vegetation Using the Time Series of Landsat Data: A Comparison Study of the Low Tatras and Sumava National Parks. ISPRS Int. J. Geo-Inf., 8, 71.

WESSELS, K.J., VAN DEN BERGH, F., ROY, D.P., SALMON, B.P., STEENKAMP, K.C., MACALISTER, B., SWANEPOEL, D., JEWITT, D. (2019): Rapid Land Cover Map Updates Using Change Detection and Robust Random Forest Classifiers. Remote Sens, 8, 888.

XIE, S., LIU, L., ZHANG, X., YANG, J., CHEN, X., GAO, Y. (2019): Automatic Land-Cover Mapping using Landsat Time-Series Data based on Google Earth Engine. Remote Sens., 11, 3023.

ZHOU, H., LIU, S., HE, J., WEN, Q., SONG, L., MA, Y. (2016) A new model for the automatic relative radiometric normalization of multiple images with pseudo-invariant features, International Journal of Remote Sensing, 37, 19, 4554-4573.

ZURQANI, H. A., POST, C. J., MIKHAILOVA, E. A., SCHLAUTMAN, M. A., SHARP, J. L. (2018): Geospatial analysis of land use change in the Savannah River Basin using Google Earth Engine. International Journal of Applied Earth Observation and Geoinformation, 69, 175–185.

Předběžná náplň práce

Práce se bude v teoretické rovině zaobírat různými metodami zpracování kompozitů optických multispektrálních družicových dat a okrajově soudobými klasifikačními metodami. Konkrétně budou v rámci rešeršní části detailně prozkoumány a popsány soudobé známé studie zaměřené na metody pro vznik kompozitu z optických družicových dat a též na metody pixelové klasifikace (se zaměřením na metody založené na strojovém učení). V teoretické části pak budou řešeny možnosti zpracování dat Landsat a Sentinel-2 pro výše zmíněné metody pomocí cloud based platformy Google Earth Engine.
V praktické rovině budou na volně dostupná družicová data (Landsat 8 či 9 a Sentinel-2) aplikovány a porovnány vybrané pokročilé kompozitní metody pomocí skriptovací platformy Google Earth Engine (GEE) Code Editor. Kompozity budou následně využity pro tvorbu klasifikací metodou Random Forest. Přesnost výsledků klasifikací pro odlišná data a kompozity bude ověřena na základě detailního in-situ měření a také za pomoci dostupných současných i archivních leteckých snímků či družicových snímků s velmi vysokým rozlišením. Na základě výsledků klasifikací bude stanovena vhodnost užitých kompozitních metod pro různé typy dat.

Cíle práce:
1. Literární přehled metod užívaných pro tvorbu kompozitu
2. Vytvoření skriptů v prostředí GEE pro tvorbu vícera kompozitních metod (agregační metrické – mediánová, průměrová, percentilová) z dat Landsat 8 nebo 9 a Sentinel-2.
3. Implementace metody relativní radiometrické normalizace (IR-MAD) pro tvorbu kompozitu v rámci GEE
4. Aplikace získaných kompozitů (vytvořených pomocí odlišných metod) pro klasifikaci land cover
5. Porovnání a kvantifikace dosažených výsledků pomocí in-situ měření