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

Abstract

Diplomová práce byla zaměřena na testování vybraných metod mozaikování a kompozitování pro účely klasifikací volně dostupných optických družicových dat s vysokým rozlišením Sentinel-2 a Landsat 9. Pro účely těchto analýz bylo užito cloud based prostředí Google Earth Engine Code Editor. V rámci kompozitních metod byl otestován průměrový, mediánový a percentilový přístup. Pro mozaikování bylo užito základní metody mozaikování spojením jednotlivých dlaždic či scén. Základní metoda mozaikování byla doplněna o vlastní experimentální metodu zahrnující mozaikování dvou snímků, z nichž jeden ze snímků byl upraven relativní radiometrickou normalizací pro snížení vlivu nehomogenity měřeného prostředí v čase. Pro relativní radiometrickou normalizaci byla zvolena pokročilá metoda IR-MAD. Výsledné kompozity a mozaiky byly klasifikovány řízenou klasifikací klasifikátorem Random Forest. Na závěr práce byla posouzena vhodnost jednotlivých kompozitů a mozaik pro účely klasifikace a dále byly porovnány přesnosti jednotlivých klasifikací.

The thesis focused on testing selected mosaicking and compositing methods for the classification of freely available high-resolution optical satellite data from Sentinel-2 and Landsat 9. Within the compositing methods, mean, median and percentile approaches were tested. For mosaicking, the basic mosaicking method was used by combining individual tiles or scenes. The basic mosaicking method was complemented by a custom experimental method involving mosaicking of two images, one of which was adjusted by relative radiometric normalization to reduce the effect of inhomogeneity of the measured environment over time. The advanced IR-MAD method was chosen for the relative radiometric normalization. The resulting composites and mosaics were classified by supervised classification with the Random Forest classifier. At the end of the work, the suitability of each composite and mosaic for classification purposes was assessed, and the accuracies of each classification were further compared.