ANALÝZA MULTISPEKTRÁLNÍCH INDEXŮ PŘI DÁLKOVÉM PRŮZKUMU ZEMĚ

Abstract

Práce se zabývá problematikou analýzy multispektrálních obrazů pro využití při dálkovém průzkumu Země. V oblasti multispektrálního snímkování byla provedena studie metod způsobů snímání rostlin. Byl zkoumán vliv částí elektromagnetického spektra na změny odrazivosti snímané vegetace. V problematice vegetačních indexů byly porovnávány způsoby výpočtů vycházející z multispektrálních snímků. Pro získání plošných informací o stavu pěstované vegetace byly navrženy důležité ukazatele rostlin pro korelaci multispektrálních indexů. Závěrečná část práce se zaměřuje na vytvořené spektrální mapy z nasnímaných snímků multispektrální kamerou a analýzy výsledků hodnot vypočítaných vegetačních indexů s ohledem na stanovení optimální doby sklizně zemědělských plodin. Výstupem práce jsou nové lineární regresní modely umožňující stanovení optimální doby sklizně. Práce rovněž popisuje ucelenou metodiku od snímkování vegetace až po stanovení optimální doby sklizně dané plodiny.The thesis discusses various perspectives on the analysis of multispectral images, emphasizing in particular the technique’s potential in remote sensing of the Earth. Within multispectral imaging, the author has explored diverse methods for scanning plants to examine the impact exerted by the invididual electromagnetic spectrum components on the reflectivity of the investigated vegetation. Regarding the relevant vegetation indices, one of the main activities lay in comparing the approaches employed to compute the indices from applicable multispectral images. To deliver general data on the state of the plants being grown, the research involved designing and structuring relevant indicators that enabled the author to correlate the multispectral indices. In this context, the final sections of the thesis present the spectral maps acquired from the multispectral camera images and expose the analyses centered on the resulting index values, the aim being to help determine reliably the optimum harvest time in agricultural crops. The output of the project outlined within the thesis is then embodied in novel linear regression models that facilitate defining the optimum such a time. Importantly, by extension, the author also proposes a compact methodology that covers the individual phases and steps between the vegetation imaging the crops and finding the optimum harvest time.