Određivanje poplavljenog područja na području Karlovačke i Sisačko-moslavačke županije korištenjem multispektralnih satelitskih snimaka Sentinel-2 u programskom jeziku R

diplomski rad

• Naslov: Određivanje poplavljenog područja na području Karlovačke i Sisačko-moslavačke županije korištenjem multispektralnih satelitskih snimaka Sentinel-2 u programskom jeziku R : diplomski rad
• Naslov (engleski): Determination of the flooded area in the area of Karlovačka and Sisačko-moslavacka counties using multispectral satellite images Sentinel-2 in software language R : master's thesis
• Autor: Iva Drešar
• Mentor: Ivan Medved (mentor)
• Član povjerenstva: Ivan Medved (predsjednik povjerenstva)
• Član povjerenstva: Jasna Orešković (član povjerenstva)
• Član povjerenstva: Tomislav Korman (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Rudarsko-geološko-naftni fakultet; (Zavod za geofizička istraživanja i rudarska mjerenja); Zagreb
• Datum i država obrane: 2024-09-18, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Rudarstvo, nafta i geološko inženjerstvo; Geološko inženjerstvo

Sažetak

Klasifikacija terena poplavljenog područja Karlovačke i Sisačko-moslavačke županije korištenjem multispektralnih satelitskih snimaka Sentinel-2 prije i poslije poplave. Satelitske snimke preuzete sa službene stranice geoportala Copernicus. Osim satelitskih snimaka, ulazni podaci su područje istraživanja i poligoni za treniranje izrađeni u programu ArcMap. Klasifikacija terena izvedena je strojnim učenjem korištenjem algoritama Random Forest, Support Vector Machine i Neural Network u programskom jeziku R.

Sažetak (engleski)

Classification of flood-affected areas in the Karlovac and Sisak-Moslavina counties using Sentinel-2 multispectral satellite images before and after the flood. The satellite images were downloaded from the official Copernicus geoportal website. In addition to the satellite images, the input data include the study area and training polygons created in ArcMap. The terrain classification was performed using machine learning algorithms, including Random Forest, Support Vector Machine, and Neural Network, in the R programming language.

• Ključne riječi: poplavljena područja; klasifikacija; predikcija; Sentinel-2; RF; SVM; NNET; ArcMap; R; NDWI
• Ključne riječi (engleski): flooded areas; classification; prediction; Sentinel-2; RF; SVM; NNET; ArcMap; R; NDWI
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:169:523953
• Studijski program: Naziv: Geološko inženjerstvo; smjerovi: Hidrogeologija i inženjerska geologija, Geologija okoliša; Smjer: Hidrogeologija i inženjerska geologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka geološkog inženjerstva (mag. ing. geol.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2025-01-15 13:18:02