Metody umělé inteligence pro klasifikace a vyhledávání změn v datech dálkového průzkumu Země

Téma se zaměřuje na využití metod umělé inteligence pro klasifikaci a detekci změn v datech dálkového průzkumu Země (DPZ). V posledních letech dochází k výraznému nárůstu objemu satelitních a leteckých dat s vysokým prostorovým, spektrálním i časovým rozlišením, což klade vysoké nároky na automatizované metody jejich zpracování a analýzy. Práce se soustředí zejména na moderní přístupy strojového učení a hlubokého učení, jako jsou konvoluční neuronové sítě, rekurentní neuronové sítě či metody učení bez učitele, a jejich aplikaci na multispektrální, hyperspektrální a časové řady DPZ dat.

Hlavním cílem je analyzovat a porovnat vybrané metody umělé inteligence z hlediska přesnosti, robustnosti a výpočetní náročnosti při úlohách klasifikace pokryvu krajiny a automatického vyhledávání změn v území, například v souvislosti s urbanizací, odlesňováním, zemědělským využitím či dopady přírodních katastrof. Součástí tématu je také problematika přípravy trénovacích dat, přenositelnosti modelů mezi různými oblastmi a senzory a interpretovatelnosti výsledků. Výsledky mohou přispět k efektivnějšímu monitoringu krajiny a podpoře rozhodování v oblasti územního plánování, ochrany životního prostředí a krizového managementu.