CDOM-based Optical Water Types Classification

dc.contributor.advisorAlikas, Krista, juhendaja
dc.contributor.advisorEl Shawi, Radwa, juhendaja
dc.contributor.authorŠevtšenko, Fjodor
dc.contributor.otherTartu Ülikool. Loodus- ja täppisteaduste valdkondet
dc.contributor.otherTartu Ülikool. Arvutiteaduse instituutet
dc.date.accessioned2025-02-13T09:47:41Z
dc.date.available2025-02-13T09:47:41Z
dc.date.issued2024
dc.description.abstractA water body is a habitat, where the interaction between the living and non-living matter is observed. Any changes in the water bodies’ characteristics influence the internal processes and may have a negative long-run impact on the features of ecosystem and its diversity. The main object of the current research is related to Colored Dissolved Organic Matter (CDOM). When the concentration of CDOM becomes high, then the water gets brown and the underwater light changes. The water brownification is one of that processes, that may heavily influence the features of the ecosystem and its diversity. It is important to have the information about the water bodies’ states in a format of brownification scale. The water body classification topic was previously observed in early studies via establishing the term of Optical Water Type (OWT). The previous research was mostly related to creation of one optimal OWT classifier, where each class combines the combination of water parameters like CDOM, chlorophyll A, total suspended solids and secchi depth. Comparing to the previous studies, this work proposes a classification approach that could be selected based on tasks’ characteristics. Also, instead of OWT, the work establishes the term of CDOM based OWT (CDOM-OWT), that classifies the water body based on CDOM relative concentration level. The CDOM-OWT classification approach is useful, when is needed to plot the CDOM relative concentration levels on location maps for various periods to monitor the spreading dynamics.
dc.description.abstract Veekogu on elupaik, kus vaatleme elus ja eluta looduse vastasmõju. Igasugused muutused veekogude omadustes mõjutavad sisemisi protsesse ning võivad avaldada pikaajalist mõju ökosüsteemi iseärasustele ja selle mitmekesisusele. Käesoleva uurimistöö põhiobjekt on seotud värvilise lahustatud orgaanilise ainega (CDOM). Kui CDOM-i kontsentratsioon muutub kõrgeks, muutub vesi pruuniks. Vee pruunistumine on üks neist protsessidest, mis võib oluliselt mõjutada ökosüsteemi iseärasusi ja selle mitmekesisust. Oluline on omada teavet veekogude seisundite kohta pruunistumise skaala kujul. Veekogude klassifikatsiooni teemat täheldati varasemates uuringutes optilise veetüübi (OWT) termini kehtestamise kaudu. Eelnev uurimus oli peamiselt seotud ühe optimaalse OWT klassifikaatori loomisega, kus igas klassis on kombineeritud veeparameetrid nagu CDOM, klorofüll a, heljumi koguhulk ja läbipaistvus. Võrreldes varasemate uuringutega, pakub käesolev töö välja klassifikatsiooni lähenemisviisi, mida saab valida ülesannete omaduste põhjal. Samuti kehtestatakse töös OWT asemel termin CDOM-põhine OWT (CDOM-OWT), mis klassifitseerib veekogu ainult CDOM-i suhtelise kontsentratsioonitaseme alusel. CDOM-OWT klassifitseerimisviis on kasulik, kui leviku dünaamika jälgimiseks on vaja CDOM-i suhtelised kontsentratsioonitasemed asukohakaartidele erinevate perioodide jaoks joonistada.
dc.identifier.otherP170
dc.identifier.otherP176
dc.identifier.otherT181
dc.identifier.urihttps://hdl.handle.net/10062/107075
dc.language.isoen
dc.publisherTartu Ülikoolet
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectSentinel-2 MSI
dc.subjectCDOM
dc.subjectartificial intelligence
dc.subjectremote sensing
dc.subjectautoml
dc.subjectoptical water type
dc.subject.othermagistritöödet
dc.subject.otherinformaatikaet
dc.subject.otherinfotehnoloogiaet
dc.subject.otherinformaticsen
dc.subject.otherinfotechnologyen
dc.titleCDOM-based Optical Water Types Classification
dc.title.alternativeCDOM-põhine optiline veetüüpide klassifikatsioon
dc.typeThesisen

Failid

Originaal pakett

Nüüd näidatakse 1 - 1 1
Laen...
Pisipilt
Nimi:
Sevtsenko_DataScience_2024.pdf
Suurus:
9.09 MB
Formaat:
Adobe Portable Document Format