geoinformatika a diaľkový prieskum Zeme (GId)
Analýza zmien mikromorfológie a povrchových mikrotextúr detritických minerálov z rôznych sedimentačných prostredí s využitím metód geomorfometrie a 3D modelovania
Cieľom DzP je analyzovať a vyhodnotiť mikromorfologické a povrchové mikrotextúrne znaky vznikajúce počas transportu na vybraných druhoch detritických minerálov pomocou metód geomorfometrie a 3D modelov v špecializovaných 3D open-source softvéroch. Pôjde o testovanie možností identifikácie, kvantifikácie a vizualizácie špecifických prvkov mikroreliéfu na povrchu minerálnych zŕn pomocou techník využívaných vo všeobecnej geomorfometrii. Sledovaná bude väzba vzniku jednotlivých mikrotextúrnych znakov v závislosti od dĺžky transportu detritického materiálu a charakteru sedimentačného prostredia. Práca predpokladá vytvorenie metodiky na analýzu mikrotextúrnych znakov detritických minerálov, od získavania vzoriek v teréne, ich spracovania v laboratóriu, vytvorenia DMR a 3D modelov povrchu minerálnych zŕn, geomorfometrickú analýzu, až po interpretáciu mikrotextúr vo vzťahu k ich genéze. Výsledky výskumu budú aplikovateľné pri rekonštrukciách sedimentárnych (paleo)prostredí.
Vos, K., Vandenberghe, N., Elsen, J., 2014. Surface textural analysis of quartz grains by scanning electron microscopy (SEM): From sample preparation to environmental interpretation. Earth-Science Reviews 128, 93–104. Suhr, B., Skipper, W.A., Lewis, R., Six, K., 2020. Shape analysis of railway ballast stones: curvature-based calculation of particle angularity. Scientific Reports 10, 6045. Kemnitz, H., Lucke, B., 2019. Quartz grain surfaces–A potential microarchive for sedimentation processes and parent material identification in soils of Jordan. Catena 176, 209–226. Krinsley, D.H., Doornkamp, J.C., 2011. Atlas of Quartz Sand Surface Textures. Cambridge University Press, New York, 1¬–91. Girardeau-Montaut, D., 2016. CloudCompare. France: EDF R&D Telecom ParisTech, 11. http://www.cloudcompare.org/
geoinformatika a diaľkový prieskum Zeme (GIdAj)
Analýza zmien mikromorfológie a povrchových mikrotextúr detritických minerálov z rôznych sedimentačných prostredí s využitím metód geomorfometrie a 3D modelovania
Cieľom DzP je analyzovať a vyhodnotiť mikromorfologické a povrchové mikrotextúrne znaky vznikajúce počas transportu na vybraných druhoch detritických minerálov pomocou metód geomorfometrie a 3D modelov v špecializovaných 3D open-source softvéroch. Pôjde o testovanie možností identifikácie, kvantifikácie a vizualizácie špecifických prvkov mikroreliéfu na povrchu minerálnych zŕn pomocou techník využívaných vo všeobecnej geomorfometrii. Sledovaná bude väzba vzniku jednotlivých mikrotextúrnych znakov v závislosti od dĺžky transportu detritického materiálu a charakteru sedimentačného prostredia. Práca predpokladá vytvorenie metodiky na analýzu mikrotextúrnych znakov detritických minerálov, od získavania vzoriek v teréne, ich spracovania v laboratóriu, vytvorenia DMR a 3D modelov povrchu minerálnych zŕn, geomorfometrickú analýzu, až po interpretáciu mikrotextúr vo vzťahu k ich genéze. Výsledky výskumu budú aplikovateľné pri rekonštrukciách sedimentárnych (paleo)prostredí.
Vos, K., Vandenberghe, N., Elsen, J., 2014. Surface textural analysis of quartz grains by scanning electron microscopy (SEM): From sample preparation to environmental interpretation. Earth-Science Reviews 128, 93–104. Suhr, B., Skipper, W.A., Lewis, R., Six, K., 2020. Shape analysis of railway ballast stones: curvature-based calculation of particle angularity. Scientific Reports 10, 6045. Kemnitz, H., Lucke, B., 2019. Quartz grain surfaces–A potential microarchive for sedimentation processes and parent material identification in soils of Jordan. Catena 176, 209–226. Krinsley, D.H., Doornkamp, J.C., 2011. Atlas of Quartz Sand Surface Textures. Cambridge University Press, New York, 1¬–91. Girardeau-Montaut, D., 2016. CloudCompare. France: EDF R&D Telecom ParisTech, 11. http://www.cloudcompare.org/
geoinformatika a diaľkový prieskum Zeme (GIdAj)
Zlepšenie predikcie povrchovej teploty zastavaných území pomocou dát z bezpilotných leteckých systémov
Modelovanie povrchovej teploty urbanizovaného územia vyžaduje znalosť fyzikálnych vlastností rôznych urbánnych povrchov. Bezpilotné letecké systémy sú novou platformou diaľkového prieskumu Zeme, ktorá umožňuje s vysokou mierou priestorovej a časovej detailnosti získavať dáta o krajine pomocou rôznych senzorov. Pri riešení dizertačnej práce budú využité viaceré senzory umiestnené na bezpilotných leteckých systémoch ako sú optické snímače zaznamenávajúce elektromagnetické žiarenie v rôznych spektrálnych pásmach, laserový skener a albedometer. Cieľom je získať podrobné dáta o vybraných fyzikálnych vlastnostiach povrchov urbanizovanej krajiny mesta Košice (napr. farba, albedo, teplota) pomocou senzorov umiestnených na bezpilotných leteckých systémoch a analyzovať vplyv morfológie urbanizovanej krajiny a dynamiku vybraných ukazovateľov v priebehu dňa a roka (napr. albedo vegetácie). Očakávaným výsledkom riešenia dizeratčnej práce bude zlepšenie predpovedania priestorového rozloženia povrchovej teploty a lepšie pochopenie faktorov, ktoré prispievajú k prehrievaniu v zastavanom území. Výsledky výskumu prispejú k identifikácií lokalít, ktoré prispievajú k efektu prehrievania zastavaného územia, a budú podkladom pre prijatie mitigačných opatrení, čo možno považovať za aplikačný výsledok dizertačnej práce.
Cieľom je získať podrobné dáta o vybraných fyzikálnych vlastnostiach povrchov urbanizovanej krajiny mesta Košice (napr. farba, albedo, teplota) pomocou senzorov umiestnených na bezpilotných leteckých systémoch a analyzovať vplyv morfológie urbanizovanej krajiny a dynamiku vybraných ukazovateľov v priebehu dňa a roka (napr. albedo vegetácie).
BREMER, M.; MAYR, A.; WICHMANN, V.; SCHMIDTNER, K.; RUTZINGER, M., 2016. A new multi-scale 3D-GIS-approach for the assessment and dissemination of solar income of digital city models. Computers, Environment and Urban Systems. Volume 57, Pages 144 - 154. ISSN 01989715. doi:10.1016/j.compenvurbsys.2016.02.007. HOFIERKA, J. (2022). Assessing land surface temperature in urban areas using open-source geospatial tools. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives 48(4/W1-2022), 195-200. HOFIERKA, J., GALLAY, M., ONAČILLOVÁ, K., HOFIERKA, J. Jr. (2020). Physically-based land surface temperature modeling in urban areas using a 3-D city model and multispectral satellite data. Urban Climate, 31, 100566. LIANG, J.; GONG, J.; ZHOU, J.; IBRAHIM, A. N.; LI, M., 2015. An open-source 3D solar radiation model integrated with a 3D Geographic Information System. Environmental Modelling & Software, Volume 64, Pages 94-101, ISSN 1364-8152, doi:10.1016/j.envsoft.2014.11.019. KAI MAINZER, SVEN KILLINGER, RUSSELL MCKENNA, WOLF FICHTNER. 2017. Assessment of rooftop photovoltaic potentials at the urban level using publicly available geodata and image recognition techniques. Solar Energy, Volume 155, pp. 561-57, doi:10.1016/j.solener.2017.06.065 OLPENDA, A. S., STEREŃCZAK, K., & BȨDKOWSKI, K. (2018). Modeling solar radiation in the forest using remote sensing data: A review of approaches and opportunities. Remote Sensing, 10(5) doi:10.3390/rs10050694
geoinformatika a diaľkový prieskum Zeme (GIdAj)
Modelovanie efektov mestského ostrova tepla a opatrení na jeho zmiernenie
Zmierňovanie mestských tepelných ostrovov vyžaduje porozumenie faktorov ovplyvňujúcich interakciu slnečného žiarenia a urbánnych povrchov. Absorbované teplo sa prejavuje cez povrchovú teplotu povrchov a následne je vyžarované do okolia a tak zvyšuje teplotu okolitého vzduchu. V tejto práci sa študent zameria na faktory ovplyvňujúce vznik mestských tepelných ostrovov a pomocou nástrojov v GIS-e GRASS bude modelovať rôzne scenáre vo vysokom priestorovom a časovom rozlíšení. Využije pritom 3-D model mesta, ktorý doplní o ďalšie o vlastnostiach urbánnych povrchov. Výsledky budú porovnané s mikroklimatickými meraniami a dátami diaľkového prieskumu Zeme.
AGHAMOHAMMADI, N., SANTAMOURIS, M. (2023). Urban Overheating: Heat Mitigation and the Impact on Health. Advances in Sustainability Science and Technology. Springer, https://doi.org/10.1007/978-981-19-4707-0_18. AKMAR, A. N., KONIJNENDIJK, C., SREETHERAN, M., NILSSN, K. J. A. (2011). Greenspace planning and management in Klang valley, Peninsular Malaysia. Urban Forestry & Urban Greening, 37(3), pp. 99-107. ALI, S. B., PATNAIK, S. (2018). Thermal comfort in urban open spaces: Objective assessment and subjective perception study in tropical city of Bhopal, India. Urban Climate, 24, pp. 954-967. BECKMANN, S. K., HIETE, M. (2020). Predictors Associated with Health-Related Heat Risk Perception of Urban Citizens in Germany. International Journal of Environmental Research and Public Health, 17(3), 874. CHEN, B., XIE, M., FENG, Q., LI, Z., CHU, L., LIU, Q. (2021). Heat risk of residents in different types of communities from urban heat-exposed areas. Science of The Total Environment, 768, 145052. DERKZEN, M. L., VAN TEEFFELEN, A. J. A., VERBURG, P. H. (2017). Green infrastructure for urban climate adaptation: how do residents’ views on climate impacts and green infrastructure shape adaptation preferences? Landscape and Urban Planning, 157, pp. 106-130. FRANCIS, R. A., LORIMER, J. (2011). Urban reconciliation ecology: The potential of living roofs and walls. Journal of Environmental Management, 92(6), pp. 1429-1437. HAALAND, C., VAN DEN BOSCH, C. K. (2015). Challenges and strategies for urban green-space planning in cities undergoing densification: A review. Urban Forestry & Urban Greening, 14(4), pp. 760-771. HOFIERKA, J. (2022). Assessing land surface temperature in urban areas using open-source geospatial tools. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives 48(4/W1-2022), 195-200. HOFIERKA, J., GALLAY, M., ONAČILLOVÁ, K., HOFIERKA, J. Jr. (2020). Physically-based land surface temperature modeling in urban areas using a 3-D city model and multispectral satellite data. Urban Climate, 31, 100566. HOLEC, J., ŠVEDA, M., SZATMÁRI, D., FERANEC, J., BOBÁĽOVÁ, H., KOPECKÁ, M., ŠŤASTNÝ, P. (2021). Heat risk assessment based on mobile phone data: case study of Bratislava, Slovakia. Natural Hazards, 108(3), pp. 3099-3120. IHA (2022). Institute of Health Analysis at the Ministry of Health of the Slovak Republic. Available at: https://www.health.gov.sk/?iza. KHATIBI, F. S., DEDEKORKUT-HOWES, A., HOWES, M., TORABI, E. (2021). Can public awareness, knowledge and engagement improve climate change adaptation policies? Discover Sustainability, 2(1), pp. 1-24. KULLA, M., NOVOTNÝ, L., PREGI, L., DVOŘÁK, P., MARTINÁT, S., KLUSÁČEK, P., NAVRÁTIL, J., FRANTÁL, B. (2022). The Good, the Bad, and the Nobody. Exploring diversity of perceptions of anaerobic digestion plants in Central and Eastern Europe. Energy Research and Social Sciences, 89, 102644. KOPECKÁ M., SZATMÁRI, D., HOLEC, J., FERANEC, J. (2021). Urban heat island modelling based on MUKLIMO: examples from Slovakia. AGILE: GIScience Series Series, 2(5), pp. 1-11. LEHMANN, S. (2014). Low carbon districts: Mitigating the urban heat island with green roof infrastructure. City, Culture and Society, 5(1), pp. 1-8. LINDBERG, F. (2007). Modelling the urban climate using a local governmental geo-database. Meteorol. Appl. 14, pp. 263–273. LOUGHNAN, M., NICHOLLS, N., TAPPER, N. J. (2012). Mapping heat health risks in urban areas. International Journal of Population Research, 518687. MIRZAEI, P. A. (2015). Recent challenges in modeling of urban heat island. Sustainable Cities and Society, 19, pp. 200-206. MOSER, S. C., PIKE, C. (2015). Community engagement on adaptation: Meeting a growing capacity need. Urban Climate, 14, pp. 111–115. ONAČILLOVÁ, K., GALLAY, M. (2018). Spatio-temporal analysis of surface urban heat island based on LANDSAT ETM+ and OLI/TIRS imagery in the city of Košice, Slovakia. Carpathian Journal of Earth and Environmental Sciences, 13(2), pp. 395–408. PARSAEE, M., JOYBARI, M. M., MIRZAEI, P. A., HAGHIGHAT, F. (2019). Urban heat island, urban climate maps and urban development policies and action plans. Environmental Technology & Innovation, 14, 100341. RAJAGOPALAN, P., SANTAMOURIS, M., ANDAMON, M. M. (2017). Public engagement in urban microclimate research: an overview of a citizen science project. In Schnabel, M. A. (ed). Back to the future: the next 50 years. Wellington (Architectural Science Association), pp. 703-712. SANDHOLZ, S., SETT, D., GRECO, A., WANNEWITZ, M., GARSCHAGEN, M. (2021). Rethinking urban heat stress: Assessing risk and adaptation options across socioeconomic groups in Bonn, Germany. Urban Climate, 37, 100857. SARHADI, F., RAD, V. B. (2020). The structural model for thermal comfort based on perceptions individuals in open urban spaces. Building and Environment, 185, 107260. TAN, P. Y., WANG, J., SIA, A. (2013). Perspectives on five decades of the urban greening of Singapore. Cities, 32, pp. 24-32. TIAN, Y., JIM, C. Y. (2012). Development potential of sky gardens in the compact city of Hong Kong. Urban Forestry & Urban Greening, 11(3), pp. 223-233. WANG, CH., WANG, Z. H., KALOUSH, K. E., SHACAT, J. (2021). Perceptions of urban heat island mitigation and implementation strategies: survey and gap analysis. Sustainable Cities and Society, 66, 102687. WANG, Y, BERARDI, U., AKBARI, H. (2016). Comparing the effects of urban heat island mitigation strategies for Toronto, Canada. Energy and Buildings 114, pp. 2-19.
geoinformatika a diaľkový prieskum Zeme (GId)
Modelovanie efektov mestského ostrova tepla a opatrení na jeho zmiernenie
Zmierňovanie mestských tepelných ostrovov vyžaduje porozumenie faktorov ovplyvňujúcich interakciu slnečného žiarenia a urbánnych povrchov. Absorbované teplo sa prejavuje cez povrchovú teplotu povrchov a následne je vyžarované do okolia a tak zvyšuje teplotu okolitého vzduchu. V tejto práci sa študent zameria na faktory ovplyvňujúce vznik mestských tepelných ostrovov a pomocou nástrojov v GIS-e GRASS bude modelovať rôzne scenáre vo vysokom priestorovom a časovom rozlíšení. Využije pritom 3-D model mesta, ktorý doplní o ďalšie o vlastnostiach urbánnych povrchov. Výsledky budú porovnané s mikroklimatickými meraniami a dátami diaľkového prieskumu Zeme.
AGHAMOHAMMADI, N., SANTAMOURIS, M. (2023). Urban Overheating: Heat Mitigation and the Impact on Health. Advances in Sustainability Science and Technology. Springer, https://doi.org/10.1007/978-981-19-4707-0_18. AKMAR, A. N., KONIJNENDIJK, C., SREETHERAN, M., NILSSN, K. J. A. (2011). Greenspace planning and management in Klang valley, Peninsular Malaysia. Urban Forestry & Urban Greening, 37(3), pp. 99-107. ALI, S. B., PATNAIK, S. (2018). Thermal comfort in urban open spaces: Objective assessment and subjective perception study in tropical city of Bhopal, India. Urban Climate, 24, pp. 954-967. BECKMANN, S. K., HIETE, M. (2020). Predictors Associated with Health-Related Heat Risk Perception of Urban Citizens in Germany. International Journal of Environmental Research and Public Health, 17(3), 874. CHEN, B., XIE, M., FENG, Q., LI, Z., CHU, L., LIU, Q. (2021). Heat risk of residents in different types of communities from urban heat-exposed areas. Science of The Total Environment, 768, 145052. DERKZEN, M. L., VAN TEEFFELEN, A. J. A., VERBURG, P. H. (2017). Green infrastructure for urban climate adaptation: how do residents’ views on climate impacts and green infrastructure shape adaptation preferences? Landscape and Urban Planning, 157, pp. 106-130. FRANCIS, R. A., LORIMER, J. (2011). Urban reconciliation ecology: The potential of living roofs and walls. Journal of Environmental Management, 92(6), pp. 1429-1437. HAALAND, C., VAN DEN BOSCH, C. K. (2015). Challenges and strategies for urban green-space planning in cities undergoing densification: A review. Urban Forestry & Urban Greening, 14(4), pp. 760-771. HOFIERKA, J. (2022). Assessing land surface temperature in urban areas using open-source geospatial tools. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives 48(4/W1-2022), 195-200. HOFIERKA, J., GALLAY, M., ONAČILLOVÁ, K., HOFIERKA, J. Jr. (2020). Physically-based land surface temperature modeling in urban areas using a 3-D city model and multispectral satellite data. Urban Climate, 31, 100566. HOLEC, J., ŠVEDA, M., SZATMÁRI, D., FERANEC, J., BOBÁĽOVÁ, H., KOPECKÁ, M., ŠŤASTNÝ, P. (2021). Heat risk assessment based on mobile phone data: case study of Bratislava, Slovakia. Natural Hazards, 108(3), pp. 3099-3120. IHA (2022). Institute of Health Analysis at the Ministry of Health of the Slovak Republic. Available at: https://www.health.gov.sk/?iza. KHATIBI, F. S., DEDEKORKUT-HOWES, A., HOWES, M., TORABI, E. (2021). Can public awareness, knowledge and engagement improve climate change adaptation policies? Discover Sustainability, 2(1), pp. 1-24. KULLA, M., NOVOTNÝ, L., PREGI, L., DVOŘÁK, P., MARTINÁT, S., KLUSÁČEK, P., NAVRÁTIL, J., FRANTÁL, B. (2022). The Good, the Bad, and the Nobody. Exploring diversity of perceptions of anaerobic digestion plants in Central and Eastern Europe. Energy Research and Social Sciences, 89, 102644. KOPECKÁ M., SZATMÁRI, D., HOLEC, J., FERANEC, J. (2021). Urban heat island modelling based on MUKLIMO: examples from Slovakia. AGILE: GIScience Series Series, 2(5), pp. 1-11. LEHMANN, S. (2014). Low carbon districts: Mitigating the urban heat island with green roof infrastructure. City, Culture and Society, 5(1), pp. 1-8. LINDBERG, F. (2007). Modelling the urban climate using a local governmental geo-database. Meteorol. Appl. 14, pp. 263–273. LOUGHNAN, M., NICHOLLS, N., TAPPER, N. J. (2012). Mapping heat health risks in urban areas. International Journal of Population Research, 518687. MIRZAEI, P. A. (2015). Recent challenges in modeling of urban heat island. Sustainable Cities and Society, 19, pp. 200-206. MOSER, S. C., PIKE, C. (2015). Community engagement on adaptation: Meeting a growing capacity need. Urban Climate, 14, pp. 111–115. ONAČILLOVÁ, K., GALLAY, M. (2018). Spatio-temporal analysis of surface urban heat island based on LANDSAT ETM+ and OLI/TIRS imagery in the city of Košice, Slovakia. Carpathian Journal of Earth and Environmental Sciences, 13(2), pp. 395–408. PARSAEE, M., JOYBARI, M. M., MIRZAEI, P. A., HAGHIGHAT, F. (2019). Urban heat island, urban climate maps and urban development policies and action plans. Environmental Technology & Innovation, 14, 100341. RAJAGOPALAN, P., SANTAMOURIS, M., ANDAMON, M. M. (2017). Public engagement in urban microclimate research: an overview of a citizen science project. In Schnabel, M. A. (ed). Back to the future: the next 50 years. Wellington (Architectural Science Association), pp. 703-712. SANDHOLZ, S., SETT, D., GRECO, A., WANNEWITZ, M., GARSCHAGEN, M. (2021). Rethinking urban heat stress: Assessing risk and adaptation options across socioeconomic groups in Bonn, Germany. Urban Climate, 37, 100857. SARHADI, F., RAD, V. B. (2020). The structural model for thermal comfort based on perceptions individuals in open urban spaces. Building and Environment, 185, 107260. TAN, P. Y., WANG, J., SIA, A. (2013). Perspectives on five decades of the urban greening of Singapore. Cities, 32, pp. 24-32. TIAN, Y., JIM, C. Y. (2012). Development potential of sky gardens in the compact city of Hong Kong. Urban Forestry & Urban Greening, 11(3), pp. 223-233. WANG, CH., WANG, Z. H., KALOUSH, K. E., SHACAT, J. (2021). Perceptions of urban heat island mitigation and implementation strategies: survey and gap analysis. Sustainable Cities and Society, 66, 102687. WANG, Y, BERARDI, U., AKBARI, H. (2016). Comparing the effects of urban heat island mitigation strategies for Toronto, Canada. Energy and Buildings 114, pp. 2-19.
geoinformatika a diaľkový prieskum Zeme (GId)
Multimierkové hodnotenie priestorových aspektov sociálno-ekonomickej stratifikácie spoločnosti
Cieľom dizertačnej práce je preskúmať vývojové trendy priestorovej sociálno-ekonomickej stratifikácie spoločnosti na rôznych priestorových úrovniach – od globálnej až po vnútromestskú s využitím viacerých zdrojov geopriestorových dát a geoinformatických nástrojov. V práci bude potrebné pre rôzne priestorové mierky identifikovať primerané ukazovatele a zhodnotiť vhodnosť, dostupnosť a spoľahlivosť konkrétnych dát. S cieľom minimalizovať štatistickú odchýlku vyplývajúcu z problému meniteľných plošných jednotiek (tzv. MAUP) sa využijú rôzne siete priestorových jednotiek. Pre prispôsobenie dát požadovaným priestorovým jednotkám sa aplikujú metódy areálovej transformácie dát, pričom v záujme využitia obdobných podkladových vrstiev pri medzinárodných komparáciách vývoja v urbánnom prostredí možno vychádzať napríklad z podkladov európskeho monitorovacieho programu Copernicus, súčasťou ktorého sú aj údajové vrstvy Urban Atlas. Následne sa uskutoční analýza a modelovanie priestorového usporiadania sociálno-ekonomickej stratifikácie obyvateľstva s dôraznom na chronologický aspekt a identifikáciu faktorov vedúcich k tejto stratifikácii. Využijú sa pritom pokročilé štatistické metódy i nástroje geografických informačných systémov. Súčasťou práce bude identifikácia pravidelností priestorového usporiadania v rôznych mierkach a s dôrazom na ich zhodnotenie v kauzálnych súvislostiach.
Preskúmať vývojové trendy priestorovej sociálno-ekonomickej stratifikácie spoločnosti na rôznych priestorových úrovniach – od globálnej až po vnútromestskú s využitím viacerých zdrojov geopriestorových dát a geoinformatických nástrojov.
Brzezinski, M. 2018: Income inequality and the Great Recession in Central and Eastern Europe. Economic Systems, 42(2), 219-247. Majzlíková, E., Vitáloš, M. 2021: Department of Economic Policy Working Paper Series, No. 24: Potential risk of automation for employment in Slovakia: A district- and industry-level analysis. Bratislava (University of Economics in Bratislava). Van Ham, M., Tammaru, T., Ubarevičiené, R., Janssen, H. eds. 2021: Urban Socio-Economic Segregation and Income Inequality - A Global Perspective. Cham (Springer). Xu, W., Engelman, M., Fletcher, J. 2021: From convergence to divergence: Lifespan variation in US states, 1959–2017. SSM: Population Health, 16, 100987.
geoinformatika a diaľkový prieskum Zeme (GId)
Multimierkový prístup k simulácii povrchového tečenia vody v urbanizovanej krajine pomocou metódy Monte Carlo a GRASS GIS
Prebiehajúca klimaticka zmena môže pre mestá s veľkou populáciou priniesť extrémne meteorologické situácie. Tie môžu zahŕňať silné dažde a záplavy, ktoré sú nebezpečné pre ľudské životy, majetok a aktivity. Táto práca sa zameriava na riziko bleskových povodní v urbanizovaných územiach. Pomocou simulačnej metódy Monte Carlo implementovanej v GIS-e GRASS ako príkaz r.sim.water bude doktorand simulovať priestorovú distribúciu povrchového tečenia vody v rôznych urbanizovaných územiach, a to na rôznych mierkových úrovniach. To umožní identifikovať hierarchiu faktorov prispievajúcich k vzniku záplav. Simulácia bude zahŕňať aj analýzu vplyvu dynamiky zrážok, ako aj ďalších vstupných dát na výsledok modelovania. Práca zahŕňa zber vstupných dát, ich spracovanie, simulácie v GRASS GIS, kalibráciu, analýzu výstupov, zhodnotenie možnosti validácie a vizualizáciu.
BILJECKI, F., STOTER, J., LEDOUX, H., ZLATANOVA, S., ÇÖLTEKIN A., 2015. Applications of 3-D city models: State of the art review. ISPRS International Journal of Geo-Information, 4, 2842–2889. HAAN, C.T., BARFIELD, B.J., HAYES. J.C., 1994. Design Hydrology and Sedimentology for Small Catchments. Academic Press. HOFIERKA, J., M. KNUTOVÁ, 2015. Simulating spatial aspects of a flash flood using the Monte Carlo method and GRASS GIS: a case study of the Malá Svinka Basin (Slovakia). Open Geosciences, 7, 118-125. HOFIERKA, J., LACKO, M., ZUBAL, S., 2017. Parallelization of interpolation, solar radiation and water flow simulation modules in GRASS GIS using OpenMP. Computers & Geosciences, 107, 20-27. HUNTER, N. M., BATES, P. D., NEELZ, S., PENDER, G., VILLANUEVA, I., WRIGHT, N. G., LIANG, D., FALCONER, R. A., LIN, B.,WALLER, S., CROSSLEY, A. J., MASON,D.C., 2008. Benchmarking 2Dhydraulic models for urban flooding. Proceedings of the Institution of Civil Engineers: Water Management 161 (1), 13–30. CHEN, W., HUANG, G., ZHANG, H., 2017. Urban stormwater inundation simulation based on SWMM and diffusive overland-flow model. Water Science and Technology 76 (12), 3392–3403. KULKARNI, A. T., MOHANTY, J., ELDHO, T. I., RAO, E. P., MOHAN, B. K., 2014. A web GIS-based integrated flood assessment modeling tool for coastal urban watersheds. Computers and Geosciences 64, 7–14. LI, H., GAO, H., ZHOU, Y., XU, C.-Y, ORTEGA, R.Z., SAELTHUN, N. R., 2020. Usage of SIMWE model to model urban overland flood: a case study in Oslo. Hydrology Research, 51, 366-380. MAIDMENT, D.R., 1993. Handbook of Hydrology, McGraw-Hill, New York. MAKSIMOVIC C., et al., 2009. Overal flow and pathway analysis for modelling of urban pluvial flooding. Journal of Hydraulic Research, 512-523. MENG, X., ZHANG, M., WEN, J., DU, S., XU, H., WANG, L., YANG, Y., 2019. A simple GIS-based model for urban rainstorm inundation simulation. Sustainability 11 (10), 1–19. MITAS, L., MITASOVA, H., 1998. Distributed soil erosion simulation for effective erosion prevention. Water Resources Research 34 (3), 505–516. MITASOVA, H., HARMON, R.S., WEAVER, K.J., LYONS, N.J., OVERTON, M.F., 2012. Scientific visualization of landscapes and landforms, Geomorphology, 137 (1), 122-137. NETELER, M., MITASOVA, H., 2008. Open Source GIS: A GRASS GIS Approach. Third Edition. The International Series in Engineering and Computer Science, Volume 773, Springer, New York. PETRASOVA, A., HARMON, B., PETRAS, V., TABRIZIAN, P., MITASOVA, H., 2018. Tangible modeling with Open Source GIS. Cham, Springer. YIN, J., YU, D., YIN, Z.,WANG, J., XU, S. 2015. Modeling the anthropogenic impacts on fluvial flood risks in a coastal megacity: a scenario-based case study in Shanghai, China. Landscape and Urban Planning 136, 144–155.
geoinformatika a diaľkový prieskum Zeme (GIdAj)
Multimierkový prístup k simulácii povrchového tečenia vody v urbanizovanej krajine pomocou metódy Monte Carlo a GRASS GIS
Prebiehajúca klimaticka zmena môže pre mestá s veľkou populáciou priniesť extrémne meteorologické situácie. Tie môžu zahŕňať silné dažde a záplavy, ktoré sú nebezpečné pre ľudské životy, majetok a aktivity. Táto práca sa zameriava na riziko bleskových povodní v urbanizovaných územiach. Pomocou simulačnej metódy Monte Carlo implementovanej v GIS-e GRASS ako príkaz r.sim.water bude doktorand simulovať priestorovú distribúciu povrchového tečenia vody v rôznych urbanizovaných územiach, a to na rôznych mierkových úrovniach. To umožní identifikovať hierarchiu faktorov prispievajúcich k vzniku záplav. Simulácia bude zahŕňať aj analýzu vplyvu dynamiky zrážok, ako aj ďalších vstupných dát na výsledok modelovania. Práca zahŕňa zber vstupných dát, ich spracovanie, simulácie v GRASS GIS, kalibráciu, analýzu výstupov, zhodnotenie možnosti validácie a vizualizáciu.
BILJECKI, F., STOTER, J., LEDOUX, H., ZLATANOVA, S., ÇÖLTEKIN A., 2015. Applications of 3-D city models: State of the art review. ISPRS International Journal of Geo-Information, 4, 2842–2889. HAAN, C.T., BARFIELD, B.J., HAYES. J.C., 1994. Design Hydrology and Sedimentology for Small Catchments. Academic Press. HOFIERKA, J., M. KNUTOVÁ, 2015. Simulating spatial aspects of a flash flood using the Monte Carlo method and GRASS GIS: a case study of the Malá Svinka Basin (Slovakia). Open Geosciences, 7, 118-125. HOFIERKA, J., LACKO, M., ZUBAL, S., 2017. Parallelization of interpolation, solar radiation and water flow simulation modules in GRASS GIS using OpenMP. Computers & Geosciences, 107, 20-27. HUNTER, N. M., BATES, P. D., NEELZ, S., PENDER, G., VILLANUEVA, I., WRIGHT, N. G., LIANG, D., FALCONER, R. A., LIN, B.,WALLER, S., CROSSLEY, A. J., MASON,D.C., 2008. Benchmarking 2Dhydraulic models for urban flooding. Proceedings of the Institution of Civil Engineers: Water Management 161 (1), 13–30. CHEN, W., HUANG, G., ZHANG, H., 2017. Urban stormwater inundation simulation based on SWMM and diffusive overland-flow model. Water Science and Technology 76 (12), 3392–3403. KULKARNI, A. T., MOHANTY, J., ELDHO, T. I., RAO, E. P., MOHAN, B. K., 2014. A web GIS-based integrated flood assessment modeling tool for coastal urban watersheds. Computers and Geosciences 64, 7–14. LI, H., GAO, H., ZHOU, Y., XU, C.-Y, ORTEGA, R.Z., SAELTHUN, N. R., 2020. Usage of SIMWE model to model urban overland flood: a case study in Oslo. Hydrology Research, 51, 366-380. MAIDMENT, D.R., 1993. Handbook of Hydrology, McGraw-Hill, New York. MAKSIMOVIC C., et al., 2009. Overal flow and pathway analysis for modelling of urban pluvial flooding. Journal of Hydraulic Research, 512-523. MENG, X., ZHANG, M., WEN, J., DU, S., XU, H., WANG, L., YANG, Y., 2019. A simple GIS-based model for urban rainstorm inundation simulation. Sustainability 11 (10), 1–19. MITAS, L., MITASOVA, H., 1998. Distributed soil erosion simulation for effective erosion prevention. Water Resources Research 34 (3), 505–516. MITASOVA, H., HARMON, R.S., WEAVER, K.J., LYONS, N.J., OVERTON, M.F., 2012. Scientific visualization of landscapes and landforms, Geomorphology, 137 (1), 122-137. NETELER, M., MITASOVA, H., 2008. Open Source GIS: A GRASS GIS Approach. Third Edition. The International Series in Engineering and Computer Science, Volume 773, Springer, New York. PETRASOVA, A., HARMON, B., PETRAS, V., TABRIZIAN, P., MITASOVA, H., 2018. Tangible modeling with Open Source GIS. Cham, Springer. YIN, J., YU, D., YIN, Z.,WANG, J., XU, S. 2015. Modeling the anthropogenic impacts on fluvial flood risks in a coastal megacity: a scenario-based case study in Shanghai, China. Landscape and Urban Planning 136, 144–155.
geoinformatika a diaľkový prieskum Zeme (GIdAj)
Multimierkové hodnotenie priestorových aspektov sociálno-ekonomickej stratifikácie spoločnosti
Cieľom dizertačnej práce je preskúmať vývojové trendy priestorovej sociálno-ekonomickej stratifikácie spoločnosti na rôznych priestorových úrovniach – od globálnej až po vnútromestskú s využitím viacerých zdrojov geopriestorových dát a geoinformatických nástrojov. V práci bude potrebné pre rôzne priestorové mierky identifikovať primerané ukazovatele a zhodnotiť vhodnosť, dostupnosť a spoľahlivosť konkrétnych dát. S cieľom minimalizovať štatistickú odchýlku vyplývajúcu z problému meniteľných plošných jednotiek (tzv. MAUP) sa využijú rôzne siete priestorových jednotiek. Pre prispôsobenie dát požadovaným priestorovým jednotkám sa aplikujú metódy areálovej transformácie dát, pričom v záujme využitia obdobných podkladových vrstiev pri medzinárodných komparáciách vývoja v urbánnom prostredí možno vychádzať napríklad z podkladov európskeho monitorovacieho programu Copernicus, súčasťou ktorého sú aj údajové vrstvy Urban Atlas. Následne sa uskutoční analýza a modelovanie priestorového usporiadania sociálno-ekonomickej stratifikácie obyvateľstva s dôraznom na chronologický aspekt a identifikáciu faktorov vedúcich k tejto stratifikácii. Využijú sa pritom pokročilé štatistické metódy i nástroje geografických informačných systémov. Súčasťou práce bude identifikácia pravidelností priestorového usporiadania v rôznych mierkach a s dôrazom na ich zhodnotenie v kauzálnych súvislostiach.
Preskúmať vývojové trendy priestorovej sociálno-ekonomickej stratifikácie spoločnosti na rôznych priestorových úrovniach – od globálnej až po vnútromestskú s využitím viacerých zdrojov geopriestorových dát a geoinformatických nástrojov.
Brzezinski, M. 2018: Income inequality and the Great Recession in Central and Eastern Europe. Economic Systems, 42(2), 219-247. Majzlíková, E., Vitáloš, M. 2021: Department of Economic Policy Working Paper Series, No. 24: Potential risk of automation for employment in Slovakia: A district- and industry-level analysis. Bratislava (University of Economics in Bratislava). Van Ham, M., Tammaru, T., Ubarevičiené, R., Janssen, H. eds. 2021: Urban Socio-Economic Segregation and Income Inequality - A Global Perspective. Cham (Springer). Xu, W., Engelman, M., Fletcher, J. 2021: From convergence to divergence: Lifespan variation in US states, 1959–2017. SSM: Population Health, 16, 100987.
geoinformatika a diaľkový prieskum Zeme (GId)
Prehrievanie mesta: dôsledky, zmierňovanie a percepcia
Pomocou vhodných mezo- a mikro-mierkových meteorologických modelov (napr. WRF, ENVI-met, a pod.), modelov distribúcie slnečného žiarenia a povrchovej teploty ako aj dát z diaľkového prieskumu Zeme sa bude modelovať prehrievanie mesta pre vybrané meteorologické situácie a identifikovať lokality v meste Košice, ktoré sú najviac postihnuté prehrievaním. V identifikovaných lokalitách je potrebné zhodnotiť veľkosť a štruktúru obyvateľstva z hľadiska ohrozenosti prehrievaním (outdoor, indoor), a tak určiť najrizikovejšie lokality v meste. Pre tieto problémové lokality a meteorologické situácie navrhnúť možné zmierňovacie opatrenia na zníženie teploty urbánnych povrchov a vzduchu aj s ohľadom na viaceré regulačné predpisy v zastavanom území. Opatrenia navrhovať až na úroveň jednotlivých budov či ulíc. Opatrenia vo forme modifikácie vstupných geopriestorových dát budú použité pre opätovný prepočet modelov, aby bolo možné kvantifikovať ich účinnosť. Navrhované opatrenia budú komunikované so zainteresovanými stranami vrátane obyvateľov, aby bola zistená percepcia a podpora týchto opatrení. Prieskum bude realizovaný pomocou online percepčných máp a štruktúrovaného dotazníkového prieskumu. Výsledky prispejú k tvorbe metodiky na riešenie problému prehrievania miest a definovanie optimálnej implementačnej stratégie vrátane komunikačnej stratégie pre všetky zainteresované strany.
AGHAMOHAMMADI, N., SANTAMOURIS, M. (2023). Urban Overheating: Heat Mitigation and the Impact on Health. Advances in Sustainability Science and Technology. Springer, https://doi.org/10.1007/978-981-19-4707-0_18. AKMAR, A. N., KONIJNENDIJK, C., SREETHERAN, M., NILSSN, K. J. A. (2011). Greenspace planning and management in Klang valley, Peninsular Malaysia. Urban Forestry & Urban Greening, 37(3), pp. 99-107. ALI, S. B., PATNAIK, S. (2018). Thermal comfort in urban open spaces: Objective assessment and subjective perception study in tropical city of Bhopal, India. Urban Climate, 24, pp. 954-967. BECKMANN, S. K., HIETE, M. (2020). Predictors Associated with Health-Related Heat Risk Perception of Urban Citizens in Germany. International Journal of Environmental Research and Public Health, 17(3), 874. CHEN, B., XIE, M., FENG, Q., LI, Z., CHU, L., LIU, Q. (2021). Heat risk of residents in different types of communities from urban heat-exposed areas. Science of The Total Environment, 768, 145052. DERKZEN, M. L., VAN TEEFFELEN, A. J. A., VERBURG, P. H. (2017). Green infrastructure for urban climate adaptation: how do residents’ views on climate impacts and green infrastructure shape adaptation preferences? Landscape and Urban Planning, 157, pp. 106-130. FRANCIS, R. A., LORIMER, J. (2011). Urban reconciliation ecology: The potential of living roofs and walls. Journal of Environmental Management, 92(6), pp. 1429-1437. HAALAND, C., VAN DEN BOSCH, C. K. (2015). Challenges and strategies for urban green-space planning in cities undergoing densification: A review. Urban Forestry & Urban Greening, 14(4), pp. 760-771. HOFIERKA, J. (2022). Assessing land surface temperature in urban areas using open-source geospatial tools. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives 48(4/W1-2022), 195-200. HOFIERKA, J., GALLAY, M., ONAČILLOVÁ, K., HOFIERKA, J. Jr. (2020). Physically-based land surface temperature modeling in urban areas using a 3-D city model and multispectral satellite data. Urban Climate, 31, 100566. HOLEC, J., ŠVEDA, M., SZATMÁRI, D., FERANEC, J., BOBÁĽOVÁ, H., KOPECKÁ, M., ŠŤASTNÝ, P. (2021). Heat risk assessment based on mobile phone data: case study of Bratislava, Slovakia. Natural Hazards, 108(3), pp. 3099-3120. IHA (2022). Institute of Health Analysis at the Ministry of Health of the Slovak Republic. Available at: https://www.health.gov.sk/?iza. KHATIBI, F. S., DEDEKORKUT-HOWES, A., HOWES, M., TORABI, E. (2021). Can public awareness, knowledge and engagement improve climate change adaptation policies? Discover Sustainability, 2(1), pp. 1-24. KULLA, M., NOVOTNÝ, L., PREGI, L., DVOŘÁK, P., MARTINÁT, S., KLUSÁČEK, P., NAVRÁTIL, J., FRANTÁL, B. (2022). The Good, the Bad, and the Nobody. Exploring diversity of perceptions of anaerobic digestion plants in Central and Eastern Europe. Energy Research and Social Sciences, 89, 102644. KOPECKÁ M., SZATMÁRI, D., HOLEC, J., FERANEC, J. (2021). Urban heat island modelling based on MUKLIMO: examples from Slovakia. AGILE: GIScience Series Series, 2(5), pp. 1-11. LEHMANN, S. (2014). Low carbon districts: Mitigating the urban heat island with green roof infrastructure. City, Culture and Society, 5(1), pp. 1-8. LINDBERG, F. (2007). Modelling the urban climate using a local governmental geo-database. Meteorol. Appl. 14, pp. 263–273. LOUGHNAN, M., NICHOLLS, N., TAPPER, N. J. (2012). Mapping heat health risks in urban areas. International Journal of Population Research, 518687. MIRZAEI, P. A. (2015). Recent challenges in modeling of urban heat island. Sustainable Cities and Society, 19, pp. 200-206. MOSER, S. C., PIKE, C. (2015). Community engagement on adaptation: Meeting a growing capacity need. Urban Climate, 14, pp. 111–115. ONAČILLOVÁ, K., GALLAY, M. (2018). Spatio-temporal analysis of surface urban heat island based on LANDSAT ETM+ and OLI/TIRS imagery in the city of Košice, Slovakia. Carpathian Journal of Earth and Environmental Sciences, 13(2), pp. 395–408. PARSAEE, M., JOYBARI, M. M., MIRZAEI, P. A., HAGHIGHAT, F. (2019). Urban heat island, urban climate maps and urban development policies and action plans. Environmental Technology & Innovation, 14, 100341. RAJAGOPALAN, P., SANTAMOURIS, M., ANDAMON, M. M. (2017). Public engagement in urban microclimate research: an overview of a citizen science project. In Schnabel, M. A. (ed). Back to the future: the next 50 years. Wellington (Architectural Science Association), pp. 703-712. SANDHOLZ, S., SETT, D., GRECO, A., WANNEWITZ, M., GARSCHAGEN, M. (2021). Rethinking urban heat stress: Assessing risk and adaptation options across socioeconomic groups in Bonn, Germany. Urban Climate, 37, 100857. SARHADI, F., RAD, V. B. (2020). The structural model for thermal comfort based on perceptions individuals in open urban spaces. Building and Environment, 185, 107260. TAN, P. Y., WANG, J., SIA, A. (2013). Perspectives on five decades of the urban greening of Singapore. Cities, 32, pp. 24-32. TIAN, Y., JIM, C. Y. (2012). Development potential of sky gardens in the compact city of Hong Kong. Urban Forestry & Urban Greening, 11(3), pp. 223-233. WANG, CH., WANG, Z. H., KALOUSH, K. E., SHACAT, J. (2021). Perceptions of urban heat island mitigation and implementation strategies: survey and gap analysis. Sustainable Cities and Society, 66, 102687. WANG, Y, BERARDI, U., AKBARI, H. (2016). Comparing the effects of urban heat island mitigation strategies for Toronto, Canada. Energy and Buildings 114, pp. 2-19.
geoinformatika a diaľkový prieskum Zeme (GIdAj)
Prehrievanie mesta: dôsledky, zmierňovanie a percepcia
Pomocou vhodných mezo- a mikro-mierkových meteorologických modelov (napr. WRF, ENVI-met, a pod.), modelov distribúcie slnečného žiarenia a povrchovej teploty ako aj dát z diaľkového prieskumu Zeme sa bude modelovať prehrievanie mesta pre vybrané meteorologické situácie a identifikovať lokality v meste Košice, ktoré sú najviac postihnuté prehrievaním. V identifikovaných lokalitách je potrebné zhodnotiť veľkosť a štruktúru obyvateľstva z hľadiska ohrozenosti prehrievaním (outdoor, indoor), a tak určiť najrizikovejšie lokality v meste. Pre tieto problémové lokality a meteorologické situácie navrhnúť možné zmierňovacie opatrenia na zníženie teploty urbánnych povrchov a vzduchu aj s ohľadom na viaceré regulačné predpisy v zastavanom území. Opatrenia navrhovať až na úroveň jednotlivých budov či ulíc. Opatrenia vo forme modifikácie vstupných geopriestorových dát budú použité pre opätovný prepočet modelov, aby bolo možné kvantifikovať ich účinnosť. Navrhované opatrenia budú komunikované so zainteresovanými stranami vrátane obyvateľov, aby bola zistená percepcia a podpora týchto opatrení. Prieskum bude realizovaný pomocou online percepčných máp a štruktúrovaného dotazníkového prieskumu. Výsledky prispejú k tvorbe metodiky na riešenie problému prehrievania miest a definovanie optimálnej implementačnej stratégie vrátane komunikačnej stratégie pre všetky zainteresované strany.
AGHAMOHAMMADI, N., SANTAMOURIS, M. (2023). Urban Overheating: Heat Mitigation and the Impact on Health. Advances in Sustainability Science and Technology. Springer, https://doi.org/10.1007/978-981-19-4707-0_18. AKMAR, A. N., KONIJNENDIJK, C., SREETHERAN, M., NILSSN, K. J. A. (2011). Greenspace planning and management in Klang valley, Peninsular Malaysia. Urban Forestry & Urban Greening, 37(3), pp. 99-107. ALI, S. B., PATNAIK, S. (2018). Thermal comfort in urban open spaces: Objective assessment and subjective perception study in tropical city of Bhopal, India. Urban Climate, 24, pp. 954-967. BECKMANN, S. K., HIETE, M. (2020). Predictors Associated with Health-Related Heat Risk Perception of Urban Citizens in Germany. International Journal of Environmental Research and Public Health, 17(3), 874. CHEN, B., XIE, M., FENG, Q., LI, Z., CHU, L., LIU, Q. (2021). Heat risk of residents in different types of communities from urban heat-exposed areas. Science of The Total Environment, 768, 145052. DERKZEN, M. L., VAN TEEFFELEN, A. J. A., VERBURG, P. H. (2017). Green infrastructure for urban climate adaptation: how do residents’ views on climate impacts and green infrastructure shape adaptation preferences? Landscape and Urban Planning, 157, pp. 106-130. FRANCIS, R. A., LORIMER, J. (2011). Urban reconciliation ecology: The potential of living roofs and walls. Journal of Environmental Management, 92(6), pp. 1429-1437. HAALAND, C., VAN DEN BOSCH, C. K. (2015). Challenges and strategies for urban green-space planning in cities undergoing densification: A review. Urban Forestry & Urban Greening, 14(4), pp. 760-771. HOFIERKA, J. (2022). Assessing land surface temperature in urban areas using open-source geospatial tools. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives 48(4/W1-2022), 195-200. HOFIERKA, J., GALLAY, M., ONAČILLOVÁ, K., HOFIERKA, J. Jr. (2020). Physically-based land surface temperature modeling in urban areas using a 3-D city model and multispectral satellite data. Urban Climate, 31, 100566. HOLEC, J., ŠVEDA, M., SZATMÁRI, D., FERANEC, J., BOBÁĽOVÁ, H., KOPECKÁ, M., ŠŤASTNÝ, P. (2021). Heat risk assessment based on mobile phone data: case study of Bratislava, Slovakia. Natural Hazards, 108(3), pp. 3099-3120. IHA (2022). Institute of Health Analysis at the Ministry of Health of the Slovak Republic. Available at: https://www.health.gov.sk/?iza. KHATIBI, F. S., DEDEKORKUT-HOWES, A., HOWES, M., TORABI, E. (2021). Can public awareness, knowledge and engagement improve climate change adaptation policies? Discover Sustainability, 2(1), pp. 1-24. KULLA, M., NOVOTNÝ, L., PREGI, L., DVOŘÁK, P., MARTINÁT, S., KLUSÁČEK, P., NAVRÁTIL, J., FRANTÁL, B. (2022). The Good, the Bad, and the Nobody. Exploring diversity of perceptions of anaerobic digestion plants in Central and Eastern Europe. Energy Research and Social Sciences, 89, 102644. KOPECKÁ M., SZATMÁRI, D., HOLEC, J., FERANEC, J. (2021). Urban heat island modelling based on MUKLIMO: examples from Slovakia. AGILE: GIScience Series Series, 2(5), pp. 1-11. LEHMANN, S. (2014). Low carbon districts: Mitigating the urban heat island with green roof infrastructure. City, Culture and Society, 5(1), pp. 1-8. LINDBERG, F. (2007). Modelling the urban climate using a local governmental geo-database. Meteorol. Appl. 14, pp. 263–273. LOUGHNAN, M., NICHOLLS, N., TAPPER, N. J. (2012). Mapping heat health risks in urban areas. International Journal of Population Research, 518687. MIRZAEI, P. A. (2015). Recent challenges in modeling of urban heat island. Sustainable Cities and Society, 19, pp. 200-206. MOSER, S. C., PIKE, C. (2015). Community engagement on adaptation: Meeting a growing capacity need. Urban Climate, 14, pp. 111–115. ONAČILLOVÁ, K., GALLAY, M. (2018). Spatio-temporal analysis of surface urban heat island based on LANDSAT ETM+ and OLI/TIRS imagery in the city of Košice, Slovakia. Carpathian Journal of Earth and Environmental Sciences, 13(2), pp. 395–408. PARSAEE, M., JOYBARI, M. M., MIRZAEI, P. A., HAGHIGHAT, F. (2019). Urban heat island, urban climate maps and urban development policies and action plans. Environmental Technology & Innovation, 14, 100341. RAJAGOPALAN, P., SANTAMOURIS, M., ANDAMON, M. M. (2017). Public engagement in urban microclimate research: an overview of a citizen science project. In Schnabel, M. A. (ed). Back to the future: the next 50 years. Wellington (Architectural Science Association), pp. 703-712. SANDHOLZ, S., SETT, D., GRECO, A., WANNEWITZ, M., GARSCHAGEN, M. (2021). Rethinking urban heat stress: Assessing risk and adaptation options across socioeconomic groups in Bonn, Germany. Urban Climate, 37, 100857. SARHADI, F., RAD, V. B. (2020). The structural model for thermal comfort based on perceptions individuals in open urban spaces. Building and Environment, 185, 107260. TAN, P. Y., WANG, J., SIA, A. (2013). Perspectives on five decades of the urban greening of Singapore. Cities, 32, pp. 24-32. TIAN, Y., JIM, C. Y. (2012). Development potential of sky gardens in the compact city of Hong Kong. Urban Forestry & Urban Greening, 11(3), pp. 223-233. WANG, CH., WANG, Z. H., KALOUSH, K. E., SHACAT, J. (2021). Perceptions of urban heat island mitigation and implementation strategies: survey and gap analysis. Sustainable Cities and Society, 66, 102687. WANG, Y, BERARDI, U., AKBARI, H. (2016). Comparing the effects of urban heat island mitigation strategies for Toronto, Canada. Energy and Buildings 114, pp. 2-19.
()
Zlepšenie klasifikácie vegetácie kombináciou dát z UAV laserového a hyperspektrálneho skenovania
Cieľom dizertačnej práce je návrh nových postupov pri klasifikácii vegetácie do jednotlivých tried prepojením polohovej, rádiometrickej, geometrickej a časovej informácie z dát z bezpilotných lietadiel (UAV) získaných laserovým skenovaním a hyperspektrálnym snímaním. Súčasné metódy diaľkového prieskumu Zeme (DPZ), ktoré využívajú rôzne typy senzorov umiestnených na palubách orbitálnych platforiem, lietadiel alebo UAV, sa stali nenahraditeľnou dátovou základňou pri mapovaní vegetácie, výskume jeho diverzity a zmenách v čase. Integrácia LiDAR senzora a hyperspektrálnej kamery na UAV prináša nové možnosti v tomto výskume. Ide hlavne o technologické predpoklady pre zaznamenávanie vegetácie vo vysokom rozlíšení. LiDAR zachytáva najmä trojrozmerné geometrické parametre krajiny a hyperspektrálne snímanie rozlišuje spektrálnu odrazivosť povrchu rôznych objektov krajiny. Geoinformatickou výzvou je efektívne triedenie obrovského množstvo údajov, ktoré obe metódy generujú samostatne, ale aj efektívne využitie týchto dvoch typov údajov spoločne. Výsledky dizertačnej práce by mali zahŕňať aj implementáciu metód strojového učenia, ktoré sú novým smerom v klasifikácii údajov s veľkým počtom atribútov, vyhodnotenie testovania navrhnutých postupov a optimalizáciu klasifikačných metód pre dáta z UAV senzorov. Ako lokalitu pre výskum sme predbežne určili oblasť Slovenského krasu, ktorá je unikátna z hľadiska výskytu xerotermnej vegetácie. Územie Slovenského krasu je biosférickou rezerváciou UNESCO s významnými xerotermnými spoločenstvami. Výsledky výskumu bude možné využiť v pri detailnom vytýčení hraníc biotopov územia (Slovenského krasu), mapovaní ťažko dostupných území a tým prispeje k detailnej charakteristike druhového zloženia vegetácie.
Cieľom dizertačnej práce je návrh nových postupov pri klasifikácii vegetácie do jednotlivých tried prepojením polohovej, rádiometrickej, geometrickej a časovej informácie z dát z bezpilotných lietadiel (UAV) získaných laserovým skenovaním a hyperspektrálnym snímaním.
Zhong, H., Lin, W., Liu, H., Ma, N., Liu, K., Cao, R., ... & Ren, Z. (2022). Identification of tree species based on the fusion of UAV hyperspectral image and LiDAR data in a coniferous and broad-leaved mixed forest in Northeast China. Frontiers in Plant Science, 13, 964769. Cao, J., Liu, K., Zhuo, L., Liu, L., Zhu, Y., & Peng, L. (2021). Combining UAV-based hyperspectral and LiDAR data for mangrove species classification using the rotation forest algorithm. International Journal of Applied Earth Observation and Geoinformation, 102, 102414. Banerjee, B. P., Raval, S., & Cullen, P. J. (2020). UAV-hyperspectral imaging of spectrally complex environments. International Journal of Remote Sensing, 41(11), 4136-4159. Sankey, T. T., McVay, J., Swetnam, T. L., McClaran, M. P., Heilman, P., & Nichols, M. (2018). UAV hyperspectral and lidar data and their fusion for arid and semi‐arid land vegetation monitoring. Remote Sensing in Ecology and Conservation, 4(1), 20-33. Sankey, T., Donager, J., McVay, J., & Sankey, J. B. (2017). UAV lidar and hyperspectral fusion for forest monitoring in the southwestern USA. Remote Sensing of Environment, 195, 30-43. Kaňuk, J., Gallay, M., Eck, C., Zgraggen, C., & Dvorný, E. (2018). Technical report: unmanned helicopter solution for survey-grade LiDAR and hyperspectral mapping. Pure and Applied Geophysics, 175, 3357-3373.
geoinformatika a diaľkový prieskum Zeme (GId)
Zlepšenie predikcie povrchovej teploty zastavaných území pomocou dát z bezpilotných leteckých systémov
Modelovanie povrchovej teploty urbanizovaného územia vyžaduje znalosť fyzikálnych vlastností rôznych urbánnych povrchov. Bezpilotné letecké systémy sú novou platformou diaľkového prieskumu Zeme, ktorá umožňuje s vysokou mierou priestorovej a časovej detailnosti získavať dáta o krajine pomocou rôznych senzorov. Pri riešení dizertačnej práce budú využité viaceré senzory umiestnené na bezpilotných leteckých systémoch ako sú optické snímače zaznamenávajúce elektromagnetické žiarenie v rôznych spektrálnych pásmach, laserový skener a albedometer. Cieľom je získať podrobné dáta o vybraných fyzikálnych vlastnostiach povrchov urbanizovanej krajiny mesta Košice (napr. farba, albedo, teplota) pomocou senzorov umiestnených na bezpilotných leteckých systémoch a analyzovať vplyv morfológie urbanizovanej krajiny a dynamiku vybraných ukazovateľov v priebehu dňa a roka (napr. albedo vegetácie). Očakávaným výsledkom riešenia dizeratčnej práce bude zlepšenie predpovedania priestorového rozloženia povrchovej teploty a lepšie pochopenie faktorov, ktoré prispievajú k prehrievaniu v zastavanom území. Výsledky výskumu prispejú k identifikácií lokalít, ktoré prispievajú k efektu prehrievania zastavaného územia, a budú podkladom pre prijatie mitigačných opatrení, čo možno považovať za aplikačný výsledok dizertačnej práce.
Cieľom je získať podrobné dáta o vybraných fyzikálnych vlastnostiach povrchov urbanizovanej krajiny mesta Košice (napr. farba, albedo, teplota) pomocou senzorov umiestnených na bezpilotných leteckých systémoch a analyzovať vplyv morfológie urbanizovanej krajiny a dynamiku vybraných ukazovateľov v priebehu dňa a roka (napr. albedo vegetácie).
BREMER, M.; MAYR, A.; WICHMANN, V.; SCHMIDTNER, K.; RUTZINGER, M., 2016. A new multi-scale 3D-GIS-approach for the assessment and dissemination of solar income of digital city models. Computers, Environment and Urban Systems. Volume 57, Pages 144 - 154. ISSN 01989715. doi:10.1016/j.compenvurbsys.2016.02.007. HOFIERKA, J. (2022). Assessing land surface temperature in urban areas using open-source geospatial tools. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives 48(4/W1-2022), 195-200. HOFIERKA, J., GALLAY, M., ONAČILLOVÁ, K., HOFIERKA, J. Jr. (2020). Physically-based land surface temperature modeling in urban areas using a 3-D city model and multispectral satellite data. Urban Climate, 31, 100566. LIANG, J.; GONG, J.; ZHOU, J.; IBRAHIM, A. N.; LI, M., 2015. An open-source 3D solar radiation model integrated with a 3D Geographic Information System. Environmental Modelling & Software, Volume 64, Pages 94-101, ISSN 1364-8152, doi:10.1016/j.envsoft.2014.11.019. KAI MAINZER, SVEN KILLINGER, RUSSELL MCKENNA, WOLF FICHTNER. 2017. Assessment of rooftop photovoltaic potentials at the urban level using publicly available geodata and image recognition techniques. Solar Energy, Volume 155, pp. 561-57, doi:10.1016/j.solener.2017.06.065 OLPENDA, A. S., STEREŃCZAK, K., & BȨDKOWSKI, K. (2018). Modeling solar radiation in the forest using remote sensing data: A review of approaches and opportunities. Remote Sensing, 10(5) doi:10.3390/rs10050694