<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=187649"><dc:title>Prostorsko-časovno modeliranje poplavljanja Cerkniškega polja z uporabo daljinskega zaznavanja</dc:title><dc:creator>Flogie,	Neja	(Avtor)
	</dc:creator><dc:creator>Oštir,	Krištof	(Mentor)
	</dc:creator><dc:creator>Potočnik Buhvald,	Ana	(Komentor)
	</dc:creator><dc:creator>Rak,	Gašper	(Komentor)
	</dc:creator><dc:subject>magistrska dela</dc:subject><dc:subject>gradbeništvo</dc:subject><dc:subject>Cerkniško jezero</dc:subject><dc:subject>kraški hidrološki sistem</dc:subject><dc:subject>daljinsko zaznavanje</dc:subject><dc:subject>prostorsko-časovno modeliranje poplav</dc:subject><dc:subject>strojno učenje</dc:subject><dc:description>V magistrski nalogi smo modelirali prostorsko-časovno dinamiko poplavljanja Cerkniškega jezera, ki predstavlja izrazito dinamičen kraški hidrološki sistem. Analiza je zajemala modeliranje preteklega stanja sistema in razvoj modela strojnega učenja za kratkoročno napovedovanje prihodnje prostorske razporeditve poplav. Najprej smo za obdobje 2023–2025 iz brezoblačnih optičnih satelitskih posnetkov PlanetScope izdelali časovno vrsto 127 vodnih mask. Med posnetki posameznih nanosatelitov je prihajalo do radiometričnih neskladij, zato smo za klasifikacijo vodnih površin namesto uporabe pragovne metode na podlagi izbranega spektralnega indeksa razvili model Random Forest, ki je pri petkratni navzkrižni validaciji dosegel F1 = 0,948, IoU = 0,901 in AUC = 0,996. Zaradi omejitev optičnih posnetkov pri zaznavanju vode pod gosto vegetacijo smo klasifikacijo nadgradili z integracijo topografskih podatkov in višine vodostaja, pri čemer smo za območje jezera, kjer zanesljiv model reliefa ni bil na voljo, na podlagi posnetega digitalnega modela površja (DMP) izdelali lasten digitalni model reliefa (DMR). Na podlagi satelitskih, topografskih, hidroloških, meteoroloških in vegetacijskih podatkov smo nato razvili prostorskočasovni model LightGBM za napoved poplavljenosti tri dni vnaprej. Model, učen na podatkih 2023–2024 in neodvisno ovrednoten na podatkih leta 2025, je dosegel AUC = 0,985, F1 = 0,912 in IoU = 0,838, presegel model vztrajnosti pri 33 od 45 testnih datumov, povprečno absolutno napako napovedane površine pa zmanjšal z 2,41 na 0,99 km2 . Analiza SHAP (angl. SHapley Additive exPlanations) je pokazala, da na napoved najmočneje vplivata topografija in preteklo stanje sistema. Izdelali smo tudi interaktivno spletno aplikacijo, ki uporabniku omogoča sprotno izdelavo tridnevne prostorske napovedi poplavljenosti Cerkniškega jezera na podlagi aktualnih podatkov.</dc:description><dc:publisher>[N. Flogie]</dc:publisher><dc:date>2026</dc:date><dc:date>2026-09-12 08:46:06</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>187649</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
