Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Detecting change points in remote sensing time series
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematical Statistics.
2017 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Att hitta brytpunkter i optisk fjärranalysdata (Swedish)
Abstract [en]

We analyse methods for detecting change points in optical remote sensing lake drainage time series. Change points are points in a data set where the statistical properties of the data change. The data that we look at represent drained lakes in the Arctic hemisphere. It is generally noisy, with observations missing due to difficult weather conditions. We evaluate a partitioning algorithm, with five different approaches to model the data, based on least-squares regression and an assumption of normally distributed measurement errors. We also evaluate two computer programs called DBEST and TIMESAT and a MATLAB function called findchangepts(). We find that TIMESAT, DBEST and the MATLAB function are not relevant for our purposes. We also find that the partitioning algorithm that models the data as normally distributed around a piecewise constant function, is best suited for finding change points in our data.

Abstract [sv]

Vi analyserar metoder för att hitta brytpunkter i optisk fjärranalysdata som beskriver uttorkning av sjöar. Brytpunkter är punkter i en tidsserie vid vilka de statistiska egenskaperna förändras. Datan som vi använder representerar uttorkande sjöar i norra hemisfären. Den är generellt väldigt fluktuerande och många observationer kan saknas på grund av väderförhållandena i dessa områden. Vi undersöker en partitionsalgoritm, med fem olika sätt att modellera datan, baserade på minstakvadratmetoden och på antagande om att mätfelen är normalfördelade. Vi utvärderar också två program som heter DBEST och TIMESAT och en funktion i MATLAB som heter findchangepts(). Vi kommer fram till att TIMESAT, DBEST och MATLAB-funktionen inte är lämpliga för att analysera vår data. Vår slutsats är också att partitionsalgoritmen som modellerar datan som normalfördelad runt en styckvis konstant funktion bäst lämpar sig för att hitta brytpunkter i vår data.

Place, publisher, year, edition, pages
2017.
Series
TRITA-MAT-E ; 2017:51
National Category
Probability Theory and Statistics
Identifiers
URN: urn:nbn:se:kth:diva-212995OAI: oai:DiVA.org:kth-212995DiVA, id: diva2:1137877
External cooperation
Alfred Wegener Institute, Potsdam, Tyskland
Subject / course
Mathematical Statistics
Educational program
Master of Science - Applied and Computational Mathematics
Supervisors
Examiners
Available from: 2017-09-01 Created: 2017-09-01 Last updated: 2017-09-01Bibliographically approved

Open Access in DiVA

fulltext(4975 kB)96 downloads
File information
File name FULLTEXT01.pdfFile size 4975 kBChecksum SHA-512
2baec85828a97a8358fae0cccb31bf43022c9e9fa5acfc698d3dad7462553dab4a0441467e4e09fa71fffc3db3f5ee454396668106696d708621ad17d4873bce
Type fulltextMimetype application/pdf

By organisation
Mathematical Statistics
Probability Theory and Statistics

Search outside of DiVA

GoogleGoogle Scholar
Total: 96 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 564 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf