Magyar
Toggle navigation
Tudóstér
Magyar
Tudóstér
Keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Böngészés
Saját polc tartalma
(
0
)
Korábbi keresések
Összesen 1 találat.
#/oldal:
12
36
60
120
Rövid
Hosszú
MARC
Részletezés:
Rendezés:
Szerző növekvő
Szerző csökkenő
Cím növekvő
Cím csökkenő
Dátum növekvő
Dátum csökkenő
1.
001-es BibID:
BIBFORM120927
035-os BibID:
(Scopus)85129234200 (WoS)000794755500001
Első szerző:
Gedeon Csongor István
Cím:
Identification and Counting of European Souslik Burrows from UAV Images by Pixel-Based Image Analysis and Random Forest Classification: A Simple, Semi-Automated, yet Accurate Method for Estimating Population Size / Csongor I. Gedeon, Mátyás Árvai, Gábor Szatmári, Eric C. Brevik, Tünde Takáts, Zsófia A. Kovács, János Mészáros
Dátum:
2022
ISSN:
2072-4292
Megjegyzések:
Burrowing mammals such as European sousliks are widespread and contribute significantly to soil ecosystem services. However, they have declined across their range and the non-invasive estimation of their actual population size has remained a challenge. Results support that the number of burrow entrances is positively correlated with population abundance, and burrow locations indicate the occupied area. We present an imagery-based method to identify and count animals' burrows semi-automatically by combining remotely recorded red, green, and blue (RGB) images, pixel-based imagery, and random forest (RF) classification. Field images were collected for four colonies, then combined and processed by histogram matching and spectral band normalization to improve the spectral distinctions among the categories BURROW, SOIL, TREE, and GRASS. The accuracy indexes of classification for BURROW kappa (?) were 95% (precision) and 90% (sensitivity). A 10-iteration bootstrapping of the final model resulted in coefficients of variation (CV%) of BURROW ? for sensitivity and precision lower than 5%; moreover, CV% values were not significantly different between those scores. The consistency of classification and balanced precision and sensitivity confirmed the applicability of this approach. Our approach provides an accurate, user-friendly, and relatively simple approach to count the number of burrow openings, estimate population abundance, and delineate the areas of occupancy non-invasively.
Tárgyszavak:
Természettudományok
Földtudományok
idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
population size
random forest
pixel-based imagery
image processing
model stability
Megjelenés:
Remote Sensing. - 14 : 9 (2022), p. 1-15. -
További szerzők:
Árvai Mátyás
Szatmári Gábor (1988-) (geográfus)
Brevik, Eric C.
Takáts Tünde
Kovács Zsófia Adrienn
Mészáros János
Pályázati támogatás:
(K-131820)
Egyéb
Internet cím:
Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
Rekordok letöltése
1
Corvina könyvtári katalógus v8.2.27
© 2023
Monguz kft.
Minden jog fenntartva.