CCL

Összesen 9 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM089171
Első szerző:Bekő László (okleveles vidékfejlesztési agrármérnök)
Cím:Vetésszerkezet meghatározása különböző multispektrális műholdfelvételek alkalmazásával / Bekő László, Burai Péter, Kiss Alida, Lénárt Csaba, Tomor Tamás, Schinogl Péter, Holb Imre, Szabó Szilárd
Dátum:2020
ISBN:978-963-318-886-6
Tárgyszavak:Természettudományok Környezettudományok előadáskivonat
könyvrészlet
Megjelenés:Az elmélet és a gyakorlat találkozása a térinformatikában XI. : Theory meets practice in gis / szerk. Molnár Vanda Éva. - p. 47-54. -
További szerzők:Burai Péter (1977-) (agrármérnök) Kiss Alida (1987-) (vidékfejlesztő agrármérnök, környezetgazdálkodási agrármérnök) Lénárt Csaba (1969-) (agrármérnök) Tomor Tamás (1976-) (geográfus) Schinogl Péter Holb Imre (1973-) (agrármérnök) Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:2018-1.1.1-MKI-2018-00051
Egyéb
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM053193
Első szerző:Kovács Zoltán (geográfus)
Cím:Tetőtípusok azonosítása hiperspektrális felvételek alapján / Kovács Zoltán, Szabó Szilárd, Burai Péter, Szabó Gergely
Dátum:2014
Megjegyzések:Based on a high ground and spectral resolution imagery, our goal was to identify different rooftypes applying an MS Excel add-in (Hyperspectral Data Analyst) developed by the Department of Physical Geography and Geoinformatics, University of Debrecen. Roofs were detected by using multi-resolution segmentation algorithm on a combinied a normalized Digital Surface Model and NDVI image. In this study case Hyperspectral Data Analyst add-in pointed out some wavelength pairs, where the largest difference can be observed between certain roof type categories.
ISBN:978-963-318-434-9
Tárgyszavak:Természettudományok Földtudományok előadáskivonat
Hiperspektrális adatok
MS Excel
Megjelenés:Az elmélet és gyakorlat találkozása a térinformatikában V. : Térinformatikai konferencia és szakkiállítás 2014 / szerk. Balázs Boglárka. - p. 181-187. -
További szerzők:Szabó Szilárd (1974-) (geográfus) Burai Péter (1977-) (agrármérnök) Szabó Gergely (1975-) (geográfus)
Pályázati támogatás:TÁMOP-4.2.2.A-11/1/KONV-2012-0041
TÁMOP
TÁMOP 4.2.4.A/2-11-1-2012-0001
TÁMOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

3.

001-es BibID:BIBFORM113915
035-os BibID:(WoS)001044509700001 (Scopus)85167334773
Első szerző:Likó Szilárd Balázs
Cím:Deep learning-based training data augmentation combined with post-classification improves the classification accuracy for dominant and scattered invasive forest tree species / Szilárd Balázs Likó, Imre J. Holb, Viktor Oláh, Péter Burai, Szilárd Szabó
Dátum:2023
ISSN:2056-3485
Megjegyzések:Species composition of forests is a very important component from the point of view of nature conservation and forestry. We aimed to identify 10 tree species in a hilly forest stand using a hyperspectral aerial image with a particular focus on two invasive species, namely Ailanthus tree and black locust. Deep learning-based training data augmentation (TDA) and post-classification techniques were tested with Random Forest and Support Vector Machine (SVM) classifiers. SVM had better performance with 81.6% overall accuracy (OA). TDA increased the OA to 82.5% and post-classification with segmentation improved the total accuracy to 86.2%. The class-level performance was more convincing: the invasive Ailanthus trees were identified with 40% higher producer's and user's accuracies (PA and UA) to 70% related to the common technique (using a training dataset and classifying the trees). The PA and UA did not change in the case of the other invasive species, black locust. Accordingly, this new method identifies well Ailanthus, a sparsely distributed species in the area; while it was less efficient with black locust that dominates larger patches in the stand. The combination of the two ancillary steps of hyperspectral image classification proved to be reasonable and can support forest management planning and nature conservation in the future.
Tárgyszavak:Természettudományok Földtudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
ailanthus
black locust
Convolutional Neural Network
multiresolution segmentation
Random Forest
Support Vector Machine
Megjelenés:Remote Sensing in Ecology and Conservation. - [Epub ahead of print] (2023), p.1-17. -
További szerzők:Holb Imre (1973-) (agrármérnök) Oláh Viktor (1980-) (biológus) Burai Péter (1977-) (agrármérnök) Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:K138079
Egyéb
K138503
Egyéb
K131478
Egyéb
KKP144068
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM082564
Első szerző:Szabó Loránd (geográfus)
Cím:Assessing the efficiency of multispectral satellite and airborne hyperspectral images for land cover mapping in an aquatic environment with emphasis on the water caltrop (Trapa natans) / Szabó Loránd, Burai Péter, Deák Balázs, Dyke, Gareth J., Szabó, Szilárd
Dátum:2019
ISSN:0143-1161
Megjegyzések:A number of clear issues are pertinent when considering whether, or not, to use a remotely sensed dataset. We evaluate these issues here by comparing an aerial hyperspectral image at 1.5 m geometric resolution that comprises 128 narrow bands within a spectral range between 400 nm and 1,000 nm as well as a nine-band Landsat 8 image at 30.0 m geometric resolution. We therefore applied Random Forest (RF) and Support Vector Machine (SVM) classifiers utilizing different input data sets to determine the best thematic accuracy for both types of images by involving all possible bands and then minimized them using variable selection and dimension reduction via Minimum Noise Fraction (MNF). We then compared Landsat images to an aerial hyperspectral one. The results of this analysis revealed that band selections based on variable importance and MNF-transformation improved thematic accuracy assessed as Overall Accuracy (OA). Results reveal a 1.00% improvement in OA via variable selection as 59 bands instead of 128 bands and a 1.50% via MNF-transformation of the hyperspectral image. This improvement was 4.52% in the Landsat image when using a MNFtransformation compared to the best performances without transformation or variable selection. Data also showed that application of Landsat spectral range on hyperspectral bands resulted in different outcomes; specifically, SVM resulted in a 91.50% OA while RF resulted in 95.50% OA. Landscape ecology results show that use of the Landsat image provided fewer land cover patches and that differences encompassed 6.30% of the whole area. We therefore conclude that Landsat data can be used with a number of limitations for accurate ecological mapping.
Tárgyszavak:Természettudományok Földtudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:International Journal Of Remote Sensing. - 40 : 13 (2019), p. 5192-5215. -
További szerzők:Burai Péter (1977-) (agrármérnök) Deák Balázs (1978-) (biológus) Dyke, Gareth J. Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:EFOP-3.6.1-16-2016-00022
EFOP
4th Thematic Program of the University of Debrecen
FIKP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM062880
Első szerző:Szabó Szilárd (geográfus)
Cím:Automated registration of potential locations for solar energy production with Light Detection And Ranging (LiDAR) and small format photogrammetry / Szilárd Szabó, Péter Enyedi, Miklós Horváth, Zoltán Kovács, Péter Burai, Tamás Csoknyai, Gergely Szabó
Dátum:2016
ISSN:0959-6526
Megjegyzések:Energy production and consumption is a key element in future development which is influenced both bythe technical possibilities available and by decision makers. Sustainability issues are closely linked inwith energy policy, given the desire to increase the proportion of renewable energy. According to theHorizon 2020 climate and energy package, European Union (EU) member countries have to reduce theamount of greenhouse gases they emit by 20%, to increase the proportion of renewable energy to 20%and to improve energy efficiency by 20% by 2020. In this study we aim to assess the opportunitiesavailable to exploit solar radiation on roofs with Light Detection And Ranging (LiDAR) and photogrammetrytechniques. The surveyed areawas in Debrecen, the second largest city in Hungary. An aerial LiDARsurvey was conducted with a density of 12 points/m2, over a 7 1.8 km wide band. We extracted thebuilding and roof models of the buildings from the point cloud. Furthermore, we applied a low-costdrone (DJI Phantom with a GoPro camera) in a smaller area of the LiDAR survey and also created a 3Dmodel: buildings and roof planes were identified with multiresolution segmentation of the digital surfacemodels (DSM) and orthophoto coverages. Building heights and building geometry were alsoextracted and validated in field surveys. 50 buildings were chosen for the geodetic survey and the resultsof the accuracy assessment were extrapolated to other buildings; in addition to this, 100 building heightswere measured. We focused primarily on the roofs, as these surfaces offer possible locations for thermaland photovoltaic equipment. We determined the slope and aspect of roof planes and calculated theincoming solar energy according to roof planes before comparing the results of the point cloud processingof LiDAR data and the segmentation of DSMs. Extracted roof geometries showed varying degreesof accuracy: the research proved that LiDAR-based roof-modelling is the best choice in residential areas,but the results of the drone survey did not differ significantly. Generally, both approaches can be applied,because the solar radiation values calculated were similar. The aerial techniques combined with themultiresolution processing demonstrated can provide a valuable tool to estimate potential solar energy.
Tárgyszavak:Természettudományok Földtudományok idegen nyelvű folyóiratközlemény külföldi lapban
roof plane
solar irradiation
point cloud
multiresolution segmentation
drone
Megjelenés:Journal Of Cleaner Production. - 112 : 5 (2016), p. 3820-3829. -
További szerzők:Enyedi Péter (1982-) (környezettudós) Horváth Miklós Kovács Zoltán (1988-) (geográfus) Burai Péter (1977-) (agrármérnök) Csoknyai Tamás (1975-) (épületgépész mérnök) Szabó Gergely (1975-) (geográfus)
Pályázati támogatás:TAMOP-4.2.2.A-11/1/KONV-2012-0041
TAMOP
SROP-4.2.2.B-15/1/KONV-2015-0001
SROP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

6.

001-es BibID:BIBFORM060259
Első szerző:Szabó Szilárd (geográfus)
Cím:Testing of algorithms for the identification of asbestos roofing based on hyperspectral data / Szabó Szilárd, Burai Péter, Kovács Zoltán, Szabó György, Kerényi Attila, Fazekas István, Paládi Mónika, Buday Tamás, Szabó Gergely
Dátum:2014
Megjegyzések:There are several environmental issues in urban areas that are caused by the unintentional consequences of past activities. One of these issues is the wide application of asbestos cement in roofing materials in the 2nd half of the 1900s. In this study, our goal was to identify different roof types and to determine those with asbestos components using high-ground (1 m) and spectral (126 bands) resolution airborne hyperspectral imagery (AISA Eagle II) and several classification approaches. In addition, we aimed to identify those wavelengths that play a significant role in distinguishing the different roof types. In the image analysis, the SAM,MLC and SVM classification methods were used to evaluate the different types of roofs. These methods resulted in accurate maps of the roof types, and asbestos cement roofs were identified with over 85% accuracy.
Tárgyszavak:Természettudományok Földtudományok idegen nyelvű folyóiratközlemény külföldi lapban
Aisa EAGLE
asbestos-cement
hyperspectral remote sensing
image classification
roofs
Megjelenés:Environmental Engineering and Management Journal. - 143 : 11 (2014), p. 2875-2880. -
További szerzők:Burai Péter (1977-) (agrármérnök) Kovács Zoltán (1988-) (geográfus) Szabó György (1964-) (geográfus, egyetemi tanár) Kerényi Attila (1943-2023) (geográfus) Fazekas István (1973-) (geográfus) Paládi Mónika (1987-) (geográfus) Buday Tamás (1982-) (geográfus) Szabó Gergely (1975-) (geográfus)
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

7.

001-es BibID:BIBFORM089188
035-os BibID:(cikkazonosító)3652 (WOS)000589355700001 (Scopus)85096038754
Első szerző:Szabó Zsuzsanna (környezetgazdálkodási és vidékfejlesztési agrármérnök)
Cím:Uncertainty and Overfitting in Fluvial Landform Classification Using Laser Scanned Data and Machine Learning: A Comparison of Pixel and Object-Based Approaches / Zsuzsanna Csatáriné Szabó, Tomáš Mikita, Gábor Négyesi, Orsolya Gyöngyi Varga, Péter Burai, László Takács-Szilágyi, Szilárd Szabó
Dátum:2020
ISBN:2072-4292
Tárgyszavak:Természettudományok Földtudományok idegen nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
Megjelenés:Remote Sensing. - 12 : 21 (2020), p. 1-29. -
További szerzők:Mikita, Tomáš Négyesi Gábor (1980-) (geográfus) Varga Orsolya Gyöngyi (1988-) (geográfus) Burai Péter (1977-) (agrármérnök) Takács-Szilágyi László Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:NKFIH KH 130427
Egyéb
TNN123457
Egyéb
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
DOI
Borító:

8.

001-es BibID:BIBFORM091945
035-os BibID:(cikkazonosító)857 (WOS)000628506100001 (Scopus)85102203063
Első szerző:Varga Orsolya Gyöngyi (geográfus)
Cím:Validation of Visually Interpreted Corine Land Cover Classes with Spectral Values of Satellite Images and Machine Learning / Orsolya Gyöngyi Varga, Zoltán Kovács, László Bekő, Péter Burai, Zsuzsanna Csatáriné Szabó, Imre Holb, Sarawut Ninsawat, Szilárd Szabó
Dátum:2021
ISSN:2072-4292
Megjegyzések:We analyzed the Corine Land Cover 2018 (CLC2018) dataset to reveal the correspondence between land cover categories of the CLC and the spectral information of Landsat-8, Sentinel-2 and PlanetScope images. Level 1 categories of the CLC2018 were analyzed in a 25 km ? 25 km study area in Hungary. Spectral data were summarized by land cover polygons, and the dataset was evaluated with statistical tests. We then performed Linear Discriminant Analysis (LDA) and Random Forest classifications to reveal if CLC L1 level categories were confirmed by spectral values. Wetlands and water bodies were the most likely to be confused with other categories. The least mixture was observed when we applied the median to quantify the pixel variance of CLC polygons. RF outperformed the LDA's accuracy, and PlanetScope's data were the most accurate. Analysis of class level accuracies showed that agricultural areas and wetlands had the most issues with misclassification. We proved the representativeness of the results with a repeated randomized test, and only PlanetScope seemed to be ungeneralizable. Results showed that CLC polygons, as basic units of land cover, can ensure 71.1?78.5% OAs for the three satellite sensors; higher geometric resolution resulted in better accuracy. These results justified CLC polygons, in spite of visual interpretation, can hold relevant information about land cover considering the surface reflectance values of satellites. However, using CLC as ground truth data for land cover classifications can be questionable, at least in the L1 nomenclature.
Tárgyszavak:Természettudományok Földtudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
landsat
sentinel
planet
CLC2018
Recursive Feature Elimination
validation
representativeness
Random Forest
Linear Discriminant Analysis
Megjelenés:Remote Sensing. - 13 : 5 (2021), p. 1-24. -
További szerzők:Kovács Zoltán (1988-) (geográfus) Bekő László (1986-) (okleveles vidékfejlesztési agrármérnök) Burai Péter (1977-) (agrármérnök) Szabó Zsuzsanna (1985-) (környezetgazdálkodási és vidékfejlesztési agrármérnök) Holb Imre (1973-) (agrármérnök) Ninsawat, Sarawut Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:TNN 123457
Egyéb
ÚNKP-19-3-III-DE-94
Egyéb
TKP2020-NKA-04
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

9.

001-es BibID:BIBFORM085511
Első szerző:Varga Orsolya Gyöngyi (geográfus)
Cím:Land cover analysis based on descriptive statistics of Sentinel-2 time series data / Varga Orsolya Gyöngyi, Gombosné Nagy Ildikó, Burai Péter, Tomor Tamás, Lénárt Csaba, Szabó Szilárd
Dátum:2018
ISSN:1789-4921 1789-7556
Tárgyszavak:Természettudományok Földtudományok idegen nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
Megjelenés:Acta geographica Debrecina. Landscape & environment series. - 12 : 2 (2018), p. 1-9. -
További szerzők:Gombosné Nagy Ildikó (1980-) (környezetgazdálkodási agrármérnök) Burai Péter (1977-) (agrármérnök) Tomor Tamás (1976-) (geográfus) Lénárt Csaba (1969-) (agrármérnök) Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:ÚNKP-18-3
Egyéb
TNN 123457
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1 
Corvina könyvtári katalógus v8.2.27 © 2023 Monguz kft. Minden jog fenntartva.