Találati lista | Tudóstér

001-es BibID:	BIBFORM082766
Első szerző:	Burai Péter (agrármérnök)
Cím:	Airborne hyperspectral remote sensing for identification grassland vegetation / Burai Péter, Tomor Tamás, Bekő László, Deák Balázs
Dátum:	2015
ISSN:	2194-9034
Megjegyzések:	In our study we classified grassland vegetation types of an alkali landscape (Eastern Hungary), using different image classification methods for hyperspectral data. Our aim was to test the applicability of hyperspectral data in this complex system using various image classification methods. To reach the highest classification accuracy, we compared the performance of traditional image classifiers, machine learning algorithm, feature extraction (MNF-transformation) and various sizes of training dataset. Hyperspectral images were acquired by an AISA EAGLE II hyperspectral sensor of 128 contiguous bands (400?1000 nm), a spectral sampling of 5 nm bandwidth and a ground pixel size of 1 m. We used twenty vegetation classes which were compiled based on the characteristic dominant species, canopy height, and total vegetation cover. Image classification was applied to the original and MNF (minimum noise fraction) transformed dataset using various training sample sizes between 10 and 30 pixels. In the case of the original bands, both SVM and RF classifiers provided high accuracy for almost all classes irrespectively of the number of the training pixels. We found that SVM and RF produced the best accuracy with the first nine MNF transformed bands. Our results suggest that in complex open landscapes, application of SVM can be a feasible solution, as this method provides higher accuracies compared to RF and MLC. SVM was not sensitive for the size of the training samples, which makes it an adequate tool for cases when the available number of training pixels are limited for some classes.
Tárgyszavak:	Természettudományok Földtudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk Vegetation Mapping Hyperspectral Image Classification Maximum Likelihood Classifier Random Forest Support Vector Machine Open Landscape
Megjelenés:	ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. - XL-3/W3 (2015), p. 427-431. -
További szerzők:	Tomor Tamás (1976-) (geográfus) Bekő László (1986-) (okleveles vidékfejlesztési agrármérnök) Deák Balázs (1978-) (biológus)
Pályázati támogatás:	TÁMOP- 4.2.2.D-15/1/ KONV-2015-0010 TÁMOP
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM065636
Első szerző:	Burai Péter (agrármérnök)
Cím:	Fátlan vegetációtípusok azonosítása légi hiperspektrális távérzékelési módszerekkel / Burai Péter, Lénárt Csaba, Valkó Orsolya, Bekő László, Szabó Zsuzsanna, Deák Balázs
Dátum:	2016
ISSN:	1589-4673
Tárgyszavak:	Természettudományok Földtudományok magyar nyelvű folyóiratközlemény hazai lapban
Megjelenés:	Tájökológiai Lapok. - 14 : 1 (2016), p. 1-12. -
További szerzők:	Lénárt Csaba (1969-) (agrármérnök) Valkó Orsolya (1985-) (biológus) Bekő László (1986-) (okleveles vidékfejlesztési agrármérnök) Szabó Zsuzsanna (1985-) (környezetgazdálkodási és vidékfejlesztési agrármérnök) Deák Balázs (1978-) (biológus)
Internet cím:	Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: