Zobrazeno 1 - 10
of 31 589
pro vyhledávání: '"Land Cover Type"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Lasko, Kristofer1 (AUTHOR) francis.d.oneill@erdc.dren.mil, O'Neill, Francis D.1 (AUTHOR), Sava, Elena1 (AUTHOR)
Publikováno v:
Sensors (14248220). Mar2024, Vol. 24 Issue 5, p1587. 32p.
Autor:
Md Didarul Islam, Liping Di, Chen Zhang, Ruixin Yang, John J. Qu, Daniel Tong, Liying Guo, Li Lin, Aran Pandey
Publikováno v:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 17, Pp 8271-8290 (2024)
This article presents a streamlined, automated classification method to map land-cover-type local climate zones (LCZs). Using a two-phase hybrid approach, we first generated training samples through universal decision rules and subsequently, a machin
Externí odkaz:
https://doaj.org/article/13eb260620cc4e2d8ab5acc04c637918
Publikováno v:
In Environmental Research 15 November 2023 237 Part 2
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Eide, Sara K. K.1 (AUTHOR) sara_eide@hotmail.com, Leh, Linn N.1 (AUTHOR), Eines, Katinka S.1 (AUTHOR), Hovland, Ingunn1 (AUTHOR), By, Marit1 (AUTHOR), Ingvaldsen, Elise W.1 (AUTHOR), Tinlund, Marthe1 (AUTHOR), Emerita, Evan1 (AUTHOR), Machado, Luciano A.1 (AUTHOR), Brønner, Stian1 (AUTHOR), Nilsen, Erlend B.1,2 (AUTHOR), Steyaert, Sam M. J. G.1 (AUTHOR)
Publikováno v:
PLoS ONE. 11/9/2022, Vol. 17 Issue 11, p1-15. 15p.
Autor:
Wang, Lijuan1 (AUTHOR) wanglijuan01@126.com, Guo, Ni1 (AUTHOR), Sha, Sha1 (AUTHOR), Yang, Yang1 (AUTHOR), Wang, Xiaoping1 (AUTHOR), Hu, Die1 (AUTHOR)
Publikováno v:
Theoretical & Applied Climatology. Jul2022, Vol. 149 Issue 1/2, p525-536. 12p. 1 Diagram, 1 Chart, 5 Graphs, 2 Maps.
Publikováno v:
PeerJ Computer Science, Vol 9, p e1222 (2023)
High-resolution remote sensing images have the characteristics of wide imaging coverage, rich spectral information and unobstructed by terrain and features. All of them provide convenient conditions for people to study land cover types. However, most
Externí odkaz:
https://doaj.org/article/dfe5c65e6d0044329868bb07c2af5990
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Sensors, Vol 24, Iss 5, p 1587 (2024)
A near-global framework for automated training data generation and land cover classification using shallow machine learning with low-density time series imagery does not exist. This study presents a methodology to map nine-class, six-class, and five-
Externí odkaz:
https://doaj.org/article/1cecc3b8c88c4cec98abb93297016e69