Zobrazeno 1 - 10
of 185
pro vyhledávání: '"O. Ghorbanzadeh"'
Publikováno v:
ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol X-4-W1-2022, Pp 647-652 (2023)
As a result of climate change, climatic catastrophes, such as wildfires, are likely to increase. Wildfires continue to occur frequently and spread with greater intensity due to extreme weather conditions. In recent years, explosive fire growths have
Externí odkaz:
https://doaj.org/article/2c802334965d4e769765fd541202abbc
Publikováno v:
Natural Hazards and Earth System Sciences, Vol 21, Pp 301-316 (2021)
Comprehensive and sustainable landslide risk management, including the identification of areas susceptible to landslides, requires responsible organisations to collaborate efficiently. Landslide risk management efforts are often made after major trig
Externí odkaz:
https://doaj.org/article/42efd0c031f749daa4c17d9949e1f92e
Publikováno v:
The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol XLII-1, Pp 161-166 (2018)
There is a growing use of Earth observation (EO) data for support planning in humanitarian crisis response. Information about number and dynamics of displaced population in camps is essential to humanitarian organizations for decision-making and acti
Externí odkaz:
https://doaj.org/article/493b93afbe784b87957ea5c45f1f27f2
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
H. Shahabi, M. Rahimzad, O. Ghorbanzadeh, S. T. Piralilou, T. Blaschke, S. Homayouni, P. Ghamisi
Publikováno v:
2022 IEEE Mediterranean and Middle-East Geoscience and Remote Sensing Symposium (M2GARSS), 07.03.2022, Istanbul, TurkeyIEEE Mediterranean and Middle-East Geoscience and Remote Sensing Symposium (M2GARSS)
This study investigates a pixel-based image analysis methodology built on unsupervised Deep Learning (DL) for rapid landslide detection. The utilized data includes the Minimum Noise Fraction (MNF) and Normalized Difference Vegetation Index (NDVI) der
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::5a06089711cd037d69a2b01c6c0bb6d2
https://www.hzdr.de/publications/Publ-35712-1
https://www.hzdr.de/publications/Publ-35712-1
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.