Zobrazeno 1 - 10
of 109
pro vyhledávání: '"deforestation prediction"'
Publikováno v:
In Spatial Statistics March 2020 35
Deforestation Prediction Using Neural Networks and Satellite Imagery in a Spatial Information System
Autor:
Ahmadi, Vahid
Deforestation, as one of the challenging environmental problems in the world, has been recorded the most serious threat to environmental diversity and one of the main components of land-use change. In this paper, we investigate spatial distribution o
Externí odkaz:
http://arxiv.org/abs/1803.02489
Publikováno v:
In Spatial Statistics August 2017 21 Part A:304-318
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Moskolai, Waytehad Rose
In recent years, we have witnessed the emergence of Deep Learning (DL) methods, which have led to enormous progress in various fields such as automotive driving, computer vision, medicine, finances, and remote sensing data analysis. The success of th
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______3711::3c91e9c75da500d3f1ccf2e437bf1878
https://theses.hal.science/tel-04121626
https://theses.hal.science/tel-04121626
Autor:
Ch. Harika, Sheetha Hemanth Kumar, D.Siri Chandana, V.Uday Kumar, N.Thulasi Chitra, R. Anusha
Publikováno v:
2021 5th International Conference on Intelligent Computing and Control Systems (ICICCS).
Deforestation has become a very big concern today. It affects the climate in an inconsiderable amount. We use advanced machine learning algorithms to detect deforestation in vulnerable places. The deforestation in these places will be detected and in
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::53df0533587171b5d94eed75dc7c1d60
https://doi.org/10.1109/iciccs51141.2021.9432087
https://doi.org/10.1109/iciccs51141.2021.9432087
Publikováno v:
2020 IEEE Congreso Bienal de Argentina (ARGENCON).
The Dry Chaco region (DCF) has the highest absolute deforestation rates in Argentina. In this study, we evaluated the performance of the Extreme Gradient Boosting (XGboost) algorithm to detect breakpoint in MODIS EVI time series. The model takes as i
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::a07494f42a58679b64178eaccd1e77d6
https://doi.org/10.1109/argencon49523.2020.9505491
https://doi.org/10.1109/argencon49523.2020.9505491
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.