Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Spectral Angle Mapper

Sortuj według:

Ogranicz wyniki do:

Mapping of inland excess water using geographical information system and high-resolution satellite images : a case study of Srem, Serbia

Salvai Andrea, Santrac Nikola, Stajic Milica, Antic Sanja, Zemunac Rados, Benka Pavel, Bezdan Atila, Vranesevic Milica

Ecological Chemistry and Engineering. S

2023

Vol. 30, nr 3

343--355

Extreme hydrological events, such as floods and droughts, are becoming more frequent as a result of climate change, leading to negative impacts on various economic sectors. The Pannonian-Carpathian Basin is particularly affected by the increasing frequency of hazardous hydrological events. Agricultural production, which is a highly significant economic sector in the region, is particularly vulnerable to these unfavourable climatic conditions. Changes in precipitation patterns and soil moisture levels can lead to reduced crop yields, while floods can pollute water sources and erode fertile soil. Mapping of Inland Excess Water (IEW), also known as ponding water or waterlogged areas, is crucial for informed decision-making, damage compensation, risk management, and future prevention planning. Remote sensing technology and machine learning have been demonstrated to be valuable tools for the mapping of IEW. The 2014 floods in Southeastern and Central Europe serve as a reminder of the importance of effective flood risk management. This study used a Geographical Information System (GIS) and a Semi-automated Classification Processing (SCP) tool to process high-resolution RapidEye satellite images from the 2014 floods in the Srem region of Serbia. The Spectral Angle Mapping (SAM) classification model was used to produce a map of IEW. The SAM model achieved an overall accuracy of 92.68 %. The study found that IEW affected approximately 2.90 % or 99.59 km² of the territory in Srem. The obtained maps can be used by responsible water management agencies to prevent and control excessive inland water.

Analiza możliwości wykorzystania obrazów hiperspektralnych HySpex do inwentaryzacji drzewostanów leśnych Puszczy Białowieskiej

Bartkowiak P., Osińska-Skotak K.

Teledetekcja Środowiska

2016

T. 55

27--44

W artykule przedstawiono analizę możliwości zastosowania zobrazowań hiperspektralnych HySpex do wykonania map rozmieszczenia poszczególnych gatunków drzewostanów leśnych, na przykładzie Puszczy Białowieskiej. W tym celu przeprowadzono kilka wariantów klasyfikacji przy użyciu metody Spectral Angle Mapper. Całą procedurę wykonano w oprogramowaniu ENVI 5.3 (Environmental for Visualizing Images), w module specjalnie dedykowanym danym hiperspektralnym. Metodyka badawcza obejmuje: wstępne przetwarzanie obrazów, tworzenie wzorców do klasyfikacji, procedurę klasyfikacji SAM i finalną ocenę dokładności uzyskanych wyników. Ostatecznie otrzymano mapy rozmieszczenia gatunków drzew w obrębie badanego szeregu hiperspektralnego. Dokładność map została oszacowana na podstawie danych pochodzących z opisów taksacyjnych. Ogólna dokładność klasyfikacji gatunków drzew na podstawie obrazów hiperspektralnych HySpex wyniosła ok. 77%. Najlepiej sklasyfikowane zostały olcha, sosna i dąb, w pozostałych przypadkach (brzoza i świerk) zaobserwowano zróżnicowane dokładności producenta i użytkownika, co może wynikać zarówno z charakteru drzewostanów leśnych, jak i pól testowych wykorzystanych do ceny dokładności wyników klasyfikacji. Na podstawie wygenerowanych map pokrycia terenu można wskazać obszary leśne o zróżnicowanym składzie gatunkowym fragmentu Puszczy Białowieskiej. Wykorzystanie danych teledetekcyjnych HySpex stanowi duży potencjał w zabiegach inwentaryzacyjnych lasu. Aktualizacja opisów taksacyjnych, modelowanie zjawisk czy symulacja scenariuszy dla obszarów leśnych technikami zdalnymi na potrzeby praktyki leśnej wydaje się technicznie i ekonomicznie uzasadnione.

This paper contains an analysis of use of hyperspectral images HySpex to create maps of tree species distribution within Bialowieza Forest. To this end, a couple of variants of image classification with the use of Spectral Angle Mapper (SAM) method were carried out. Whole procedure was conducted in ENVI software environment (Environmental for Visualizing Images) intended for this kind of dataset. In the beginning, the classification process involves the hyperspectral images pre processing and training samples collection. Next, SAM algorithm as well as an estimation of precision of the classification were performed. Finally, land cover layouts for tree species distribution within the extent of hyperspectral array were generated. The accuracy of tree species detection was estimated on the basis of data derived from forest taxations. Overall accuracies of classification based on HySpex imagery were approximately 77%. The highest possible precisions were obtained for alder, pine and oak tree stands. In other cases (birch and spruce) diversified results for producer’s and user’s accuracy were achieved, which could be explained by various kinds of forest stands and characteristics of test samples used for an assessment of image classification results. On the grounds of the land cover layouts it is workable to indicate forest areas with diversified tree species distribution within Bialowieza Forest. Furthermore, remote sensing data obtained with the use of HySpex scanner has a lot of potential in forest inventory. An actualization of inventory database, woodland modelling and simulations of forest phenomena seem to be technically and economically reasoned.