Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "geographic classification" wg kryterium: Temat


Wyświetlanie 1-5 z 5
Tytuł:
Klasyfikacja semantyczna ojkonimów z terenu gminy Smolian
Autorzy:
Nikolova, Elena
Krastanova, Vanya
Petrova, Maria
Mihaylov, Miroslav
Powiązania:
https://bibliotekanauki.pl/articles/681569.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Tematy:
semantic classification
geographic classification
cultural and historical oykonyms
possessive oykonyms
Smolyan region
klasyfikacja semantyczna
ojkonimy geograficzne
ojkonimy historyczno-kulturowe
ojkonimy posesywne
gmina Smolian
Opis:
The paper presents a semantic classification of oykonyms from the municipality of Smolyan. The classification allows to divide the research material into geographical, culture-historical and possessive oykonyms. Different sociocultural factors over the choice, attitude, preference and preservance of the relevant oykonyms are revealed. These factors show that the world of the Rhodope people is firmly connected to land and ancestral memory.
Celem artykułu jest przedstawienie klasyfikacji semantycznej ojkonimów z terenu gminy Smolian w południowej Bułgarii. Oparta jest ona na podziale materiału na trzy grupy ojkonimów: geograficzne, historyczno-kulturowe oraz posesywne. Na podstawie analizy czynników mających wpływ na proces kształtowania się nazw miejscowych w gminie Smolian można sformułować wniosek, że ludność Rodopów nadal jest nierozerwalnie związana z ziemią i pamięcią rodową.
Źródło:
Zeszyty Cyrylo-Metodiańskie; 2015, 4
2449-8297
Pojawia się w:
Zeszyty Cyrylo-Metodiańskie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Examining Landuse Pattern of Akinyele Local Government Area of Oyo State Using Remote Sensing and GIS Techniques
Autorzy:
Amusa, I. A.
Akinpelu, A. A.
Oludiji, S. M.
Oyebanji, S. T.
Powiązania:
https://bibliotekanauki.pl/articles/1839383.pdf
Data publikacji:
2021
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Remote Sensing
resolution
Kappa Index
Confusion matrix and classification
Geographic Information Systems
GIS
Opis:
The study looked at the application of Remote Sensing and Geographic Information Systems in the landuse pattern in Akinyele Local Government Area of Oyo state; this is with the aim of classifying the area into the four basic classes observed in the study area. Landsat8 imagery with 30m by 30m resolution within path 191 and row 55 was downloaded, administrative boundary of the local government was used to clip the image using ArcGIS software and bands’ combination was done. Bands 7, 5 and 4 were combined to produce the composite image that gives natural colours for easy identification of features using supervised classification method. The study area was categorized into built up, vegetation, bare ground and water body. During the course of the study, it was gathered that the area has 56.84% vegetation, 39.61% built up, 3.32% bare ground and 0.23% water body. Confusion matrix was adopted for accuracy assessment. At the end, it was shown that the study had an overall classification accuracy of 83.67% and the Kappa Index is substantial at 0.77. Therefore, it was concluded that supervised image classification method is suitable for landuse classification and the results obtained are reliable.
Źródło:
World Scientific News; 2021, 162; 16-28
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Monitoring the secondary forest succession and land cover/use changes of the Błędów Desert (Poland) using geospatial analyses
Autorzy:
Szostak, Marta
Wężyk, Piotr
Hawryło, Paweł
Puchała, Marta
Powiązania:
https://bibliotekanauki.pl/articles/1052864.pdf
Data publikacji:
2016-09-15
Wydawca:
Uniwersytet im. Adama Mickiewicza w Poznaniu
Tematy:
LULC changes
Geographic Object Based Image Analysis (GEOBIA)
pixel-based classification
GIS analyses
secondary forest succession
Opis:
The role of image classification based on multi-source, multi-temporal and multi-resolution remote sensed data is on the rise in the environmental studies due to the availability of new satellite sensors, easier access to aerial orthoimages and the automation of image analysis algorithms. The remote sensing technology provides accurate information on the spatial and temporal distribution of land use and land cover (LULC) classes. The presented study focuses on LULC change dynamics (especially secondary forest succession) that occurred between 1974 and 2010 in the Błędów Desert (an area of approx. 1210 ha; a unique refuge habitat – NATURA 2000; South Poland). The methods included: photointerpretation and on screen digitalization of KH-9 CORONA (1974), aerial orthoimages (2009) and satellite images (LANDSAT 7 ETM+, 1999 and BlackBridge – RapidEye, 2010) and GIS spatial analyses. The results of the study have confirmed the high dynamic of the overgrowth process of the Błędów Desert by secondary forest and shrub vegetation. The bare soils covered 19.3% of the desert area in 1974, the initial vegetation and bush correspondingly 23.1% and 30.5%. In the years 2009/2010 the mentioned classes contained: the bare soils approx. 1.1%, the initial vegetation– 8.7% and bush – 15.8%. The performed classifications and GIS analyses confirmed a continuous increase in the area covered by forests, from 11.6% (KH-9) up to 24.2%, about 25 years later (LANDSAT 7) and in the following 11 years, has shown an increase up to 35.7% (RapidEye 2010).
Źródło:
Quaestiones Geographicae; 2016, 35, 3; 5-13
0137-477X
2081-6383
Pojawia się w:
Quaestiones Geographicae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Revised classification and terminology of Palaeozoic stromatoporoids
Autorzy:
Stearn, C W
Webby, B D
Nestor, H
Stock, C W
Powiązania:
https://bibliotekanauki.pl/articles/23457.pdf
Data publikacji:
1999
Wydawca:
Polska Akademia Nauk. Instytut Paleobiologii PAN
Tematy:
Stromatoporida
Paleozoic
Labechiida
stromatoporoid
Stromatoporellida
morphology
taxonomy
carbonate skeleton
geographic distribution
stratigraphy
Clathrodictyida
classification
fossil
Syringostromatida
Amphiporida
catalogue number
terminology
Actinostromatida
paleontology
Opis:
Palaeozoic stromatoporoids comprise an extinct class of non-spiculate poriferans that are represented as fossils by their basal carbonate skeleton. A revised terminology for the description of these fossils is presented. Seven orders (Labechiida, Clathrodictyida, Actinostromatida, Stromatoporellida, Stromatoporida, Syringostromatida, Amphiporida) are recognized. The following is recorded for each genus: (1) type species, catalogue number and depository of the primary holotype; (2) synonyms and their type species; (3) diagnosis; (4) stratigraphic range; (5) estimate of the number of species assigned to the genus; (6) stratigraphic and geographic distribution of the genus. Problems in the definition and recognition of the genus are briefly discussed in annotations. One hundred and nine genera are considered valid, or doubtfully valid. Fifty three genera are placed in synonymy. An additional 14 genera are considered to be of uncertain placement in the classification.
Źródło:
Acta Palaeontologica Polonica; 1999, 44, 1
0567-7920
Pojawia się w:
Acta Palaeontologica Polonica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mapping of impervious surfaces with the use of remote sensing imagery: Support Vector Machines classification and GIS-based approach
Wizualizacja powierzchni nieprzepuszczalnych z wykorzystaniem zdjęć teledetekcyjnych: klasyfikacja support vector machines i podejście oparte na GIS
Autorzy:
Sobieraj, Janusz
Fernández Marín, Marcos
Metelski, Dominik
Powiązania:
https://bibliotekanauki.pl/articles/27312146.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
klasyfikacja
powierzchnia nieprzepuszczalna
maszyna wektorów nośnych
teledetekcja
system informacji geograficznej
użytkowanie gruntów pokrycie gruntów
ArcGIS
uczenie maszynowe
classification
impervious surface
support vector machine
remote sensing
geographic information system
land use land cover
machine learning
Opis:
This study focuses on the problem of mapping impervious surfaces in urban areas and aims to use remote sensing data and orthophotos to accurately classify and map these surfaces. Impervious surface indices and green space assessments are widely used in land use and urban planning to evaluate the urban environment. Local governments also rely on impervious surface mapping to calculate stormwater fees and effectively manage stormwater runoff. However, accurately determining the size of impervious surfaces is a significant challenge. This study proposes the use of the Support Vector Machines (SVM) method, a pattern recognition approach that is increasingly used in solving engineering problems, to classify impervious surfaces. The research results demonstrate the effectiveness of the SVM method in accurately estimating impervious surfaces, as evidenced by a high overall accuracy of over 90% (indicated by the Cohen’s Kappa coefficient). A case study of the “Parkowo-Leśne” housing estate in Warsaw, which covers an area of 200,000 m², shows the successful application of the method. In practice, the remote sensing imagery and SVM method allowed accurate calculation of the area of the surface classes studied. The permeable surface represented about 67.4% of the total complex and the impervious surface corresponded to the remaining 32.6%. These results have implications for stormwater management, pollutant control, flood control, emergency management, and the establishment of stormwater fees for individual properties. The use of remote sensing data and the SVM method provides a valuable approach for mapping impervious surfaces and improving urban land use management.
Niniejsze badanie koncentruje się na problemie wyznaczania powierzchni nieprzepuszczalnych na obszarach miejskich i ma na celu wykorzystanie danych teledetekcyjnych i ortofotomap do dokładnej klasyfikacji i wizualizacji tych powierzchni. Wskaźniki powierzchni nieprzepuszczalnych i oceny terenów zielonych są szeroko stosowane w planowaniu przestrzennym i urbanistycznym do oceny środowiska miejskiego. Władze lokalne polegają również na oszacowaniu wielkości powierzchni nieprzepuszczalnych w celu obliczania opłat za wodę deszczową i skutecznego zarządzania odpływem wody deszczowej. Jednak dokładne określenie wielkości nieprzepuszczalnych powierzchni jest poważnym wyzwaniem. W niniejszym badaniu zaproponowano wykorzystanie metody Support Vector Machines (SVM), podejścia opartego na rozpoznawaniu wzorców, które jest coraz częściej stosowane w rozwiązywaniu problemów inżynieryjnych, do klasyfikacji powierzchni nieprzepuszczalnych. Wyniki badań pokazują skuteczność metody SVM w dokładnym szacowaniu powierzchni nieprzepuszczalnych, o czym świadczy wysoka ogólna precyzja wynosząca ponad 90% ( na co wskazuje współczynnik Kappa Cohena). Studium przypadku osiedla „Parkowo-Leśne” w Warszawie o powierzchni 200 000 m² pokazuje skuteczne zastosowanie metody. Wyniki wskazują, że powierzchnie przepuszczalne stanowiły około 67,4% całego kompleksu, podczas gdy powierzchnie nieprzepuszczalne stanowiły pozostałe 32,6%. Wyniki te mogą mieć wpływ na zarządzanie wodami opadowymi, kontrolę zanieczyszczeń, zapobieganie powodziom, zarządzanie kryzysowe i ustalanie opłat za wodę opadową dla poszczególnych nieruchomości. Wykorzystanie danych teledetekcyjnych i metody SVM zapewnia cenne podejście do wizualizacji powierzchni nieprzepuszczalnych i poprawy zarządzania użytkowaniem gruntów miejskich.
Źródło:
Archives of Civil Engineering; 2023, 69, 3; 129--146
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-5 z 5

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies