Informacja

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

Wyszukujesz frazę "Wezyk, P." wg kryterium: Autor


Wyświetlanie 1-5 z 5
Tytuł:
Determination of the number of trees in the Bory Tucholskie National Park using crown delineation of the canopy height models derived from aerial photos matching and airborne laser scanning data
Określanie liczby drzew w Parku Narodowym Bory Tucholskie metodą segmentacji koron na modelach wysokościowych pochodzących z dopasowania zdjęć lotniczych oraz lotniczego skanownia laserowego
Autorzy:
Wężyk, P.
Hawryło, P.
Szostak, M.
Powiązania:
https://bibliotekanauki.pl/articles/130706.pdf
Data publikacji:
2016
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
image segmentation
object classification
point clouds
airborne laser scanning
National Park
Bory Tucholskie
segmentacja obrazu
klasyfikacja obiektowa
chmury punktów
lotnicze skanowanie laserowe
Park Narodowy
Opis:
In recent years the term "precise forestry" has been used more and more often, referring to a modern and sustainable model of forest management. Functioning of such management of wood biomass resources is based, among others, on precisely defined and log-term monitored selected forest taxation parameters of single trees and whole forest stands based on modern geoinformation technologies, including Airborne Laser Scanning (ALS) and digital photogrammetry. The purpose of the work was the analysis of the usefulness of the CHM (Canopy Height Model) generated from the image-based point cloud or ALS technology to define the number of trees using the method of the segmentation of single Scots pine (Pinus sylvestris L.) crowns. The study was carried out in the Scots pine stands located in the Bory Tucholskie National Park (Poland). Due to the intentional lack of certain silviculture treatments, over the recent decades, these forest stands have been characterized by relatively high tree density, compared to managed forests. The CHM was generated from digital airborne photos (CIR composition; GSD 0.15 m) and on the other hand - from the ALS point clouds (4 points/m2 ; ISOK project). To generate point clouds from airborne photos using stereomatching method, the PhotoScan Professional (Agisoft) software was applied. The CHM coming from the Image-Based Point Cloud (CHM_IPC; GSD: 0.30 m) and ALS data (CHM_ALS; GSD: 0.75 m) were generated using FUSION (USDA Forest Service) software. The segmentation of tree crowns was carried out in eCognition Developer (TRIMBLE GeoSpatial) software. Apart from height models, also spectral information was used (so-called true CIR orthophotomaps; GSD: 0.3 and 0.75 m). To assess the accuracy of the obtained results, the ground truth data from 248 reference areas were used. The carried out analyses showed that in forest stands of younger age classes (< 120 years) better results were achieved applying the method of image matching (CHM_IPC), while in the case of older stands (> 120 years) the accuracy of the detection rate of tree crowns was the highest when CHM_ALS model was applied. The mean percentage error (defined by the number of trees, based on the detection of single pine crowns), calculated based on 248 ground truth areas was 0.89%, which shows a great potential of digital photogrammetry (IPC) and GEOBIA. In case of almost full nationwide cover in Poland of airborne digital images (present IPC models) and ALS point clouds (DTM and DSM), at almost 71% forest stands in the Polish State Forests National Forest Holding (PGL LP), one can assume wide application of geodata (available free of charge) in precise modelling of selected tree stand parameters all over Poland.
W ostatnich latach coraz częściej w odniesieniu do nowoczesnej i zrównoważonej gospodarki leśnej używa się terminu "precyzyjne leśnictwo". Funkcjonowanie takiego modelu zarządzania zasobami biomasy drzewnej opiera się m.in. na dokładnie określonych i monitorowanych cyklicznie wybranych parametrach taksacyjnych drzewostanów i pojedynczych drzew w oparciu o nowoczesne technologie geoinformacyjne, w tym lotnicze skanowanie laserowe (ang. ALS) oraz fotogrametrię cyfrową. Celem pracy była analiza przydatności Modelu Koron Drzew (ang. CHM) generowanego z chmur punktów pochodzących z automatycznego dopasowania cyfrowych zdjęć lotniczych (ang. Image-Based Point Cloud) lub z technologii ALS w celu określania liczby drzew metodą segmentacji pojedynczych koron sosen. Badania realizowano w drzewostanach sosnowych (Pinus sylvestis L.) na obszarze Parku Narodowego "Bory Tucholskie". Drzewostany te poprzez celowe zaniechanie w ostatnich dekadach pewnych zabiegów hodowlanych charakteryzowały się stosunkowo dużym zagęszczeniem drzew w porównaniu do drzewostanów gospodarczych. Model Koron Drzew wygenerowano w jednym wariancie ze zdjęć lotniczych CIR (GSD 0.15 m) a w drugim z chmur punktów ALS (4 pkt/m2 ; CODGiK ISOK). Do generowania chmur punktów ze zdjęć lotniczych metodą dopasowania zastosowano oprogramowanie Photoscan Professional (Agisoft). Modele Koron Drzew pochodzące z dopasowania zdjęć lotniczych (CHM_IPC; GSD: 0.30 m) oraz z danych ALS (CHM_ALS; GSD: 0.75 m) zostały wygenerowane w oprogramowania FUSION (USDA Forest Service). Segmentację koron prowadzono w oprogramowaniu eCognition Developer. Oprócz modeli wysokościowych wykorzystano także informację spektralną (tzw. prawdziwe ortofotomapy CIR; GSD: 0.3 i 0.75 m). Do oceny dokładności otrzymanych wyników wykorzystano dane pochodzące z 248 powierzchni referencyjnych. Przeprowadzona analiza wykazała, że w drzewostanach młodszych klas wieku (< 120 lat), lepsze wyniki można osiągnąć stosując metody dopasowania zdjęć (CHM_IPC) natomiast w drzewostanach starszych (> 120 lat) dokładność wykrywania koron drzew jest najwyższa przy stosowaniu wariantu CHM_ALS. Średni błąd procentowy określania liczby drzew w oparciu o detekcję pojedynczych koron sosen obliczony na podstawie 248 powierzchni referencyjnych wyniósł 0.89% co świadczy o ogromnym potencjale fotogrametrii cyfrowej (metod dopasowania zdjęć) oraz analizy obrazu (OBIA; Object-Based Image Analysis). W aspekcie niemal całkowitego pokrycia kraju danymi ALS oraz blisko 70% udziału drzewostanów sosnowych w Lasach Państwowych można założyć szerokie wykorzystanie tych nieodpłatnie dostępnych geodanych w celu zbudowania modelu precyzyjnego leśnictwa dla obszaru całego kraju.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2016, 28; 137-156
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Aktualizacja mapy glebowo-rolniczej z wykorzystaniem klasyfikacji obiektowej (OBIA) zobrazowań teledetekcyjnych oraz analiz przestrzennych GIS
Update of the digital soil map using object based image analysis (OBIA) of remote sensing data and GIS spatial analyses
Autorzy:
Wężyk, P.
Pierzchalski, M.
Szafrańska, B.
Kortas, G.
Powiązania:
https://bibliotekanauki.pl/articles/129994.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
mapa glebowo-rolnicza
klasyfikacja obiektowa
OBIA
aktualizacja
analiza przestrzenna GIS
soil map
object-based image analysis
map up-date
spatial GIS analysis
Opis:
Aktualność map glebowo-rolniczych w Polsce sięga najczęściej lat sześćdziesiątych poprzedniego wieku, stąd wymagają one nie tylko konwersji z formy analogowej (papierowej) do cyfrowej, ale przede wszystkim weryfikacji treści w stosunku do rzeczywistych klas pokrycia i użytkowania terenu. Rozwój miast, wsi, dróg i innych inwestycji infrastrukturalnych, jaki nastąpił w minionych 50 latach oraz nasilenie się w ostatniej dekadzie procesów socjoekonomicznych skutkujących porzucaniem upraw rolnych i zajmowania tych terenów przez lasy, spowodował dużą dezaktualizację treści geometrycznej mapy glebowo-rolniczej. Przeprowadzenie weryfikacji treści geometrycznej mapy glebowo-rolniczej dla skali województwa małopolskiego wymagało zastosowania obiektowej klasyfikacji (OBIA, ang. Object Based Image Analysis) aktualnych zobrazowań teledetekcyjnych. Proces OBIA realizowano w oprogramowaniu eCognition Developer 8.64 (Trimble GeoSpatial). Należało go możliwie daleko zautomatyzować ze względu na dużą powierzchnię opracowania (ok. 15000 km2). Otrzymane wyniki skontrolowano na podstawie kilkuset powierzchni referencyjnych (wektoryzacja ekranowa dokonana przez operatora). Analizy przestrzenne GIS aktualizujące przebieg poligonów mapy glebowo-rolniczej o nowe powstałe obiekty zrealizowano w trybie wsadowym (Model Builder, Esri). Uzyskane wyniki wykazały, iż największe zmiany, tj. przyrost powierzchni (procentowo) zanotowano w przypadku klas: „Las” (Ls; +8.2%) oraz „Tereny zabudowane” (Tz; +6.3%), przy jednoczesnym ubytku wszystkich kompleksów (ID 1÷13) wykorzystywanych pod uprawy rolne o -10.5% (z czego -4.9% w rejonach górskich). Ubytek trwałych użytków zielonych (1z, 2z oraz 3z) na zaktualizowanej mapie glebowej oceniona na około (-4.2%). Zastosowane algorytmy weryfikacyjne oraz aktualizacyjne pozwalają stwierdzić, iż klasyfikacja obiektowa OBIA aktualnych zobrazowań teledetekcyjnych (satelitarnych i lotniczych) w połączeniu z daleko zautomatyzowanymi analizami przestrzennymi GIS może być wykorzystywana w procesie aktualizacji mapy glebowo-rolniczej.
The analogue soil maps (paper sheets; scale 1:5000) were made in Poland most likely in the 60-ties of XX century. Today, they need not only conversion from analogue form to digital (raster or vector) format but also quick and objective map revision. Soil maps become outdated and they don't represent actual land use or land cover (LULC). Rapid growth of cities and the country side development as well as infrastructure constructions have to be included in up-dated soil map. During the last 50 years in Małopolska Voivodeship, many hectares of arable land were abandoned and changed in natural way (succession) in to the class forest. In year 2010 the Marshal office of Małopolska Voivodeship decide to convert the archive of analogue soil map to shape file with connected database. In 2011 another project was started with main goal of up-date of the soil map (about 15 000 km2). The special work-flow of geoinformation technologies was used for fulfill this goal. Object Based Image Analysis (OBIA) meets the criteria for fast and accurate Land Use & Land Cover (LULC) classification method of the RapidEye (from years 2010/2011) high resolution satellite images. Application of this object based classification method, together with GIS analysis ensures very high degree of work automation. The results obtained shows, that the most changes in a land cover were observed in urban areas (Tz; +6.3%) and forests (Ls; + 8.2%). The area of all other agricultural used soil complexes decreased in the same time about -10.5% (in the mountainous areas approx. -4.9%). The class pastures and meadows also decrease during the last 50 years about -4.2%. This project demonstrates success story of using the modern GIS techniques to verify and update soil map of Małopolska Voivodeship based on the OBIA of RapidEye satellite imaginary and aerial orthophotomaps (RGB).
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 477-488
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wzmocnienie procesu klasyfikacji obiektowej wielospektralnych ortofotomap lotniczych danymi z lotniczego skanowania laserowego
Enhancing the obia classification of multispectral aerial orthoimages using airborne laser scanning data
Autorzy:
Wężyk, P.
Mlost, J.
Pierzchalski, M.
Wójtowicz-Nowakowska, A.
Szwed, P.
Powiązania:
https://bibliotekanauki.pl/articles/129858.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obiektowa
OBIA
ortofotomapa cyfrowa
lotniczy skaning laserowy
projekt ISOK
object-based image analysis
digital aerial orthophoto
Airborne Laser Scanning
ISOK
Opis:
Klasyfikacja obiektowa (OBIA, ang. Object Based Image Analysis) jest nowatorską metodą analizy zobrazowań teledetekcyjnych, w której homogeniczne obiekty (segmenty), na które podzielony został obraz (za pomocą specyficznych algorytmów) poddawane są klasyfikacji. Dotychczasowe projekty wykazały, iż OBIA przeprowadzana na wysokorozdzielczych i wielospektralnych lotniczych ortofotomapach cyfrowych, wspierana modelami wysokościowymi, prowadzi do uzyskania bardzo dokładnych wyników. Stosunkowo niewiele prac koncentruje się na określeniu wpływu produktów pochodnych chmury punktów lotniczego skanowania laserowego (ang. Airborne Laser Scanning), takich jak wartość: odchylenia standardowego wysokości, gęstości punktów czy intensywności odbicia, na poprawę wyników klasyfikacji OBIA. W prezentowanej pracy poddano ocenie wzmocnienie procesu klasyfikacji OBIA danymi ALS na podstawie dwóch transektów badawczych („A” oraz „B”) o powierzchni 3 km2, położonych w okolicach Włocławka. Celem końcowym procesu analizy OBIA było uzyskanie aktualnej mapy klas pokrycia terenu. W opracowaniu wykorzystano lotnicze ortofotomapy cyfrowe oraz dane z lotniczego skaningu laserowego, pozyskane na przełomie sierpnia I września 2010 roku. Na podstawie punktów danych ALS wygenerowano warstwy pochodne takie jak: liczba odbić, intensywność, odchylenie standardowe, jak również wygenerowano znormalizowany Numeryczny Modelu Powierzchni Terenu (zNMPT). W wariancie pierwszym „I” wykorzystano dane uzyskane wyłącznie w nalocie fotogrametrycznym, tj. wielospektralne ortofotomapy lotnicze (kamera Vexcel) oraz indeksy roślinności (w tym NDVI i in.). Wariant drugi prac ”II” zakładał wykorzystanie dodatkowo danych z lotniczego skaningu laserowego. Określona dokładność klasyfikacji OBIA wykonanej w oparciu o cyfrową ortofotomapę lotniczą wyniosła 91.6% dla transektu badawczego „A” oraz 93.1% dla transektu „B”. Użycie danych ALS spowodowało podniesienie dokładności ogólnej do poziomu 95.0% („A”) oraz 96.9% („B”). Praca wykazała, iż zastosowanie danych ALS podnosi dokładność klasyfikacji segmentów o bardzo zbliżonych właściwościach spektralnych (np. rozróżnienie powierzchni dużych, płaskich dachów budynków od parkingów czy klas roślinności niskiej od średniej i wysokiej. Wprowadzenie warstw pochodnych ALS do procesu segmentacji poprawia także kształt powstających obiektów a tym samym klas końcowych. Analiza „surowych” danych ALS w postaci plików w formacie LAS otwiera dodatkowe możliwości, których nie daje wykorzystywanie rastrowych warstw takich jak zNMPT. Pojawiająca się w nowej wersji oprogramowania eCognition (TRIMBLE) możliwość operowania segmentami przestrzennymi jeszcze te możliwości klasyfikacji podnosi. Niewątpliwie sporym problemem w integracji informacji spektralnej (ortoobraz) oraz geometrycznej (ALS) jest efekt rzutu środkowego skutkujący przesunięciami radialnymi dla wysokich obiektów leżących w znacznej odległości od punktu głównego zdjęcia.
Object Based Image Analysis (OBIA) is an innovative method of analyzing remote sensing data based not on the pixels, but on homogenous features (segments) generated by specific algorithms. OBIA based on high-resolution aerial orthophotography and powered by digital terrain models (nDSM) brings high accuracy analysis. Not many scientific papers brings implementation of ALS point cloud directly into OBIA image processing. Paper present study done on two test areas of approx. 3 km2, situated close to Wloclawek, representing different land use classes (transect “A” – urban area; transect “B” – rural and forest landscape). Geodata (digital aerial orthophotographs and Airborne Laser Scanning data) were captured almost at the same time (September 2010). Different raster layers were created from *. LAS file, like: intensity, number of returns, normalized elevation (nDSM). Two version (I and II) of OBIA classification were performed. First version (I) based only on aerial orthophotographs and different coefficients (like NDVI). Second variant of OBIA (wariant II) based additionally on ALS data. Total accuracy of variant I was 94.1% (transect “A”) and 92.6% (transect “B”). OBIA classification powered by ALS data provide to increase of the results up to 96.9% (transect “A”) and 95.0% (transect “B”) as well. Classification of objects with similar type of surface properties (like buildings and bare soil) was much better using ALS information. The ALS data improve also the shape of objects, that there are more realistic. Data fusion in OBIA processing brings new capabilities,. These capabilities are bigger thanks to processing based on 3-dimensional segments. The results of analysis would be more accurate, when orthoimages (“true ortho”) would be used, instead of standard orthophotographs. The running ISOK project in Poland will bring soon a huge data set (approx. 150 TB) of ALS and photogrammetry connected products. This situation requires suitable software to analyze it fast and accurate on the full automatic way. The OBIA classification seems to be a solution for such challenge.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 467-476
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda szacowania liczby drzew w drzewostanie sosnowym z wykorzystaniem danych ALS oraz ortoobrazów
Method of the tree number estimation in the pine stand using ALS data and true orthoimages
Autorzy:
Wężyk, P.
Tompalski, P.
de Kok, R.
Szostak, M.
Kukawski, M.
Powiązania:
https://bibliotekanauki.pl/articles/1008999.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Leśne
Tematy:
lesnictwo
drzewostany sosnowe
liczba drzew
drzewa lesne
rozmieszczenie przestrzenne
metody badan
lotniczy skaning laserowy
Numeryczny Model Koron
klasyfikacja obiektowa
obrazy wielospektralne
integracja danych
number of trees
tree density
airborne laser scanning
true orthoimage
Opis:
Paper presents a method of estimation the number of trees and their density in Scots pine (Pinus sylvestris L.) stand based on airborne laser scanning data (ALS cloud point) and pas−sive line scanner (true orthoimage RGB/NIR). The analysis was performed on selected part of a 107−year−old stand in the Milicz Forest District (Poland). On−screen digitised shapes and centroid of crowns were used as a reference data (number of trees). Different approaches were applied for automatically determine the number of trees and their positions. The first approach, called ‘GIS watershed', was based on the canopy modelling of the ALS cloud point data. The other one, called ‘OBIA', was based on segmentation and classification of the true orthoimage (CIR). The third method – ‘data fusion' – was an integrated approach of the previous methods.. Different GIS spatial analyses were used to compare the results from all ap−proaches with the reference data. The results indicate that both datasets (ALS cloud point and true orthoimage) can be used for estimation of the number of trees in old Scots pine stand.
Źródło:
Sylwan; 2010, 154, 11; 773-782
0039-7660
Pojawia się w:
Sylwan
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mapa zmian pokrycia terenu małopolski 1986-2011 wykonana w oparciu o klasyfikację obiektową obrazów satelitarnych Landsat oraz RapidEye
Map of land use / land cover changes in malopolska voivodeship in 1986-2010 created by object based image analysis of Landsat and RapidEye satellite images
Autorzy:
Wężyk, P.
Wójtowicz-Nowakowska, A.
Pierzchalski, M.
Mlost, J.
Szafrańska, B.
Powiązania:
https://bibliotekanauki.pl/articles/130712.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obiektowa
OBIA
Landsat
RapidEye
użytkowanie terenu
pokrycie terenu
analiza przestrzenna
GIS
segmentacja
object-oriented classification
land use
land cover
spatial analysis
temporal analysis
segmenatation
Opis:
Changes in land use / land cover are the result of interaction between natural processes and human activity. Using GIS analysis to estimate the dynamic of these changes we can detect former trends and their simulation in the future. Diagnosed directions of changes can be used e.g. to create local plans of spatial management or region growth policy. Main goal of this study was to diagnose main trends of changes in land use / land cover in Malopolska voivodeship in last 25 years (1986-2010). Results were shown as statistics and map compositions. Project was created based on RapidEye and LANDSAT 5 TM satellite data and aerial imagery from 2009-2010. The best way to process huge amount and various data was to use Object Based Image Analysis (OBIA). As the results of classification we received 10 classes of land use for both terms of analyses (1986-1987 and 2009-2010). Identified classes were: bare soil, grass-covered areas, urban areas, rivers and watercourses, coniferous forest, leaf forest, peatbog, and other areas. Results show, that especially 2 classes arisen much: forest (4.39%) and urban areas (2.40%), mostly at the expanse of agricultural (-3.60%) and grass-covered areas (-1.18%). Based on results we can say, that changes detected in past 25 years in Malopolska region, which we can also notice today, agree with general trends of landscape changes, that we can observe in Poland for the last 3 decades. These general changes are: renewed succession of forest on areas where agricultural production discontinued; also intense development of road infrastructure. Object Based Image Analysis allowed to realize these study for area of more than 15 000 km2 for only a few weeks.
Zmiany pokrycia terenu i użytkowania ziemi są rezultatem wzajemnego oddziaływania na siebie złożonych procesów przyrodniczych oraz społeczno-ekonomicznych. Analizy przestrzenne GIS dynamiki tych zmian umożliwiają wykrycie występujących w przeszłości trendów i procesów oraz ich symulację dla nadchodzącego okresu. Zdiagnozowane kierunki przemian krajobrazu mogą zostać wykorzystane m.in. przy tworzeniu lokalnych planów zagospodarowania przestrzennego, czy generalnie kreowaniu polityki rozwoju regionów. Celem prezentowanego opracowania było zdiagnozowanie głównych trendów przemian pokrycia terenu województwa małopolskiego na przestrzeni ostatnich dwudziestu pięciu lat (19862011) oraz ich statystyczne i graficzne zaprezentowanie w postaci kompilacji map numerycznych. Projekt wykonano w oparciu o dane teledetekcyjne: zobrazowania satelitarne RapidEye i LANDSAT TM oraz lotnicze ortofotomapy (PZGiK) z lat 2009 - 2010. Duża ilość i różnorodność danych wymusiła zastosowanie obiektowego przetwarzania danych teledetekcyjnych, tj. klasyfikacji OBIA (ang. Object Based Image Analysis). W wyniku przeprowadzanej klasyfikacji otrzymano 10 klas pokrycia i użytkowania terenu dla dwóch terminów badawczych (1986-87 oraz 2010-11), tj.: grunty orne, użytki zielone, tereny zurbanizowane, rzeki i cieki, zbiorniki wodne, lasy iglaste, lasy liściaste, zadrzewienia i zakrzewienia, tereny różne oraz torfowiska. Wykazano, iż na obszarze Małopolski wystąpiło znaczne zwiększenie powierzchni lasów (wzrost o 4.4%) oraz terenów zurbanizowanych (wzrost o 2.4%), głównie kosztem powierzchni gruntów rolnych (ubytek o 3.6%) oraz trwałych użytków zielonych (ubytek o 1.2%). Otrzymane wyniki pozwoliły wysunąć wniosek, iż zmiany jakie zachodziły w przeciągu 25 lat oraz te, z którymi wciąż mamy do czynienia w województwie małopolskim, pokrywają się z ogólnymi kierunkami i trendami przemian krajobrazu obserwowanymi w Polsce w ostatnich trzech dekadach, tj. procesami sukcesji wtórnej zbiorowisk leśnych na gruntach, na których zaprzestano produkcji rolnej oraz związanych z inwestycjami infrastruktury drogowej i kolejowej. Zastosowanie automatycznej klasyfikacji obiektowej oraz analiz przestrzennych GIS pozwoliło na realizację opracowania dla obszaru ponad 15.000 km2 w ciągu zaledwie kilku tygodni.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 273-284
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
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