Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

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

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Aktualizacja baz danych SILP oraz leśnej mapy numerycznej w oparciu o dane z lotniczego skaningu laserowego
    Updating SILP and digital forest map data bases using airborne laser scanning
    Autorzy:
    Wężyk, P.
    Szostak, M.
    Tompalski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/131120.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    SILP
    LMN
    lotniczy skaning laserowy
    NMT
    NMPT
    inwentaryzacja lasu
    ALS
    DTM
    DSM
    forest inventory
    Opis:
    Celem pracy było zaimplementowanie danych pozyskanych technologią lotniczego skaningu laserowego (ALS) w zautomatyzowanej procedurze aktualizacji granic pododdziałów, tj. przebiegu wektorów obiektów podstawowych Leśnej Mapy Numerycznej (LMN) oraz weryfikacji atrybutu wysokości drzewostanów, zapisanej w bazie danych Systemu Informatycznego Lasów Państwowych (SILP). Obiektami testowymi były obręby w Nadleśnictwach Milicz (Milicz) i Chojna (Piasek). Obszar badań w każdym z obrębów obejmował ok. 6 000 ha lasów, z czego blisko 80% stanowiły drzewostany sosnowe. Prace rozpoczęto od aktualizacji przebiegu granic wektora (SHAPE) pododdziałów zapisanych w bazie geometrycznej LMN w oparciu o modele generowane z chmury punktów ALS oraz obraz cyfrowej ortofotomapy. Następnie przeprowadzono aktualizację atrybutowej bazy danych SILP/LAS. Określenie wysokości całego drzewostanu oparto na powierzchni pododdziału z wyłączeniem luk, wykorzystując analizę chmury punktów ALS, tj. 95 percentyl. W celu porównania wyników do danych referencyjnych zbieranych metodami tradycyjnymi (SILP), wygenerowano modele rastrowe (GRID) wysokości drzewostanów określone metodą ALS (HALS) oraz HSILP. W obu obrębach stwierdzono zaniżenie wartości wysokości z bazy SILP/LAS. Średnia różnica (HDiff) wyznaczenia wysokości metodą ALS w stosunku do SILP wyniosła dla obrębu Piasek i Milicz, przy uwzględnieniu znaków odchyłek, odpowiednio +0.9 m oraz +2.3 m, natomiast w przypadku wartości bezwzględnych 2.1 m oraz 3.2 m. Ustalono, że zasadniczą rolę w wartości błędu odegrały licznie występujące drzewostany młodszych klas wieku.
    Automatic processing of remotely sensed data, like ALS point clouds, is crucial for modern economy, including forestry. The aim of the study was to develop automated procedures for digital forest map (LMN) revision and automated verification of the attributes (height) stored in the forest descriptive database (SILP), both based on airborne laser scanner datasets. The study areas were the Piasek (Chojna) and Milicz management forest districts, covering about 6,000 ha (80% Scots pine stands). The workflow of verifying and updating a digital map started with updating the compartment borders, which was based on nDSM (created from classified point cloud) and digital ortophoto (RGB+NIR) as well. The developed method, based on normalized ALS point cloud and GIS analysis, provided instant possibility for compartment border update, revealing additional objects like gaps or tree biogroups. The total area of automatically detected objects was around 15% lower when compared to the reference data for Chojna forest district and 10% higher regarding Milicz forest district. Around 84.0% and 85.5% of the gaps matched the reference for Chojna and Milicz forest districts, respectively. A method based on point cloud distribution (95th percentile) within compartment borders to assess its height was presented in the study. The results were compared to a height model (GRID) generated from descriptive database. For both the study areas the height stored in SILP database was lower than the height value derived from ALS data. The difference was equal to +0.9 m (Chojna; absolute difference 2.1 m) and +2.3 m (Milicz; absolute difference 3.2 m). When the stand area was used as a weight in the difference calculation, the difference values (HDiff) changed to +0.6 m (Chojna; absolute difference1.5 m) and +2.4 m (Milicz; absolute difference 2.7 m). Concerning the deciduous stands, the difference was higher (~+1 m) than for the Scots pine stands. The analysis performed confirms the possibility of using airborne laser scanning for geometrical (LMN) and descriptive (SILP/height) database updating. Periodical stand monitoring based on ALS technology can guarantee keeping the databases up to date without the necessity of costly and time consuming field measurements.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 437-446
    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:
    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
      Wyświetlanie 1-3 z 3

      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