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 "landsat" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Znaczenie rozdzielczości spektralnej zdjęć Landsat ETM+ w identyfikacji łąk o różnym uwilgotnieniu i użytkowaniu
    Autorzy:
    Kosiński, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/129761.pdf
    Data publikacji:
    2004
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    rozdzielczość spektralna
    LANDSAT ETM+
    łąka
    spectrum resolution
    meadow
    Opis:
    Oceniono wpływ rozdzielczości spektralnej zdjęć Landsata ETM+ na możliwość identyfikacji łąk1 różniących się uwilgotnieniem i użytkowaniem. Materiał do badań pozyskano z dwóch (traktowanych łącznie) zdjęć, wykonanych na początku maja i w październiku. Na podstawie analizy wizualmej ustalono, że spośród kanałów spektralnych najlepsze zobrazowanie tworzą kanały 3 i 4. Porównano informację pozyskaną z kanałów 4 i 3 z informacją zawartą w kanale 8 i sumie kanałów widzialnych. Analizę porównawczą wykonano na podstawie klastrów dwuwymiarowych histogramów reprezentujących zidentyfikowane w terenie kategorie łąk. Okazało się, że bazując na kanałach 3 i 4, jak również przy użyciu sumy kanałów widzialnych oraz kanału 8 uzyskano podobny wynik. W obu przypadkach wyodrębnieniono pięć kategorii łąk: łąki mokre, silnie wilgotne użytkowane, pozostałe łąki użytkowane, łąki nieużytkowane z innych przyczyn niż uwilgotnienie oraz łąki suche łącznie z samozadarnieniami poornymi
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2004, 14; 1-9
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Próba rozpoznania ekologicznych i produkcyjnych siedlisk łąkowych na podstawie sezonowej zmienności charakterystyk spektralnych i tekstury zarejestrowanych na zdjęciach satelitów Landsat
    An attempt to identify ecological and productive meadow habitats on the basis of seasonal variation of spectral characteristics and texture registered on Landsat images
    Autorzy:
    Kosiński, K.
    Hoffmann-Niedek, A.
    Kozłowska, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/345815.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Tematy:
    siedliska łąkowe
    charakterystyki spektralne
    tekstura
    Landsat
    meadow habitats
    spectral characteristics
    texture
    Opis:
    Walory ekologiczne użytków zielonych zależą w znacznej mierze od ich uwilgotnienia (Kozłowska, 2005). Do rozpoznawania uwilgotnienia siedlisk w teledetekcji użytków zielonych wykorzystuje się różnice tonalne (Witek, Ochalska, 1968). W analizach wilgotnościowych obok zakresu widzialnego wykorzystuje się bliską i średnią podczerwień (Klaus et al., 2012; Remm, 2004). Podejmowane są próby zastosowania wskaźnika NDVI do szacowania biomasy (Kozłowska i in., 2000) oraz badania uwilgotnienia i jego zmian (Kozłowska et al., 2004, Miatkowski i in., 2006; Kosiński, Hoffmann-Niedek, 2008; Martinez, Ramil, Chuvieco, 2010). Wykorzystuje się cechy strukturalne obrazu, rozpatrywane na różnych poziomach rozdzielczości przestrzennej (Osinski, 2003; Schellberg et al., 2008). W monitoringu satelitarnym użytków zielonych z rozróżnieniem różnych form wilgotnościowych wykorzystuje się wieloczasowe dane spektralne (Debinski, Jakubauskas, Kindscher, 2000; Wang, Tenhunen, 2004). Dużą wagę przywiązuje się do terminów kwietniowych i majowych (przed pierwszym pokosem) oraz wrześniowych, po trzecim pokosie (Kozłowska, Rogowski, 1991, Weiers et al., 2004; Miatkowski i in., 2006; Kosiński, Hoffmann-Nie dek, 2008). Do rozpoznawania użytków zielonych wykorzystuje się również zobrazowania dwuczasowe zarejestrowane w odstępie wieloletnim (Kosiński, Hoffmann-Niedek, 2008). Na dwóch zdjęciach wykonanych w czternastoletnim odstępie w tej samej porze roku (początek maja), wzmocnionych spektralnie (NDVI), temporalnie (ilorazowy wskaźnik zmian NDVI) i przestrzennie (wskaźnik struktury pasowej obliczany z zastosowaniem zespołu filtrów kierunkowych), wydzielono siedliska produkcyjne i nieprodukcyjne (ekologiczne). Zastosowanie wskaźnika struktury pasowej pozwoliło oddzielić grądy zubożałe suche od spontanicznych samozadarnień poornych na siedliskach żyźniejszych i korzystniej uwilgotnionych. Celem niniejszej pracy jest analiza znaczenia zmienności sezonowej cech spektralnych i strukturalnych w identyfikacji siedlisk łąkowych. Podjęto próbę odpowiedzi na pytanie: jak wielu charakterystyk trzeba użyć, aby możliwe było wydzielenie podstawowych kategorii siedliskowych. Hipoteza robocza. Zmienność sezonowa jednej charakterystyki na zobrazowaniach satelitów serii Landsat pozwala odróżnić siedliska produkcyjne od ekologicznych. Problem. Wybór metody filtracji kierunkowej do obliczenia wskaźnika struktury pasowej: filtracja czterokierunkowa (Kosiński, Kozłowska, 2003; Kozłowska i in., 2004; Acharyya, Kundu, 2001), filtracja dwunastokierunkowa (Kosiński, 2007). Z uwagi na większą rozdzielczość kątową filtracji dwunastokierunkowej postawiono pomocniczą hipotezę, w myśl której ta właśnie filtracja powinna dać lepsze efekty od filtracji czterokierunkowej.
    The aim of this research was to verify the significance of spectral and textural seasonal changes for distinguishing. grassland habitats. The two main groups of habitats were studied according to water conditions: ecological and productive grasslands. The two Landsat ETM+ images were used, acquired in May 1 and September 10th Seasonal changes of spectral (ETM3,4,5) and panchromatic (ETM8) bands were calculated as well as, normalized differential indexes (NDVI and ND(5,3) = (ETM5 - ETM3)/(ETM5 + ETM3), textural indexes, obtained by multidirectional filtering (four directional (SSI4) and twelve-directional (SSI12) strip structure indexes. The ETM4 band proved to be the only characteristic statistically significant for distinguishing grassland habitats. Seasonal changes in ETM4 band allow to distinguish ecological grasslands with full producer accuracy. However, due to low user accuracy (30%) terrain verification or further classification is needed using additional characteristics.
    Źródło:
    Roczniki Geomatyki; 2012, 10, 2; 37-43
    1731-5522
    2449-8963
    Pojawia się w:
    Roczniki Geomatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja obiektowa użytków zielonych z wykorzystaniem wieloletnich zmian NDVI i filtracji kierunkowych obrazu satelitarnego
    Object grassland classification using multi-year NDVI changes and directional filtering of satellite image
    Autorzy:
    Kosiński, K.
    Hoffmann-Niedek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/130960.pdf
    Data publikacji:
    2008
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    użytki zielone
    klasyfikacja obiektowa
    NDVI
    filtracja kierunkowa
    Landsat
    grassland
    object classification
    directional filtering
    Opis:
    W artykule przedstawiono algorytm półautomatycznej klasyfikacji obiektowej kompleksów krajobrazowo-roślinnych użytków zielonych na podstawie dwóch zobrazowań satelitów serii Landsat, wykonanych w odstępie 17 lat. NDVI z dwóch terminów, wskaźnik wieloletnich zmian NDVI oraz wskaźnik struktury pasowej wykorzystano do wydzielenia użytków zielonych spośród innych form użytkowania. Przedstawiono mapę poklasyfikacyjną okolic Bełchatowa. Wyróżniono 5 kategorii użytków zielonych.
    Semi-automated object classification of grasslands is presented. Landscape-vegetation complexes were distinguished on panchromatic data composites of two Landsat ETM+ images registered on 1999-09-10 and 2001-05-01. Bitemporal spectral data were used for classification. Two Landsat images were used: TM, 19870503 and 2001-05-01. Four indices were calculated: NDVI 1987-05-03, NDVI 2001-05-01, wzNDVI87/01 (NDVI change index), and WSP (strip structure index). The analysis confirmed the hypothesis that meadows may be distinguished from arable lands and from formerly arable sods after directional filtering of the index of multi-year NDVI change. Cluster analysis was performed to classify landscape-vegetation complexes. The full algorithm is described. Some errors found during terrain verification are discussed. A postclassification map of the Bełchatów environs (central Poland) was developed. Five grassland categories were distinguished.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2008, 18a; 273-282
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ocena możliwości identyfikacji łąk produkcyjnych i ekologicznych z wykorzystaniem pojedynczego zdjęcia satelity Landsat
    An asessment of the possibility of identyfying productive and ecological meadows from a single Landsat image
    Autorzy:
    Kosiński, K.
    Hoffmann-Niedek, A.
    Kozłowska, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/338172.pdf
    Data publikacji:
    2012
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    klasyfikacja
    Landsat
    siedliska ekologiczne
    siedliska produkcyjne
    użytki zielone
    classification
    ecological habitats
    grasslands
    productive habitats
    Opis:
    W artykule przedstawiono możliwości identyfikacji produkcyjnych i ekologicznych siedlisk łąkowych na pojedynczym zdjęciu Landsat ETM+. Analizowano niezależnie dwa zdjęcia, pozyskane 10 września 1999 i 1 maja 2001 r. Podjęto próbę rozróżnienia siedlisk na podstawie par charakterystyk: kanałów spektralnych (ETM 3, 4, 5), kanału panchromatycznego (ETM8) i wskaźników różnicowych (NDVI - wskaźnik różnicowy obliczony z kanałów ETM4 i ETM3; ND(3,5) - wskaźnik różnicowy obliczony z kanałów ETM5 i ETM3), uzyskanych niezależnie z dwóch zdjęć. Z kategorią siedliskową związane są trzy pary charakterystyk obliczonych dla początku maja: ETM3 i NDVI, ETM4 i ETM5, jak również NDVI i ND(3,5). Jednak błędy klasyfikacji okazały się zbyt duże. Na zdjęciu wrześniowym nie stwierdzono różnic pomiędzy siedliskami w żadnej z par charakterystyk. Nie wyklucza to możliwości klasyfikacji siedlisk w trybie analizy wieloczynnikowej.
    The paper presents possibilities of identification of productive and ecological meadows on a single Landsat ETM+ image. Two images acquired on 10 September 1999 and 1 May 2001 were analyzed independently. Attempt was undertaken to distinguish habitats based on the following pairs of characteristics: spectral channels (ETM 3, 4, 5), panchromatic channel (ETM8) and differential indexes (NDVI, ND(3,5)) obtained from each of the images separately. Three pairs of characteristics are correlated with the habitat category obtained at the beginning of May: ETM3 vs NDVI, ETM4 vs ETM5 and NDVI vs ND(3.5). However, classification errors were far too high. In the image obtained in September, there were no differences between the habitats in any pair of characteristics. However, the possibility of classification of habitats in the multivariate analysis mode is still not excluded.
    Źródło:
    Woda-Środowisko-Obszary Wiejskie; 2012, 12, 1; 71-82
    1642-8145
    Pojawia się w:
    Woda-Środowisko-Obszary Wiejskie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Znaczenie pola powierzchni i długości obiektów w półautomatycznej klasyfikacji obiektowej użytków zielonych na zdjęciach satelitów serii LANDSAT
    The influence of area and length of objects in semi-automated object classification of grasslands on LANDSAT images
    Autorzy:
    Kosiński, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/132243.pdf
    Data publikacji:
    2009
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    użytki zielone
    teledetekcja
    Landsat
    wielkość
    kształt
    uwilgotnienie
    siedlisko
    klasyfikacja
    sztuczne sieci neuronowe
    grasslands
    remote sensing
    size
    shape
    habitat
    humidity
    object
    classification
    artificial neural network
    Opis:
    Semi-automatic method for object classification of the grassland procedure involves two stages: 1) the creation of image segments as a representation of natural spatial complexes, 2) classification of the segments. So far, the classification algorithms were used refer to the three categories of characteristics: spectral, panchromatic or geometric. In the first stage of the work segmentation were performed of the composition of the two satellite images Landsat7 acquired at different seasons of the year: in September 1999 and the beginning of May 2001. Panchromatic data were used for distinguishing complexes due to the greater (in comparison with spectral data) spatial resolution. In the area of grasslands landscape-vegetation complexes (Matuszkiewicz, 1990, Kosiński, Hoffmann -Niedek, Zawiła, 2006) were distinguished of approximately a hundred to a few hundred meters in length and of about 20 ÷ 200 panchromatic image pixels. Semi-automated delimitation of complexes were carried out under the visual control, using as auxiliary material aerial photographs and topographic maps. In the second stage (classification of segments) an attempt were taken to assess the suitability of selected geometrical features to distinguish grasslands in use (currently or potentially) from grasslands unfit for production use due to excessive or insufficient moisture. The classification algorithm used GIS tools for measuring area and length of segments and artificial neural networks as a tool for classification. The previous studies of the Piotrkowska Plain show that the complexes of meadows used differ from those abandoned in terms of size and shape of objects (Kosiński, Hoffmann- Niedek, 2006, Fig. 1). Hypothesis that area and length of the landscape -vegetation complex are cues of identification in relation to the use and moisture of grasslands. 43 complexes of the grassland have been established as training samples on the Piotrkowska Plain in the Pilsia valley. In order to avoid overfitting classification algorithm to data from the Piotrkowska Plain, in order to allow the application of the algorithm for another mezoregionu 10 complexes have been selected as a validation set in the Szczercowska valley. To evaluate the classification results 32 complexes have been collected from Szczercowska Basin (test set). All treining set objects were described in terrein. Validation and test set objects were classified by a more accurate metod (based on biteporal image: Kosiński, Hoffmann -Niedek, 2008) and checked at random in the field. Objects of learning, validation and test set have been grouped into five categories according to use and habitat moisture (Kosiński, Hoffmann -Niedek, 2008; Table 1). For learning neural networks fife categories of objects of the learning and validation set were generalised into the three classes. In the Szczercowska Valley combination of characteristics (area and length) of the abandoned complexes is more close to the meadows in use than on the Piotrkowska Plain (Table 2). Therefore, the classification algorithm of the Piotrkowska Plain can not be directly applied to Szczercowska Basin. To obtain the correct result of classification, the classes of test set has been interpreted differently than in the learning and validation sets (Table 3, Figure 2). In the test sample 3/4 of the 23 complexes of meadows potentially used were classified correctly, while of nine abandoned ones due to unfavorable moisture habitats correctly classified 2/3. Thus confirmed the working hypothesis. Application of artificial neural networks can cancel the designation of non parametric empirical indicators of the size and shape of the complexes (Fig. 1). Neural networks auto-uwilgotmatically builds a morpfometric model based on simple indicators such as area and length of the object. Two model types of artificial neural network have been tested: 1) multilayer perceptrons (MLP) wich use hyperplanes to divide up feature space, 2) radial basis function network (RBF) wich use hyperspheres. MLP networks have proved to be more suitable to build the model than the RBF network.
    Źródło:
    Teledetekcja Środowiska; 2009, 42; 35-41
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    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