Temat: obiekty topograficzne - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Wykorzystanie bazy danych obiektów topograficznych w systemie „Ogólnodostępna Platforma Informacji – tereny poprzemysłowe” jako komponentu Regionalnego Systemu Informacji Przestrzennej
Using topographic objects database to establish the system “Generally accessible information platform -postindustrial areas” as a komponent of the Regional Spatial Information System
Autorzy:: Bondaruk, J
Zawartka, P
Powiązania:: https://bibliotekanauki.pl/articles/346518.pdf
Data publikacji:: 2012
Wydawca:: Polskie Towarzystwo Informacji Przestrzennej
Tematy:: systemy informacji przestrzennej
tereny poprzemysłowe
antropopresja
baza danych
obiekty topograficzne
spatial information systems
post-industrial areas
anthropopressure
database
topographic objects
Opis:: Systemy informacji przestrzennej (SIP) są w ostatnich latach jednym z najszybciej rozwijających się obszarów aktywności badawczej i wdrożeniowej. Regulacje wprowadzone dyrektywą INSPIRE dają ogromne możliwości wielodziedzinowego zastosowania SIP. Służą one obecnie już nie tylko do digitalizacji i wizualizacji, ale coraz częściej są rozbudowanym narzędziem wsparcia w procesach decyzyjnych obejmujących szerokie spektrum zagadnień. Do tego typu systemów informacji przestrzennej należy OPI-TPP, który będzie docelowo zapewniał ciągłość i aktualność danych o terenach poprzemysłowych i zdegradowanych oraz poszczególnych elementach środowiska, stając się bogatym źródłem informacji regionalnej. Podstawowym źródłem danych dla systemu OPI-TPP będzie Baza Danych Obiektów Topograficznych (BDOT) – wysokiej jakości prezentacji kartograficznych (w szczególności map topograficznych). Zadaniem BDOT jest zasilanie aktualnymi, wysokiej jakości danymi topograficznymi budowanych przez administrację, samorządy i instytucje publiczne. System OPI-TPP, w postaci portalu dziedzinowego, zostanie docelowo zaimplementowany na regionalnym portalu ORSIP. Kluczowym elementem systemu jest jego powiązanie z innymi zasobami danych przestrzennych oraz źródeł informacji, tworzącymi zintegrowany regionalny węzeł informacji przestrzennej zgodny z wytycznymi syrektywy INSPIRE i przepisami implementacyjnymi.
In recent years, Spatial Information Systems (SIP) are one of rapidly growing areas of research and implementation activities. Regulations introduced by the INSPIRE Directive offer tremendous opportunities for SIP multidisciplinary application. They are used today not only for digitization and visualization of reality, but they are more and more frequently a complex tool supporting decision-making processes covering a broad spectrum of issues. The OPI-TPP system is a spatial information system, which will ultimately provide quality of data on post-industrial and degraded areas becoming a comprehensive source of regional information. The primary source of data for the system will be Topographic Objects Data Base (BDOT). Its task is to supply current, high-quality topographic data produced by public administration and institutions. The OPI-TPP system, in the form of thematic geoportal, will be ultimately implemented at the regional portal ORSIP. A key element of the system is its interconnectivity with other spatial data resources, and information sources that make up an integrated regional node of spatial information in accordance with the guidelines of the INSPIRE Directive and its implementing rules.
Źródło:: Roczniki Geomatyki; 2012, 10, 6; 27-41
1731-5522
2449-8963
Pojawia się w:: Roczniki Geomatyki
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Analiza możliwości automatycznej detekcji obiektów topograficznych na zdjęciach lotniczych i satelitarnych VHR
Analysis of the possibility of automatic detection of topographic objects in aerial and satellite images of the VHR
Autorzy:: Pluto-Kossakowska, Joanna
Kamiński, Michał
Powiązania:: https://bibliotekanauki.pl/articles/2058369.pdf
Data publikacji:: 2022
Wydawca:: Polskie Towarzystwo Geograficzne
Tematy:: uczenie maszynowe
klasyfikacja obrazów
obiekty topograficzne
machine learning
image classification
topographical objects
Opis:: W artykule podjęto temat uczenia maszynowego w rozpoznawaniu obiektów topograficznych na zdjęciach lotniczych i satelitarnych VHR ze szczególnym uwzględnieniem Bazy Danych Obiektów Topograficznych BDOT10k. Celem prac badawczych było przetestowanie trzech algorytmów klasyfikacji nadzorowanej do automatycznej detekcji wybranych klas obiektów topograficznych, m.in.: budynków, betonowych oraz asfaltowych elementów szarej infrastruktury (drogi, chodniki, place), wód powierzchniowych, lasów, terenów zadrzewionych i zakrzewionych, terenów o niskiej roślinności oraz gleby odkrytej (grunty nieużytkowane, wyrobiska). Przeanalizowano trzy powszechnie stosowane klasyfikatory: Maximum Likelihood, Support Vector Machine oraz Random Trees pod kątem różnych parametrów wejściowych. Wynikiem przeprowadzonych badań jest ocena ich skuteczności w detekcji poszczególnych klas oraz ocena przydatności wyników klasyfikacji do aktualizacji bazy danych BDOT10k. Badania zostały przeprowadzone dla zdjęcia satelitarnego WorldView-2 o rozdzielczości przestrzennej 0,46 m oraz ortofotomapy ze zdjęć lotniczych o dokładności przestrzennej 0,08 m. Wyniki badań wskazują na to, że wykorzystanie różnych klasyfikatorów uczenia maszynowego oraz danych źródłowych wpływa nieznacznie na wynik klasyfikacji. Ogólne statystyki dokładności wskazują, że całościowo klasyfikacja z wykorzystaniem zdjęć satelitarnych dała nieco lepsze rezultaty o kilka punktów procentowych w granicach 76-81%, a dla zdjęć lotniczych 75-78%. Natomiast dla niektórych klas miara statystyczna F1 przekracza wartość 0,9. Testowane algorytmy uczenia maszynowego dają bardzo dobre rezultaty w identyfikacji wybranych obiektów topograficznych, ale nie można jeszcze mówić o bezpośredniej aktualizacji BDOT10k.
The article deals with the topic of machine learning (ML) in the recognition of topographic objects in aerial and satellite VHR image, with particular emphasis on the Topographic Objects Database (BDOT10k). The aim of the research work was to test three supervised classification algorithms for automatic detection of selected classes of topographic objects, including: buildings, concrete and asphalt elements of grey infrastructure (roads, pavements, squares), surface waters, forests, wooded and bushy areas, areas with low vegetation and uncovered soil (unused lands or excavations). Three commonly used classifiers were analysed: Maximum Likelihood, Support Vector Machine and Random Trees for different input parameters. The result of the research is the assessment of their effectiveness in the detection of individual classes and the assessment of the suitability of the classification results for updating the BDOT10k database. The research was carried out for the WorldView-2 satellite image with a spatial resolution of 0.46 m and orthophotos from aerial images with a spatial resolution of 0.08 m. The research results indicate that the use of different ML classifiers and source data slightly affects the classification result. Overall accuracy statistics show that the classification using satellite images gave slightly better results by a few percentage points in the range from 76% to 81%, and for aerial photos from 75% to 78%. However, for some classes the statistical measure F1 exceeds 0.9 value. The tested ML algorithms give very good results in identifying selected topographic objects, but it is not yet possible to directly update topographical database.
Źródło:: Teledetekcja Środowiska; 2022, 62; 5-15
1644-6380
Pojawia się w:: Teledetekcja Środowiska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "obiekty topograficzne" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język