Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Classification of Tundra Vegetation in the Krkonose Mts. National Park Using APEX, AISA Dual and Sentinel-2A Data

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11310%2F17%3A10361541" target="_blank" >RIV/00216208:11310/17:10361541 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1080/22797254.2017.1274573" target="_blank" >http://dx.doi.org/10.1080/22797254.2017.1274573</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1080/22797254.2017.1274573" target="_blank" >10.1080/22797254.2017.1274573</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Classification of Tundra Vegetation in the Krkonose Mts. National Park Using APEX, AISA Dual and Sentinel-2A Data

  • Popis výsledku v původním jazyce

    The aim of this study was to evaluate and compare suitability of aerial hyperspectral data (AISA Dual and APEX sensors) and Sentinel-2A data for classification of tundra vegetation cover in the Krkonose Mts. National Park. We compared classification results (accuracy, maps) of pixel-based (Maximum Likelihood, Suport Vector Machine and Neural Net) and object-based approaches. The best classification results (overall accuracy 84.3%, Kappa coefficient = 0.81) were achieved for AISA Dual data using per-pixel SVM classifier for 40 PCA bands. The best classification results of APEX though were only 1.7 percentage points lower. To get comparable results for Sentinel-2A classification legend had to be simplified. With the simplified legend the accuracy using MLC classifier reached 77.7%.

  • Název v anglickém jazyce

    Classification of Tundra Vegetation in the Krkonose Mts. National Park Using APEX, AISA Dual and Sentinel-2A Data

  • Popis výsledku anglicky

    The aim of this study was to evaluate and compare suitability of aerial hyperspectral data (AISA Dual and APEX sensors) and Sentinel-2A data for classification of tundra vegetation cover in the Krkonose Mts. National Park. We compared classification results (accuracy, maps) of pixel-based (Maximum Likelihood, Suport Vector Machine and Neural Net) and object-based approaches. The best classification results (overall accuracy 84.3%, Kappa coefficient = 0.81) were achieved for AISA Dual data using per-pixel SVM classifier for 40 PCA bands. The best classification results of APEX though were only 1.7 percentage points lower. To get comparable results for Sentinel-2A classification legend had to be simplified. With the simplified legend the accuracy using MLC classifier reached 77.7%.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10508 - Physical geography

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LO1417" target="_blank" >LO1417: Centrum experimentální biologie rostlin UK</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Europen Journal of Remote Sensing [online]

  • ISSN

    2279-7254

  • e-ISSN

  • Svazek periodika

    50

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    IT - Italská republika

  • Počet stran výsledku

    18

  • Strana od-do

    29-46

  • Kód UT WoS článku

    000405204300003

  • EID výsledku v databázi Scopus