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 SELECTED CORINE CLASSES USING SENTINEL-2 DATA

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F22%3A00360179" target="_blank" >RIV/68407700:21110/22:00360179 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.5194/isprs-archives-XLIII-B3-2022-175-2022" target="_blank" >http://dx.doi.org/10.5194/isprs-archives-XLIII-B3-2022-175-2022</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.5194/isprs-archives-XLIII-B3-2022-175-2022" target="_blank" >10.5194/isprs-archives-XLIII-B3-2022-175-2022</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    CLASSIFICATION OF SELECTED CORINE CLASSES USING SENTINEL-2 DATA

  • Popis výsledku v původním jazyce

    The paper aims to classify arable land, pastures, and natural grassland CORINE land cover classes that share a similar spectral response. The classification was based on various phenology phases and elevation information of the study areas using a multitemporal and multisource approach. Machine learning was used to obtain high accuracy results. The proposed method combines Sentinel-2 and CORINE data, the Random Forest method, and open source tools.

  • Název v anglickém jazyce

    CLASSIFICATION OF SELECTED CORINE CLASSES USING SENTINEL-2 DATA

  • Popis výsledku anglicky

    The paper aims to classify arable land, pastures, and natural grassland CORINE land cover classes that share a similar spectral response. The classification was based on various phenology phases and elevation information of the study areas using a multitemporal and multisource approach. Machine learning was used to obtain high accuracy results. The proposed method combines Sentinel-2 and CORINE data, the Random Forest method, and open source tools.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10500 - Earth and related environmental sciences

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences

  • ISBN

  • ISSN

    1682-1750

  • e-ISSN

    1682-1750

  • Počet stran výsledku

    6

  • Strana od-do

    175-180

  • Název nakladatele

    International Society of Photogrammetry and Remote Sensing

  • Místo vydání

    Nice

  • Místo konání akce

    Nice

  • Datum konání akce

    6. 6. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000855647800023