Centre de documentation
scientifique

Applying six classifiers to airborne hyperspectral imagery for detecting giant reed / C. Yang in Geocarto international, vol 27 n° 5 (August 2012)  

Public [article]  inGeocarto international > vol 27 n° 5 (August 2012) . - pp 413 - 424 Titre : Applying six classifiers to airborne hyperspectral imagery for detecting giant reed Type de document : Article/Communication Auteurs : C. Yang, Auteur ; J. Goolsby, Auteur ; James H. Everitt, Auteur ; Q. Du, Auteur Année de publication : 2012 Article en page(s) : pp 413 - 424 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse comparative [Termes IGN] classificateur [Termes IGN] classification barycentrique [Termes IGN] classification par la distance de Mahalanobis [Termes IGN] classification par maximum de vraisemblance [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] classification Spectral angle mapper [Termes IGN] espèce exotique envahissante [Termes IGN] Etats-Unis [Termes IGN] image aérienne [Termes IGN] image hyperspectrale [Termes IGN] macrophyte [Termes IGN] Mexique [Termes IGN] Rio Grande (fleuve) Résumé : (Auteur) This study evaluated and compared six image classifiers, including minimum distance (MD), Mahalanobis distance (MAHD), maximum likelihood (ML), spectral angle mapper (SAM), mixture tuned matched filtering (MTMF) and support vector machine (SVM), for detecting and mapping giant reed (Arundo donax L.), an invasive weed that presents a severe threat to agroecosystems throughout the southern US and northern Mexico. Airborne hyperspectral imagery was collected from a giant reed-infested site along the US-Mexican portion of the Rio Grande in 2009 and 2010. The imagery was transformed with minimum noise fraction (MFN) and the six classifiers were applied to the 30-band MNF imagery for each year. Accuracy assessment showed that SVM and ML generally performed better than the other four classifiers for overall classification and for distinguishing giant reed in both years. These results indicate that airborne hyperspectral imagery in conjunction with SVM and ML classification techniques is effective for detecting giant reed. Numéro de notice : A2012-371 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2011.643321 Date de publication en ligne : 04/01/2012 En ligne : https://doi.org/10.1080/10106049.2011.643321 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=31817 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
059-2012051	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Raster-network regionalization for watershed data processing / T.L. Whiteaker in International journal of geographical information science IJGIS, vol 21 n° 3-4 (march - april 2007)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 21 n° 3-4 (march - april 2007) . - pp 341 - 353 Titre : Raster-network regionalization for watershed data processing Type de document : Article/Communication Auteurs : T.L. Whiteaker, Auteur ; D.R. Maidment, Auteur ; H. Gopalan, Auteur ; et al., Auteur Année de publication : 2007 Article en page(s) : pp 341 - 353 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] ArcGIS [Termes IGN] bassin hydrographique [Termes IGN] données maillées [Termes IGN] modèle hydrographique [Termes IGN] régionalisation (segmentation) [Termes IGN] Rio Grande (fleuve) [Termes IGN] Texas (Etats-Unis) [Termes IGN] variable régionalisée Résumé : (Auteur) Difficulties exist in calculating watershed parameters from raster datasets over large regions because of the excessive computation time involved. A technique is presented which divides a large region into hydrologically distinct subregions, in each of which raster analyses are performed, in order to efficiently process large raster datasets. The results of raster analyses are stored as attributes on the resulting vector data. The vector data are then merged, and appropriate values accumulated to obtain regional parameter values for points of interest along the stream network. The technique, called Raster-Network Regionalization, uses the vector stream network as the backbone for the integration of subregions into a single region. A case study is presented which utilizes the technique to prepare geospatial inputs for the Water Rights Analysis Package simulation model. Numéro de notice : A2007-115 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/13658810600965255 En ligne : https://doi.org/10.1080/13658810600965255 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=28478 [article]

Exemplaires(2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-07021	RAB	Revue	Centre de documentation	En réserve L003	Disponible
079-07022	RAB	Revue	Centre de documentation	En réserve L003	Disponible