Détail de l'auteur
Auteur Piermaria Corona |
Documents disponibles écrits par cet auteur (2)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Evaluating EO1-Hyperion capability for mapping conifer and broadleaved forests / Nicola Puletti in European journal of remote sensing, vol 49 n° 1 (2016)
[article]
Titre : Evaluating EO1-Hyperion capability for mapping conifer and broadleaved forests Type de document : Article/Communication Auteurs : Nicola Puletti, Auteur ; Nicola Camarretta, Auteur ; Piermaria Corona, Auteur Année de publication : 2016 Article en page(s) : pp 157 - 169 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] feuillu
[Termes IGN] forêt
[Termes IGN] image EO1-Hyperion
[Termes IGN] image hyperspectrale
[Termes IGN] matrice de confusion
[Termes IGN] Pinophyta
[Termes IGN] régression multivariée par spline adaptativeRésumé : (auteur) The objective of the present study is the comparison of the combined use of Earth Observation-1 (EO-1) Hyperion Hyperspectral images with the Random Forest (RF), Support Vector Machines (SVM) and Multivariate Adaptive Regression Splines (MARS) classifiers for discriminating forest cover groups, namely broadleaved and coniferous forests. Statistics derived from classification confusion matrix were used to assess the accuracy of the derived thematic maps. We demonstrated that Hyperion data can be effectively used to obtain rapid and accurate large-scale mapping of main forest types (conifers-broadleaved). We also verified higher capability of Hyperion imagery with respect to Landsat data to such an end. Results demonstrate the ability of the three tested classification methods, with small improvements given by SVM in terms of overall accuracy and kappa statistic. Numéro de notice : A2016-832 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.5721/EuJRS20164909 En ligne : http://dx.doi.org/10.5721/EuJRS20164909 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=82716
in European journal of remote sensing > vol 49 n° 1 (2016) . - pp 157 - 169[article]Using classification trees to predict forest structure types from LiDAR data / Chiara Torresan in Annals of forest research, vol 59 n° 2 (July - December 2016)
[article]
Titre : Using classification trees to predict forest structure types from LiDAR data Type de document : Article/Communication Auteurs : Chiara Torresan, Auteur ; Piermaria Corona, Auteur ; Gianfranco Scrinzi, Auteur ; Joan Valls Marsal, Auteur Année de publication : 2016 Article en page(s) : pp Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] centroïde
[Termes IGN] classification non dirigée
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] hauteur des arbres
[Termes IGN] structure d'un peuplement forestier
[Termes IGN] surface terrièreNuméro de notice : A2016-908 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.15287/afr.2016.423 En ligne : http://dx.doi.org/10.15287/afr.2016.423 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83077
in Annals of forest research > vol 59 n° 2 (July - December 2016) . - pp[article]