Détail de l'auteur
Auteur Zulkiflee Abd Latif |
Documents disponibles écrits par cet auteur (2)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
Estimating feature extraction changes of Berkelah Forest, Malaysia from multisensor remote sensing data using and object-based technique / Syaza Rozali in Geocarto international, vol 37 n° 11 ([15/06/2022])
![]()
[article]
Titre : Estimating feature extraction changes of Berkelah Forest, Malaysia from multisensor remote sensing data using and object-based technique Type de document : Article/Communication Auteurs : Syaza Rozali, Auteur ; Zulkiflee Abd Latif, Auteur ; Nor Aizam Adnan, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 3247 - 3264 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] analyse d'image orientée objet
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] forêt tropicale
[Termes IGN] image Landsat-OLI
[Termes IGN] MalaisieRésumé : (auteur) The study involves an object-based segmentation method to extract feature changes in tropical rainforest cover using Landsat image and airborne LiDAR (ALS). Disturbance event that are represents the changes are examined by the classification of multisensor data; that is a highly accurate ALS with different resolutions of multispectral Landsat image. Disturbance Index (DI) derived from Tasseled Cap Transformation, Normalized Difference Vegetation Index (NDVI), and the ALS height are the variables for object-based segmentation process. The classification is categorized into two classes; disturbed and non-disturbed forest cover using Nearest Neighbor (NN), Random Forest (RF) and Support Vector Machine (SVM). The overall accuracy ranging from 88% to 96% and kappa ranging from 0.79 to 0.91. Mcnemar’s test p-value ( Numéro de notice : A2022-586 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2020.1852610 Date de publication en ligne : 27/12/2020 En ligne : https://doi.org/10.1080/10106049.2020.1852610 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101360
in Geocarto international > vol 37 n° 11 [15/06/2022] . - pp 3247 - 3264[article]Individual tree crown segmentation in tropical peat swamp forest using airborne hyperspectral data / Sitinor Atikah Nordin in Geocarto international, vol 34 n° 11 ([15/08/2019])
![]()
[article]
Titre : Individual tree crown segmentation in tropical peat swamp forest using airborne hyperspectral data Type de document : Article/Communication Auteurs : Sitinor Atikah Nordin, Auteur ; Zulkiflee Abd Latif, Auteur ; Hamdan Omar, Auteur Année de publication : 2019 Article en page(s) : pp 1218 - 1236 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse en composantes principales
[Termes IGN] analyse multibande
[Termes IGN] Asie du sud-est
[Termes IGN] bande rouge
[Termes IGN] canopée
[Termes IGN] capteur hyperspectral
[Termes IGN] carte forestière
[Termes IGN] forêt tropicale
[Termes IGN] image hyperspectrale
[Termes IGN] image proche infrarouge
[Termes IGN] image satellite
[Termes IGN] niveau de gris (image)
[Termes IGN] réflectance végétale
[Termes IGN] segmentation d'image
[Termes IGN] teneur en chlorophylle des feuilles
[Termes IGN] tourbièreRésumé : (Auteur) Individual tree crown segmentation is important step for deriving various information for fine-scale analysis of ecological process. However, only several studies have applied tree crown segmentation in tropical forest ecosystems, especially in mixed peat swamp forests. In this study, hyperspectral data were used to detect changes in the biochemical and biophysical characteristics, which are important factors for tree crown segmentation. Principal Component Analysis method was performed to investigate its influence on crown segmentation. Visually Selected PCs, 160 PCs and 160 Spectral Bands image were used and two segmentation techniques; Watershed Transformation and Region Growing segmentation were applied on those images. The highest accuracy was achieved for the crown segmentation is using Region Growing segmentation, based on 1:1 measurement, D value and RMSE value. The results obtained from 160 PCs image using region growing algorithm shows better accuracy with D value of 0.2 (80% accuracy, 20% error) and RMSE of 9.9 m2. Numéro de notice : A2019-463 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1475511 Date de publication en ligne : 24/05/2018 En ligne : https://doi.org/10.1080/10106049.2018.1475511 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93605
in Geocarto international > vol 34 n° 11 [15/08/2019] . - pp 1218 - 1236[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 059-2019111 RAB Revue Centre de documentation En réserve L003 Disponible