...
机译:土地利用/土地覆被变化调查的分类技术选择
Department of Civil Engineering, University of Bristol, Bristol BS8 1TR, UK;
Department of Civil Engineering, University of Bristol, Bristol BS8 1TR, UK;
Department of Civil Engineering, University of Bristol, Bristol BS8 1TR, UK;
Hydro-Environment Centre, Cardiff School of Engineering, Cardiff University, Cardiff, UK;
Department of Civil Engineering, University of Bristol, Bristol BS8 1TR, UK;
support vector machine (SVM); artificial neural network (ANN); maximum likelihood classification (MLC); kernel optimisation; land use/land cover (LULC); landsat;
机译:使用多时态Landsat影像监测土地覆被和土地利用变化的分类前和分类后变化检测技术:以意大利比萨省为例
机译:基于NDVI和半监督分类技术的Landsat-5时间序列分析,用于土地利用/土地覆被变化检测
机译:Kanyakumari区土地利用土地覆盖变化的分类与映射,遥感和GIS技术
机译:通过应用不同的图像融合技术和不同训练样本对土地覆盖和土地利用土地利用的准确评估
机译:使用深度学习技术进行土地利用和土地覆被分类。
机译:使用PCC和CDM技术在埃塞俄比亚的Adama WeredaETM +TM和OLITIRS陆地卫星传感器上的土地利用和土地覆盖变化数据
机译:利用遥感和土地覆盖分类技术对城市热岛强度(UHII)进行调查:希腊拉里萨的案例研究