Ugrás a tartalomhoz

 

Supervised machine learning for gully mapping and modeling using low-cost, high-resolution sensors and open-source geospatial data in a semi-arid environment
Árkos eróziós területek térképezése és modellezése alacsony költségű, nagy felbontású szenzorok, valamint nyílt forráskódú térinformatikai adatok alapján, félsivatagi környezetben

  • Metaadatok
Tartalom: https://hdl.handle.net/2437/354000
Archívum: DEA PhD
Gyűjtemény: PhD dolgozatok
Földtudományok Doktori Iskola
Cím:
Supervised machine learning for gully mapping and modeling using low-cost, high-resolution sensors and open-source geospatial data in a semi-arid environment
Árkos eróziós területek térképezése és modellezése alacsony költségű, nagy felbontású szenzorok, valamint nyílt forráskódú térinformatikai adatok alapján, félsivatagi környezetben
Létrehozó:
Phinzi, Kwanele
Közreműködő:
Szabó , Szilárd
Földtudományok Doktori Iskola
Debreceni Egyetem::Természettudományi és Technológiai Kar::Földtudományi Intézet::Természetföldrajzi és Geoinformatikai Tanszék
Dátum:
2023-05-22T12:28:56Z
2023-05-22T12:28:56Z
2023
2023-06-23
Téma:
gully erosion
machine learning
accuracy assessment
satellite data
Földtudományok
Természettudományok
Tartalmi leírás:
Nyelv:
angol
Formátum:
137
application/pdf
application/pdf
application/pdf
application/pdf
application/pdf
Azonosító:
https://hdl.handle.net/2437/354000