机译:利用多光谱凝视图像和机器学习技术分析红边频段对土地利用土地覆盖分类的影响
Indian Inst Technol IIT Roorkee Dept Geomat Engn Roorkee Uttar Pradesh India;
Indian Inst Technol IIT Roorkee Dept Geomat Engn Roorkee Uttar Pradesh India;
random forest; support vector machine; extreme gradient boosting; RapidEye; red-edge; machine learning;
机译:利用多光谱凝视图像和机器学习技术分析红边频段对土地利用土地覆盖分类的影响
机译:用于临时淹没区域的地图光学卫星图像的土地利用/土地覆盖机的机器学习技术
机译:使用RapidEye影像对异质沿海景观进行土地利用/覆盖分类:评估随机森林和支持向量机分类器的性能
机译:基于带分比例的支持向量机技术的土地利用和土地覆被分类制图(以仰光地区纳莫耶耶克大坝地区为例)
机译:使用卫星感应图像及其纹理值进行土地覆盖分类:基于佛罗里达州土地利用和覆盖分类系统的准确性评估。
机译:集成机载LiDAR数据和图像用于使用机器学习方法对郊区土地覆盖进行分类
机译:Rapideye图像的红边频段和植被指数对干旱地区陆地覆盖分类的影响