@article{MTMT:34689718,
	title = {Selyemkóró (Asclepias syriaca L.) UAV felvételekkel történő azonosítása és monitorozásának lehetőségei},
	url = {https://m2.mtmt.hu/api/publication/34689718},
	author = {Bakacsy, László and Szatmári, József and Biró, Csaba and Tobak, Zalán and Van Leeuwen, Boudewijn and Szilassi, Péter},
	doi = {10.56617/tl.4948},
	journal-iso = {TÁJÖKOLÓGIAI LAPOK / J LANDSCAPE ECOL},
	journal = {TÁJÖKOLÓGIAI LAPOK / JOURNAL OF LANDSCAPE ECOLOGY},
	volume = {21},
	unique-id = {34689718},
	issn = {1589-4673},
	abstract = {Az inváziós fajok komoly és gyakran visszafordíthatatlan károkat okoznak a biodiverzitásban és az ökoszisztéma szolgáltatásokban, amelyek alapvető fontosággal bírnak az ember fennmaradása szempontjából, emellett pollenjeik miatt népegészségügyi szempontból is fontos problémát jelenthetnek. Mind az ellenük való védekezés, mind az általuk okozott gazdasági és természetvédelmi károk világszerte óriási költségeket emésztenek fel. Hatékony kezelésükhöz ismernünk kell az inváziós fajok jelenlegi elterjedését, terjedésük dinamikáját, ökoszisztémákra, élőhelyekre és a gazdaságra gyakorolt pontos hatásukat. Napjainkban ezeknek az információknak nagy területekről való begyűjtése leghatékonyabban drónokkal (UAV – unmanned aerial vehicle) történő monitorozással lehetséges. A természetközeli gyepek jelentős biológiai sokféleséggel rendelkeznek és fontos ökoszisztéma szolgáltatásokat nyújtanak, azonban ezek az élőhelyek is ki vannak téve az inváziós fajok károkozásának. Magyarország Pannon homoki gyepjeit számos inváziós faj terjedése fenyegeti. Ezek közül a közönséges selyemkóró (Asclepias syriaca L.) térképezésével és monitorozásával foglalkoztunk, mivel az egyik leggyakoribb és legveszélyesebb inváziósfaj a Dél-Alföldi régióban. Mivel az inváziós növényfajok természetvédelmi kezelése a mezőgazdasági gyomszabályozás szemléletén és módszerein alapszik, így jelen tanulmány a mezőgazdaságban használt monitorozási eljárások átültetésének egy lehetséges módszertani fejlesztéseként értékelhető. Célunk volt megvizsgálni, hogy a precíziós mezőgazdaságban használt vegetációs indexek alkalmasak-e a közönséges selyemkóró egyed szintű azonosítására, állománynagyságának a meghatározására. Kutatásaink során UAV-val készült légifelvételekből (RGB és CIR) képzett vegetációs indexek (TGI, VARI, NDVI és SAVI) vizsgálatát végeztük el. A közönséges selyemkóró drónnal végzett állomány felmérését, térképezését a Kiskunsági Nemzeti Park Kolon-tó törzsterületéhez kapcsolódó két regenerálódó parlagon végeztük el, 2020 júliusában. Eredményeink szerint a selyemkóró hajtásainak és egyed szintű azonosításának a legalkalmasabb indexe a TGI volt. Az NDVI és SAVI indexek a selyemkóró területi lefedettségének (borításának) és tőszámának meghatározására kevésbé voltak alkalmasak mint a TGI, ugyanakkor alkalmasak lehetnek természetvédelmi kezelések hatékonyságának meghatározására. Eredményeink egyszerű, gyors, költséghatékony és minimális zavarást okozó módszert biztosítanak az inváziós faj nagykiterjedésű állományainak térképezéséhez, időben többször megismételt monitorozásához. Ezáltal a természetvédelem számára olyan információkat nyújthat, amelyek egyrészt az invázió elleni védekezés pontos megtervezését, másrészt a kezelések hatékonyságának ellenőrzését és nyomon követését is lehetővé teszi a jövőben.},
	year = {2023},
	pages = {6-28},
	orcid-numbers = {Bakacsy, László/0000-0003-2593-1795; Szatmári, József/0000-0002-7896-3363; Tobak, Zalán/0000-0002-4960-2198; Van Leeuwen, Boudewijn/0000-0002-1117-5872; Szilassi, Péter/0000-0003-0051-6739}
}

@article{MTMT:34500549,
	title = {Effectiveness of machine learning and deep learning models at county-level soybean yield forecasting},
	url = {https://m2.mtmt.hu/api/publication/34500549},
	author = {Farmonov, Nizom and Amankulova, Khilola and Khan, Shahid Nawaz and Abdurakhimova, Mokhigul and Szatmári, József and Khabiba, Tukhtaeva and Makhliyo, Radjabova and Khodicha, Meiliyeva and Mucsi, László},
	doi = {10.15201/hungeobull.72.4.4},
	journal-iso = {HUNG GEOGR BULL (2009-)},
	journal = {HUNGARIAN GEOGRAPHICAL BULLETIN (2009-)},
	volume = {72},
	unique-id = {34500549},
	issn = {2064-5031},
	abstract = {Crop yield forecasting is critical in modern agriculture to ensure food security, economic stability, and effective resource management. The main goal of this study was to combine historical multisource satellite and environmental datasets with a deep learning (DL) model for soybean yield forecasting in the United States’ Corn Belt. The following Moderate Resolution Imaging Spectroradiometer (MODIS) products were aggregated at the county level. The crop data layer (CDL) in Google Earth Engine (GEE) was used to mask the data so that only soybean pixels were selected. Several machine learning (ML) models were trained by using 5 years of data from 2012 to 2016: random forest (RF), least absolute shrinkable and selection operator (LASSO) regression, extreme gradient boosting (XGBoost), and decision tree regression (DTR) as well as DL-based one-dimensional convolutional neural network (1D-CNN). The best model was determined by comparing their performances at forecasting the soybean yield in 2017–2021 at the county scale. The RF model outperformed all other ML models with the lowest RMSE of 0.342 t/ha, followed by XGBoost (0.373 t/ha), DTR (0.437 t/ha), and LASSO (0.452 t/ha) regression. However, the 1D-CNN model showed the highest forecasting accuracy for the 2018 growing season with RMSE of 0.280 t/ha. The developed 1D-CNN model has great potential for crop yield forecasting because it effectively captures temporal dependencies and extracts meaningful input features from sequential data.},
	year = {2023},
	eissn = {2064-5147},
	pages = {383-398},
	orcid-numbers = {Szatmári, József/0000-0002-7896-3363; Mucsi, László/0000-0002-5807-3742}
}

@{MTMT:34187490,
	title = {Dynamic geomorphometric study of the erosion of the Zagyvarona spoil tip using digital photogrammetry},
	url = {https://m2.mtmt.hu/api/publication/34187490},
	author = {Petróczy, Máté Dániel and Van Leeuwen, Boudewijn and Tobak, Zalán and Molnár, Dávid and Szatmári, József},
	booktitle = {Natural Hazards and Climate Change - conference and workshop for identifying and tackling challenges together},
	unique-id = {34187490},
	year = {2023},
	pages = {40-40},
	orcid-numbers = {Van Leeuwen, Boudewijn/0000-0002-1117-5872; Tobak, Zalán/0000-0002-4960-2198; Molnár, Dávid/0000-0001-5304-0741; Szatmári, József/0000-0002-7896-3363}
}

@article{MTMT:33707374,
	title = {Drone-Based Identification and Monitoring of Two Invasive Alien Plant Species in Open Sand Grasslands by Six RGB Vegetation Indices},
	url = {https://m2.mtmt.hu/api/publication/33707374},
	author = {Bakacsy, László and Tobak, Zalán and Van Leeuwen, Boudewijn and Szilassi, Péter and Biró, Csaba and Szatmári, József},
	doi = {10.3390/drones7030207},
	journal-iso = {DRONES},
	journal = {DRONES},
	volume = {7},
	unique-id = {33707374},
	issn = {2504-446X},
	abstract = {Today, invasive alien species cause serious trouble for biodiversity and ecosystem services, which are essential for human survival. In order to effectively manage invasive species, it is important to know their current distribution and the dynamics of their spread. Unmanned aerial vehicle (UAV) monitoring is one of the best tools for gathering this information from large areas. Vegetation indices for multispectral camera images are often used for this, but RGB colour-based vegetation indices can provide a simpler and less expensive solution. The goal was to examine whether six RGB indices are suitable for identifying invasive plant species in the QGIS environment on UAV images. To examine this, we determined the shoot area and number of common milkweed (Asclepias syriaca) and the inflorescence area and number of blanket flowers (Gaillardia pulchella) as two typical invasive species in open sandy grasslands. According to the results, the cover area of common milkweed was best identified with the TGI and SSI indices. The producers’ accuracy was 76.38% (TGI) and 67.02% (SSI), while the user’s accuracy was 75.42% (TGI) and 75.12% (SSI), respectively. For the cover area of blanket flower, the IF index proved to be the most suitable index. In spite of this, it gave a low producer’s accuracy of 43.74% and user’s accuracy of 51.4%. The used methods were not suitable for the determination of milkweed shoot and the blanket flower inflorescence number, due to significant overestimation. With the methods presented here, the data of large populations of invasive species can be processed in a simple, fast, and cost-effective manner, which can ensure the precise planning of treatments for nature conservation practitioners.},
	year = {2023},
	eissn = {2511-8439},
	orcid-numbers = {Bakacsy, László/0000-0003-2593-1795; Tobak, Zalán/0000-0002-4960-2198; Van Leeuwen, Boudewijn/0000-0002-1117-5872; Szilassi, Péter/0000-0003-0051-6739; Szatmári, József/0000-0002-7896-3363}
}

@article{MTMT:33697697,
	title = {Combining PlanetScope and Sentinel-2 images with environmental data for improved wheat yield estimation},
	url = {https://m2.mtmt.hu/api/publication/33697697},
	author = {Farmonov, Nizom and Amankulova, Khilola and Szatmári, József and Urinov, Jamol and Narmanov, Zafar and Nosirov, Jakhongir and Mucsi, László},
	doi = {10.1080/17538947.2023.2186505},
	journal-iso = {INT J DIGIT EARTH},
	journal = {INTERNATIONAL JOURNAL OF DIGITAL EARTH},
	volume = {16},
	unique-id = {33697697},
	issn = {1753-8947},
	year = {2023},
	eissn = {1753-8955},
	pages = {847-867},
	orcid-numbers = {Amankulova, Khilola/0000-0001-6562-5616; Szatmári, József/0000-0002-7896-3363; Mucsi, László/0000-0002-5807-3742}
}

@article{MTMT:33630993,
	title = {Crop Type Classification by DESIS Hyperspectral Imagery and Machine Learning Algorithms},
	url = {https://m2.mtmt.hu/api/publication/33630993},
	author = {Farmonov, Nizom and Amankulova, Khilola and Szatmári, József and Sharifi, Alireza and Abbasi-Moghadam, Dariush and Mirhoseini Nejad, Seyed Mahdi and Mucsi, László},
	doi = {10.1109/JSTARS.2023.3239756},
	journal-iso = {IEEE J-STARS},
	journal = {IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING},
	volume = {16},
	unique-id = {33630993},
	issn = {1939-1404},
	year = {2023},
	eissn = {2151-1535},
	pages = {1576-1588},
	orcid-numbers = {Szatmári, József/0000-0002-7896-3363; Sharifi, Alireza/0000-0001-7110-7516; Abbasi-Moghadam, Dariush/0000-0003-2228-0595; Mirhoseini Nejad, Seyed Mahdi/0000-0002-0454-8626; Mucsi, László/0000-0002-5807-3742}
}

@inbook{MTMT:32592643,
	title = {Examining Wind-Eroded Sediment Especially the Content of Toxic Elements, Southern Hungary},
	url = {https://m2.mtmt.hu/api/publication/32592643},
	author = {Csányi, Katalin and Barta, Károly and Szatmári, József and Farsang, Andrea},
	booktitle = {Recent Research on Geomorphology, Sedimentology, Marine Geosciences and Geochemistry},
	doi = {10.1007/978-3-030-72547-1_9},
	unique-id = {32592643},
	year = {2022},
	pages = {39-42},
	orcid-numbers = {Szatmári, József/0000-0002-7896-3363; Farsang, Andrea/0000-0002-7873-5256}
}

@article{MTMT:32132315,
	title = {Quantification of deflation-induced soil loss on chernozems: Field protocol and sediment trap development based on wind tunnel experiments},
	url = {https://m2.mtmt.hu/api/publication/32132315},
	author = {Farsang, Andrea and Szatmári, József and Bartus, Máté and Tiszlavicz, Ádám and Barta, Károly},
	doi = {10.1127/zfg/2021/0709},
	journal-iso = {Z GEOMORPHOL},
	journal = {ZEITSCHRIFT FÜR GEOMORPHOLOGIE},
	volume = {63},
	unique-id = {32132315},
	issn = {0372-8854},
	year = {2022},
	eissn = {1864-1687},
	pages = {329-341},
	orcid-numbers = {Farsang, Andrea/0000-0002-7873-5256; Szatmári, József/0000-0002-7896-3363}
}

@article{MTMT:32777835,
	title = {A felszínközeli vízkészletek monitoringjának lehetőségei a szélsőséges vízháztartási helyzetek (aszály, belvíz) értékelésének szolgálatában},
	url = {https://m2.mtmt.hu/api/publication/32777835},
	author = {Barta, Károly and Van Leeuwen, Boudewijn and Szatmári, József and Blanka, Viktória and Kovács, Ferenc and Ladányi, Zsuzsanna and Mezősi, Gábor and Rakonczai, János and Sipos, György and Szilassi, Péter and Tobak, Zalán and Fiala, Károly and Benyhe, Balázs and Fehérváry, István},
	journal-iso = {LÉGKÖR},
	journal = {LÉGKÖR: AZ ORSZÁGOS METEOROLÓGIAI INTÉZET SZAKMAI TÁJÉKOZTATÓJA},
	volume = {66},
	unique-id = {32777835},
	issn = {0133-3666},
	year = {2021},
	pages = {4-12},
	orcid-numbers = {Van Leeuwen, Boudewijn/0000-0002-1117-5872; Szatmári, József/0000-0002-7896-3363; Blanka, Viktória/0000-0001-6364-109X; Kovács, Ferenc/0000-0001-7944-8921; Ladányi, Zsuzsanna/0000-0003-0397-6423; Sipos, György/0000-0001-6224-2361; Szilassi, Péter/0000-0003-0051-6739; Tobak, Zalán/0000-0002-4960-2198; Fehérváry, István/0000-0002-2519-2008}
}

@inproceedings{MTMT:32544779,
	title = {Fotogrammetriai módszerekkel feldolgozott adatok használata épületek szolárenergia-potenciáljának számítása során},
	url = {https://m2.mtmt.hu/api/publication/32544779},
	author = {Varga, Ákos and Szatmári, József and Tobak, Zalán and Van Leeuwen, Boudewijn and Mucsi, László},
	booktitle = {Az elmélet és a gyakorlat találkozása a térinformatikában XII.: Theory meets practice in GIS},
	unique-id = {32544779},
	year = {2021},
	pages = {327-338},
	orcid-numbers = {Szatmári, József/0000-0002-7896-3363; Tobak, Zalán/0000-0002-4960-2198; Van Leeuwen, Boudewijn/0000-0002-1117-5872; Mucsi, László/0000-0002-5807-3742}
}