TY - JOUR AU - Bakacsy, László AU - Szatmári, József AU - Biró, Csaba AU - Tobak, Zalán AU - Van Leeuwen, Boudewijn AU - Szilassi, Péter TI - Selyemkóró (Asclepias syriaca L.) UAV felvételekkel történő azonosítása és monitorozásának lehetőségei JF - TÁJÖKOLÓGIAI LAPOK / JOURNAL OF LANDSCAPE ECOLOGY J2 - TÁJÖKOLÓGIAI LAPOK / J LANDSCAPE ECOL VL - 21 PY - 2023 IS - 2 SP - 6 EP - 28 PG - 23 SN - 1589-4673 DO - 10.56617/tl.4948 UR - https://m2.mtmt.hu/api/publication/34689718 ID - 34689718 AB - 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. LA - Hungarian DB - MTMT ER - TY - JOUR AU - Farmonov, Nizom AU - Amankulova, Khilola AU - Khan, Shahid Nawaz AU - Abdurakhimova, Mokhigul AU - Szatmári, József AU - Khabiba, Tukhtaeva AU - Makhliyo, Radjabova AU - Khodicha, Meiliyeva AU - Mucsi, László TI - Effectiveness of machine learning and deep learning models at county-level soybean yield forecasting JF - HUNGARIAN GEOGRAPHICAL BULLETIN (2009-) J2 - HUNG GEOGR BULL (2009-) VL - 72 PY - 2023 IS - 4 SP - 383 EP - 398 PG - 16 SN - 2064-5031 DO - 10.15201/hungeobull.72.4.4 UR - https://m2.mtmt.hu/api/publication/34500549 ID - 34500549 AB - 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. LA - English DB - MTMT ER - TY - CHAP AU - Petróczy, Máté Dániel AU - Van Leeuwen, Boudewijn AU - Tobak, Zalán AU - Molnár, Dávid AU - Szatmári, József ED - Blanka, Viktória TI - Dynamic geomorphometric study of the erosion of the Zagyvarona spoil tip using digital photogrammetry T2 - Natural Hazards and Climate Change - conference and workshop for identifying and tackling challenges together PB - Szegedi Tudományegyetem, Geoinformatikai, Természet- és Környezetföldrajzi Tanszék CY - Szeged SN - 9789633069301 PY - 2023 SP - 40 EP - 40 PG - 1 UR - https://m2.mtmt.hu/api/publication/34187490 ID - 34187490 LA - English DB - MTMT ER - TY - JOUR AU - Bakacsy, László AU - Tobak, Zalán AU - Van Leeuwen, Boudewijn AU - Szilassi, Péter AU - Biró, Csaba AU - Szatmári, József TI - Drone-Based Identification and Monitoring of Two Invasive Alien Plant Species in Open Sand Grasslands by Six RGB Vegetation Indices JF - DRONES J2 - DRONES VL - 7 PY - 2023 IS - 3 PG - 23 SN - 2504-446X DO - 10.3390/drones7030207 UR - https://m2.mtmt.hu/api/publication/33707374 ID - 33707374 AB - 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. LA - English DB - MTMT ER - TY - JOUR AU - Farmonov, Nizom AU - Amankulova, Khilola AU - Szatmári, József AU - Urinov, Jamol AU - Narmanov, Zafar AU - Nosirov, Jakhongir AU - Mucsi, László TI - Combining PlanetScope and Sentinel-2 images with environmental data for improved wheat yield estimation JF - INTERNATIONAL JOURNAL OF DIGITAL EARTH J2 - INT J DIGIT EARTH VL - 16 PY - 2023 IS - 1 SP - 847 EP - 867 PG - 21 SN - 1753-8947 DO - 10.1080/17538947.2023.2186505 UR - https://m2.mtmt.hu/api/publication/33697697 ID - 33697697 LA - English DB - MTMT ER - TY - JOUR AU - Farmonov, Nizom AU - Amankulova, Khilola AU - Szatmári, József AU - Sharifi, Alireza AU - Abbasi-Moghadam, Dariush AU - Mirhoseini Nejad, Seyed Mahdi AU - Mucsi, László TI - Crop Type Classification by DESIS Hyperspectral Imagery and Machine Learning Algorithms JF - IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING J2 - IEEE J-STARS VL - 16 PY - 2023 SP - 1576 EP - 1588 PG - 13 SN - 1939-1404 DO - 10.1109/JSTARS.2023.3239756 UR - https://m2.mtmt.hu/api/publication/33630993 ID - 33630993 LA - English DB - MTMT ER - TY - CHAP AU - Csányi, Katalin AU - Barta, Károly AU - Szatmári, József AU - Farsang, Andrea ED - Çiner, Attila ED - Grab, Stefan ED - Jaillard, Etienne ED - Doronzo, Domenico ED - Michard, André ED - Rabineau, Marina ED - Chaminé, Helder I. TI - Examining Wind-Eroded Sediment Especially the Content of Toxic Elements, Southern Hungary T2 - Recent Research on Geomorphology, Sedimentology, Marine Geosciences and Geochemistry PB - Springer Netherlands CY - Cham SN - 9783030725464 T3 - Advances in Science, Technology & Innovation, ISSN 2522-8714 PY - 2022 SP - 39 EP - 42 PG - 4 DO - 10.1007/978-3-030-72547-1_9 UR - https://m2.mtmt.hu/api/publication/32592643 ID - 32592643 LA - English DB - MTMT ER - TY - JOUR AU - Farsang, Andrea AU - Szatmári, József AU - Bartus, Máté AU - Tiszlavicz, Ádám AU - Barta, Károly TI - Quantification of deflation-induced soil loss on chernozems: Field protocol and sediment trap development based on wind tunnel experiments JF - ZEITSCHRIFT FÜR GEOMORPHOLOGIE J2 - Z GEOMORPHOL VL - 63 PY - 2022 IS - 4 SP - 329 EP - 341 PG - 13 SN - 0372-8854 DO - 10.1127/zfg/2021/0709 UR - https://m2.mtmt.hu/api/publication/32132315 ID - 32132315 LA - English DB - MTMT ER - TY - JOUR AU - Barta, Károly AU - Van Leeuwen, Boudewijn AU - Szatmári, József AU - Blanka, Viktória AU - Kovács, Ferenc AU - Ladányi, Zsuzsanna AU - Mezősi, Gábor AU - Rakonczai, János AU - Sipos, György AU - Szilassi, Péter AU - Tobak, Zalán AU - Fiala, Károly AU - Benyhe, Balázs AU - Fehérváry, István TI - A felszínközeli vízkészletek monitoringjának lehetőségei a szélsőséges vízháztartási helyzetek (aszály, belvíz) értékelésének szolgálatában JF - LÉGKÖR: AZ ORSZÁGOS METEOROLÓGIAI INTÉZET SZAKMAI TÁJÉKOZTATÓJA J2 - LÉGKÖR VL - 66 PY - 2021 IS - 4 SP - 4 EP - 12 PG - 9 SN - 0133-3666 UR - https://m2.mtmt.hu/api/publication/32777835 ID - 32777835 LA - Hungarian DB - MTMT ER - TY - CHAP AU - Varga, Ákos AU - Szatmári, József AU - Tobak, Zalán AU - Van Leeuwen, Boudewijn AU - Mucsi, László ED - Abriha-Molnár, Vanda Éva TI - Fotogrammetriai módszerekkel feldolgozott adatok használata épületek szolárenergia-potenciáljának számítása során T2 - Az elmélet és a gyakorlat találkozása a térinformatikában XII.: Theory meets practice in GIS PB - Debreceni Egyetemi Kiadó CY - Debrecen SN - 9789633189771 PY - 2021 SP - 327 EP - 338 PG - 12 UR - https://m2.mtmt.hu/api/publication/32544779 ID - 32544779 LA - Hungarian DB - MTMT ER -