@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}
}

@{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}
}

@inproceedings{MTMT:34034137,
	title = {Geoinformatics tools for road quality analysis and mapping},
	url = {https://m2.mtmt.hu/api/publication/34034137},
	author = {Van Leeuwen, Boudewijn and Tobak, Zalán and Olivér, Balogh and Boglárka, Runa and Sipos, György and István, Fi and Sheishah, Diaa Elsayed Hamed Abdallah Hamed and Abdelsamei, Enas and Sándor, Trenka},
	booktitle = {Az elmélet és gyakorlat találkozása a térinformatikában XIV. : Theory meets practice in GIS},
	unique-id = {34034137},
	year = {2023},
	pages = {327-335},
	orcid-numbers = {Van Leeuwen, Boudewijn/0000-0002-1117-5872; Tobak, Zalán/0000-0002-4960-2198; Sipos, György/0000-0001-6224-2361}
}

@inproceedings{MTMT:34025050,
	title = {Belvízelöntés detektálása Sentinel-1-es műhold felvételeken GLCM textúrák és konvolúciós neurális hálózat segítségével},
	url = {https://m2.mtmt.hu/api/publication/34025050},
	author = {Kajári, Balázs and Bozán, Csaba and Van Leeuwen, Boudewijn},
	booktitle = {Az elmélet és gyakorlat találkozása a térinformatikában XIV. : Theory meets practice in GIS},
	unique-id = {34025050},
	abstract = {Napjainkban a klímaváltozásnak következtében az egyre szélsőségesebb időjárásnak köszönhetően egyre gyakrabban és egyre nagyobb területekre kiterjedő belvíz elöntésekre lehet majd számítani. A belvíz természeténél fogva igen összetett jelenség, ami a preventív védekezés megkezdését jelentősen nehezíti. Ezért fontos, hogy nagy területekre és megfelelő térbeli felbontással rendelkező ingyenesen az Európai Űrügynökség (ESA) által elérhető Sentinel műholdcsalád aktív és passzív műholdjainak a felvételeit felhasználva „szinte folyamatos” monitoring rendszert lehessen kialakítani és ezáltal időben lokalizálni a belvíz mentesítésre és kártalanításra szoruló területeket. Az általunk kidolgozott konvolúciós neurális hálózat (CNN) Sentinel-1-es (radaros) felvételek nyers sávjaiból, a radar vegetáció indexből (RVI) és a Gray-Level Co-Occurrence Matrix-ból (GLCM) nyert bemeneti jellemzők alapján kívánjuk bemutatni a belvízelöntések detektálásának lehetőségét összehasonlítva a Sentinel-2-es eredményekkel.},
	year = {2023},
	pages = {93-101},
	orcid-numbers = {Van Leeuwen, Boudewijn/0000-0002-1117-5872}
}

@CONFERENCE{MTMT:34012110,
	title = {Georadar alapú roncsolásmentes útpályadiagnosztikai módszertan bemutatása},
	url = {https://m2.mtmt.hu/api/publication/34012110},
	author = {Trenka, Sándor and Runa, Boglárka and Balogh, Olivér and Van Leeuwen, Boudewijn and Fi, István and Tóth, Csaba and Primusz, Péter and Sipos, György and Tobak, Zalán},
	booktitle = {XXVII. Nemzetközi Építéstudományi Online Konferencia - ÉPKO},
	unique-id = {34012110},
	year = {2023},
	pages = {210-216},
	orcid-numbers = {Van Leeuwen, Boudewijn/0000-0002-1117-5872; Tóth, Csaba/0000-0001-5065-5177; Primusz, Péter/0000-0002-5966-6734; Sipos, György/0000-0001-6224-2361; Tobak, Zalán/0000-0002-4960-2198}
}

@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}
}

@misc{MTMT:33677694,
	title = {A műholdas belvíztérképezés alapjai, lehetőségek és korlátok.},
	url = {https://m2.mtmt.hu/api/publication/33677694},
	author = {Tobak, Zalán and Kovács, Ferenc and Van Leeuwen, Boudewijn},
	unique-id = {33677694},
	year = {2023},
	orcid-numbers = {Tobak, Zalán/0000-0002-4960-2198; Kovács, Ferenc/0000-0001-7944-8921; Van Leeuwen, Boudewijn/0000-0002-1117-5872}
}

@article{MTMT:33452576,
	title = {Monitoring of Inland Excess Water Inundations Using Machine Learning Algorithms},
	url = {https://m2.mtmt.hu/api/publication/33452576},
	author = {Kajári, Balázs and Bozán, Csaba and Van Leeuwen, Boudewijn},
	doi = {10.3390/land12010036},
	journal-iso = {LAND-BASEL},
	journal = {LAND (BASEL)},
	volume = {12},
	unique-id = {33452576},
	abstract = {Nowadays, climate change not only leads to riverine floods and flash floods but also to inland excess water (IEW) inundations and drought due to extreme hydrological processes. The Carpathian Basin is extremely affected by fast-changing weather conditions during the year. IEW (sometimes referred to as water logging) is formed when, due to limited runoff, infiltration, and evaporation, surplus water remains on the surface or in places where groundwater flowing to lower areas appears on the surface by leaking through porous soil. In this study, eight different machine learning approaches were applied to derive IEW inundations on three different dates in 2021 (23 February, 7 March, 20 March). Index-based approaches are simple and provide relatively good results, but they need to be adapted to specific circumstances for each area and date. With an overall accuracy of 0.98, a Kappa of 0.65, and a QADI score of 0.020, the deep learning method Convolutional Neural Network (CNN) gave the best results, compared to the more traditional machine learning approaches Maximum Likelihood (ML), Random Forest (RF), Support Vector Machine (SVM) and artificial neural network (ANN) that were evaluated. The CNN-based IEW maps can be used in operational inland excess water control by water management authorities.},
	year = {2023},
	eissn = {2073-445X},
	orcid-numbers = {Kajári, Balázs/0000-0002-1070-3039; Van Leeuwen, Boudewijn/0000-0002-1117-5872}
}

@inproceedings{MTMT:33210419,
	title = {Belvíz idősoros elemzése konvolúciós neurális hálózattal Sentinel-2-es műholdfelvételeken},
	url = {https://m2.mtmt.hu/api/publication/33210419},
	author = {Kajári, Balázs and Bozán, Csaba and Van Leeuwen, Boudewijn},
	booktitle = {Az elmélet és gyakorlat találkozása a térinformatikában XIII.},
	unique-id = {33210419},
	abstract = {Napjainkban az éghajlatváltozás szélsőséges hidrológiai folyamatokat idézhet elő úgy, mint az aszály és a belvíz. A klímaváltozási modellek hosszan tartó szárasság mellett megnövekedett intenzitású csapadék eseményeket jósolnak a Kárpát-medencében is. Az éghajlatváltozás szempontjából kutatásunk a belvízi elöntések evolúciójával foglalkozik. A belvizek természetüknél fogva igen dinamikusak lehetnek, amelyek amilyen gyorsan megjelennek, olyan gyorsan is eltűnhetnek. Ezért fontos, hogy minél nagyobb térbeli és időbeli vizsgálatukhoz optikai műholdfelvételeket használjunk. Ebben a kutatásban a belvízi elöntések helyzetének és kiterjedésének monitorozását szeretnénk bemutatni egy konvolúciós neurális hálózat (Convolutional Neural Network, CNN) pixel alapú osztályozási módszerével. A 82,3 km2-es mintaterületünk a Sentinel-2 T34TDT csempéjén helyezkedik el. A belvíz kialakulásának és megszűnésének a folyamatát 2020 novemberétől 2021 áprilisáig kilenc darab műholdfelvételen követtük végig, ahol a maximális belvíz elöntés (233,88 hektár) 2021. február második felére tehető a hidrometeorológiai adatok és a belvízi elöntés térképek alapján.},
	year = {2022},
	pages = {177-183},
	orcid-numbers = {Van Leeuwen, Boudewijn/0000-0002-1117-5872}
}

@article{MTMT:33191819,
	title = {River ice monitoring of the Danube and Tisza rivers using Sentinel-1 radar data},
	url = {https://m2.mtmt.hu/api/publication/33191819},
	author = {Van Leeuwen, Boudewijn and Sipos, György and Lábdy, J and Baksa, M and Tobak, Zalán},
	doi = {10.5937/gp26-39962},
	journal-iso = {GEOGRAPHICA PANNONICA},
	journal = {GEOGRAPHICA PANNONICA},
	volume = {26},
	unique-id = {33191819},
	issn = {0354-8724},
	abstract = {Due to extreme weather, occasionally Hungary's main rivers and lakes grow an ice cover causing severe damage to infrastructure and increased flood hazard. During cold periods in 2017 and 2022, a dangerous layer of ice developed on the main rivers in the country. Since river ice is rare in this region, no permanent ice monitoring system is in operation. Due to their all weather capabilities, active remote sensing instruments provide a good opportunity to monitor ice coverage. ESA's Sentinel-1 radar satellites acquire data with a relatively high spatial and temporal resolution. A method was developed to provide ice coverage information at a regular interval; depending on the satellite revisit, at least once every 5 days, but often also on a daily basis. In 2017, maps were created for sections along the Danube and in 2022 for another section of the Tisza river. The ice coverage was calculated with a spatial resolution of 10 metre and visualised with a spatial density of 100 metre along the rivers. The mapping procedure provides visual information to give a fast overview of the spatial extent of ice coverage and quantitative , tabular information for operational activities to mitigate the damage due to ice packs and ice jams.},
	year = {2022},
	eissn = {1820-7138},
	pages = {215-229},
	orcid-numbers = {Van Leeuwen, Boudewijn/0000-0002-1117-5872; Sipos, György/0000-0001-6224-2361; Tobak, Zalán/0000-0002-4960-2198}
}