Zlinszky A et al. Biodiversity mapping via Natura 2000 conservation status and ebv assessment using airborne laser scanning in alkali grasslands. (2016) INTERNATIONAL ARCHIVES OF PHOTOGRAMMETRY AND REMOTE SENSING (2002-) 1682-1750 2194-9034 XLI-B8 1293-1299, 3107908
Folyóiratcikk/Konferenciaközlemény (Folyóiratcikk)/Tudományos[3107908]
  1. Sławik Łukasz et al. Multiple Flights or Single Flight Instrument Fusion of Hyperspectral and ALS Data? A Comparison of their Performance for Vegetation Mapping. (2019) REMOTE SENSING 2072-4292 11 8 p. 970
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30650252] [Nyilvános]
    Független, Idéző: 30650252, Kapcsolat: 28134584
  2. Szporak-Wasilewska Sylwia et al. Mapping Alkaline Fens, Transition Mires and Quaking Bogs Using Airborne Hyperspectral and Laser Scanning Data. (2021) REMOTE SENSING 2072-4292 13 8 p. 1504
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31980238] [Egyeztetett]
    Független, Idéző: 31980238, Kapcsolat: 30029873
Zlinszky A et al. Will it blend? Visualization and accuracy evaluation of high-resolution fuzzy vegetation maps. (2016) INTERNATIONAL ARCHIVES OF PHOTOGRAMMETRY AND REMOTE SENSING (2002-) 1682-1750 2194-9034 XLI-B2 335-342, 3107915
Folyóiratcikk/Konferenciaközlemény (Folyóiratcikk)/Tudományos[3107915]
  1. Huo H et al. Remote sensing of spatiotemporal changes in wetland geomorphology based on type 2 fuzzy sets: A case study of Beidagang wetland from 1975 to 2015. (2017) REMOTE SENSING 2072-4292 9 7
    Folyóiratcikk/Tudományos[27223447] [Admin láttamozott]
    Független, Idéző: 27223447, Kapcsolat: 27223447
  2. Koma Zsófia et al. Object-based habitat mapping of reedbeds using country-wide airborne laser scanning point clouds. (2018) Megjelent: GEOBIA 2018 p. &
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[30432730] [Admin láttamozott]
    Független, Idéző: 30432730, Kapcsolat: 27859476
  3. Marcinkowska-Ochtyra Adriana et al. Classification of Expansive Grassland Species in Different Growth Stages Based on Hyperspectral and LiDAR Data. (2018) REMOTE SENSING 2072-4292 10 12
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30477792] [Egyeztetett]
    Független, Idéző: 30477792, Kapcsolat: 27866682
  4. Ma Tianxiao et al. Linear spectral unmixing using endmember coexistence rules and spatial correlation AU:Ma, Tianxiao. (2018) INTERNATIONAL JOURNAL OF REMOTE SENSING 0143-1161 1366-5901 39 11 3512-3536
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30439234] [Admin láttamozott]
    Független, Idéző: 30439234, Kapcsolat: 27866697
  5. Rapinel S et al. Mapping grassland plant communities using a fuzzy approach to address floristic and spectral uncertainty. (2018) APPLIED VEGETATION SCIENCE 1402-2001 1654-109X 21 4 678-693
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27701588] [Egyeztetett]
    Független, Idéző: 27701588, Kapcsolat: 27866760
Pfeifer N et al. Lidar: Exploiting the Versatility of a Measurement Principle in Photogrammetry. (2015) Megjelent: Photogrammetric Week pp. 105-118, 2944519
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2944519]
  1. Dittmann S. et al. Applicability of different non-invasive methods for tree mass estimation: A review. (2017) FOREST ECOLOGY AND MANAGEMENT 0378-1127 398 208-215
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30436941] [Admin láttamozott]
    Független, Idéző: 30436941, Kapcsolat: 27864435
  2. Mallet Clément et al. 6 - Airborne LiDAR Data Processing. (2016) Megjelent: Optical Remote Sensing of Land Surface: Techniques and Methods pp. 249-297
    Könyvrészlet/Szaktanulmány (Könyvrészlet)/Tudományos[30436944] [Admin láttamozott]
    Független, Idéző: 30436944, Kapcsolat: 27864439
  3. Marchi N et al. Airborne and Terrestrial Laser Scanning Data for the Assessment of Standing and Lying Deadwood: Current Situation and New Perspectives. (2018) REMOTE SENSING 2072-4292 10 9
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27625070] [Egyeztetett]
    Független, Idéző: 27625070, Kapcsolat: 27864460
2021-10-19 08:33