Catalogus

Zoeken

Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.

Boekenmand

Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).

RSS

Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.

log in

Publicaties | Kaarten

nieuwe zoekopdracht

[ meld een fout in dit record ]

mandje (0): toevoegen | toon

---

Deep learning techniques for observing the impact of the global warming from satellite images of water-bodies Chatterjee, R.; Chatterjee, A.; Islam, S.K.H. (2022). Deep learning techniques for observing the impact of the global warming from satellite images of water-bodies. Multimedia Tools and Applications 81(5): 6115-6130. https://dx.doi.org/10.1007/s11042-021-11811-1 In: Multimedia Tools and Applications. Springer: Dordrecht; Boston. ISSN 1380-7501; e-ISSN 1573-7721

---

Beschikbaar in	Auteurs
VLIZ: Open access 386552 [ download pdf ]

---

Trefwoord

Marien/Kust

Author keywords

Deep learning · Detectron2 · Global warming · Instance segmentation · Water- body

---

Auteurs		Top
Chatterjee, R. Chatterjee, A. Islam, S.K.H.

---

Abstract

Global warming is a threat to modern human civilization. There are different reasons for speed up the global average temperature. The consequences are catastrophic for human existence. Seafloor rise, drought, flood, wildfire, dry riverbed are some of the consequences. This paper analyzes the changes in boundaries of different water bodies such as fresh-water lakes and glacial lakes. Over time, the area covered by a water body has been varied due to human interventions or natural causes. Here, variants of Detectron2 instance segmentation architectures have been employed to detect a water-body and compute the changes in its area from the time-lapsed images captured over 32 years, that is, 1984 to 2016. The models are validated using water-bodies images taken by the Sentinel-2 Satellite and compared based on the average precision (AP), 99.95 and 94.51 at AP50 and AP75 metrics, respectively. In addition, an ensemble approach has also been introduced for the efficient identification of shrinkage or expansion of water bodies.

---

Alle informatie in het Integrated Marine Information System (IMIS) valt onder het VLIZ Privacy beleid

Top | Auteurs