Skip to main content

Login for students

Login for employees

Publication detail

Comparison of Vegetation Spectral Indices Based on UAV Data : Land Cover Identification Near Small Water Bodies
Year: 2020
Type of publication: článek ve sborníku
Name of source: Iberian Conference on Information Systems and Technologies, CISTI , volume 2020-June
Publisher name: IEEE (Institute of Electrical and Electronics Engineers)
Place: New York
Page from-to: 9140899
Titles:
Language Name Abstract Keywords
cze Porovnání vegetačních spektrálních indexů na základě údajů UAV: identifikace krajinného pokryvu poblíž malých vodních útvarů Bezpilotní prostředky střední a nízké třídy (UAV) lze na vyžádání použít k identifikaci krajinného pokryvu / využití půdy, i když jsou vybaveny pouze kamerou RGB. UAV se používá jako levné řešení dostupné na vyžádání pro vzdálený průzkum dat pro menší oblasti s ohledem na právní předpisy a povětrnostní podmínky. Příspěvek je zaměřen na identifikaci krajinného pokryvu poblíž malého vodního útvaru, který je založen na datech RGB shromážděných UAV a na spektrálních indexech vegetace. Ke zpracování shromážděných snímků a identifikaci konkrétních typů krajinného pokryvu se používají různé vegetační indexy založené na výpočtu s pásmy RGB. NGRDI, GLI2 a VARI poskytly nejpřesnější výsledky. UAV; vegetační indexy; spektrální indexy; RGB data; krajinná pokrývka
eng Comparison of Vegetation Spectral Indices Based on UAV Data : Land Cover Identification Near Small Water Bodies Middle- and low-class unmanned aerial vehicles (UAV) can be used for land cover/land use identification on demand even when equipped only with an RGB camera. UAV is used as a cheap and on-demand available solution for remote data sensing for smaller areas, with respect to legal regulations and weather conditions. The paper is focused on land cover identification near a small water body, which is based on RGB data collected by UAV and on vegetation spectral indices. Various vegetation indices based on calculating with RGB bands are used to process the collected imagery and identify particular land cover types. NGRDI, GLI2 and VARI provided the most accurate results. UAV; vegetation indices; spectral indices; RGB data; land cover