简介：因为在城市的区域的复杂变化，基于面具技术修改了CVA申请能使缩小非植被的效果变化并且在很大程度上在效率之上改善。而且，从方法收极的阴谋，有PVI的绝对尖、全部的大小的技术措施变化计算了根据线性与用3DG-S计算的least-squareestimation和GVI合适转变。最后，这应用在2002和2005与武汉的陆地卫星ETM+形象被执行，并且由错误矩阵估计了，以它能检测的方法94.91%改正的变化象素，和全部的一致系数Kappa能到达to0.85。评估结果演示趋势作为城市的植被的一种有效、有效的选择改变的这个新应用程序抽取。

简介：这研究的目的是在岩石地点在50年里为exceedance的2%和10%概率包括鈥楶eak地面加速鈥?价值为Yangon和它的包围区域开发概率的地震危险地图。现在的学习区域在N13掳3的纬度之间是位于的7鈥?和N20掳2鈥?和E93掳3的经度5鈥?和E99掳5鈥吗？学习区域集中于与大约200km的半径在Yangon附近集中的九个来源地区。概率的地震危险地图被ArcGIS-9.3软件创造。

简介：Onthebasisofstereoimageanalysis,thechangedetectionofman-madeobjectsinurbanareasisintroduced.Informationoftheheightofman-madeobjectscanbeappliedtoreinforcetheirchangedetection.BycomparisonbetweenthenewandoldDSMs,thechangedregionsareextracted.However,ouraimistodetectchangesofman-madeobjectsinurbanareaandfurtherinthepotentialareasbythemeansofline-featurematchingandgradientdirectionhistogram.TheexperimentsbasedontheaerialimagesfromJapanhaveproventhatthealgorithmiscorrectandefficient.

简介：在这份报纸，组织上，大楼的特征被也就是，使用二个质地描述符确定方形的根对差别(SRPD)并且官方补给*。然后，一个新奇方法，基于SRPD并且官方补给*，到在从很高的分辨率SAR的城市的区域的摘录大楼区域，图象被介绍。结果证明这个方法有能力在城市的区域把大楼区分开来与复杂特征，它能为印射的土地被采用并且为消除操作提供支持。

简介：在极的区域，云和内在的冰雪区域是困难的因为他们的高反照率，在红外线的乐队在可见乐队和冰雪区域的低表面温度在卫星图象区分。在南极洲的盖住的区域被介绍的在冰雪上的一个云察觉方法。由于云和ice-snowareas的不同质地特征，五个质地特征基于GLCM被提取。非线性的SVM然后被用来从训练数据获得最佳的分类超。实验结果显示这个算法在南极洲表现很好在云察觉，特别为薄触毛察觉。而且，当图象是到实际尺寸的一个季度或1/16的物件ampled时，云百分比仍然在一样的水平，当处理时间指数地减少时。

简介：当前的纸在卡梅伦区域附近论述山崩危险分析，马来西亚，用在地理信息系统(GIS)和遥感的帮助下的先进人工的神经网络技术。山崩地点被天线相片并且从领域调查的解释在学习区域决定。地形学、地质的数据以及卫星图象被收集，处理，并且构造进用GIS并且图象处理的一个空间数据库。十个因素为山崩危险包括被选择：1)与是的地形学有关的因素斜坡，方面，和弯曲；2)与地质学有关的因素作为从貌的岩性学和距离；3)与排水有关的因素作为从排水的距离；并且4)作为陆地盖子和植被索引从TM卫星图象提取的因素珍视。一个先进人工的神经网络模型被用来分析这些因素以便建立山崩危险地图。训练方法的背繁殖被用于五个不同随机的训练地点的选择以便计算因素重量然后山崩危险索引为每五张危险地图被计算。最后，山崩危险地图(五个盒子)用GIS工具被准备。山崩危险地图的结果用山崩测试地点被验证了没在神经网络的训练阶段期间被使用。我们确认的调查结果结果为训练地点显示出69%，75%，70%，83%和86%的精确性1，2，3，4和5分别地。GIS数据被用来高效地分析大量数据，并且人工的神经网络证明了是为山崩危险分析的一个有效工具。确认结果在山崩区域上显示出在假定危险地图和存在数据之间的足够的同意。