Corine land cover change detection in Europe (case studies of the Netherlands and Slovakia)

Feranec, Ján; Hazeu, G.W.; Christensen, Susan; Jaffrain, Gabriel

doi:10.1016/j.landusepol.2006.02.002

Cited by 222 publications

(118 citation statements)

References 10 publications

(11 reference statements)

Supporting

Mentioning

112

Contrasting

Unclassified

Order By: Relevance

“…To minimize the spatial inaccuracy errors, the time layers were digitized regressively, i.e. the current and most precise layer was digitised first and, in the older maps, boundaries were re-drawn only if a change was clearly documented and evident (Feranec et al 2007;Bednarczyk et al 2016).…”

Section: Methodsmentioning

confidence: 99%

Processes and driving forces in changing cultural landscapes across Europe

et al. 2017

View full text Add to dashboard Cite

Context Cultural landscapes evolve over time. However, the rate and direction of change might not be in line with societal needs and more information on the forces driving these changes are therefore needed. Objectives Filling the gap between single case studies and meta-analyses, we present a comparative study of landscape changes and their driving forces based in six regions across Europe conducted using a consistent method. Methods A LULC analysis based on historical and contemporary maps from the nineteenth and twentieth century was combined with oral history interviews to learn more about perceived landscape changes, and remembered driving forces. Land cover and landscape changes were analysed regarding change, conversions and processes. For all case study areas, narratives on mapped land cover change, perceived landscape changes and driving forces were compiled. Results Despite a very high diversity in extent, direction and rates of change, a few dominant processes and widespread factors driving the changes could be identified in the six case study areas, i.e. access and infrastructure, political shifts, labor market, 123Landscape Ecol (2017) 32:2097-2112 DOI 10.1007 technological innovations, and for the more recent period climate change. Conclusions Grasping peoples' perception supplements the analyses of mapped land use and land cover changes and allows to address perceived landscape changes. The list of driving forces determined to be most relevant shows clear limits in predictability: Whereas changes triggered by infrastructural developments might be comparatively easy to model, political developments cannot be foreseen but might, nevertheless, leave major marks in the landscape.

show abstract

Section: Methodsmentioning

confidence: 99%

Processes and driving forces in changing cultural landscapes across Europe

et al. 2017

View full text Add to dashboard Cite

show abstract

“…Visual interpretation has been shown to have the potential to achieve more accurate image classification results, particularly in complex and dynamic landscapes [20][21][22][23]. Visual interpretation, often computer-aided, has been widely used to elaborate the database of land use/land cover over large areas, such as Europe (CORINE Land Cover; see [24]), Africa (AFRICOVER; see [25]) and China [26]. In addition, when visual interpretation is used to update existing cartography (e.g., following the interdependent classification method described by FAO [27]), processes of land use/land cover change are extracted more accurately [19,26].…”

Section: Limitations Of a Fully-automated Digital Classification Apprmentioning

confidence: 99%

Comment on Gebhardt et al. MAD-MEX: Automatic Wall-to-Wall Land Cover Monitoring for the Mexican REDD-MRV Program Using All Landsat Data. Remote Sens. 2014, 6, 3923–3943

et al. 2016

View full text Add to dashboard Cite

Gebhardt et al. (2014) presented the Monitoring Activity Data for the Mexican REDD+ program (MAD-MEX), an automatic nation-wide land cover monitoring system for the Mexican REDD+ MRV. Though MAD-MEX represents a valuable first effort toward establishing a national reference emissions level for the implementation of REDD+ in Mexico, in this paper, we argue that this land cover system has important limitations that may prevent it from becoming operational for REDD+ MRV. Specifically, we show that (1) the accuracy assessment of MAD-MEX land cover maps is optimistically biased; (2) the ability of MAD-MEX to monitor land cover change, including deforestation and forest degradation; is poor and (3) the use of an entirely automatic classification approach, such as that followed by MAD-MEX, is highly problematic in the case of a large and heterogeneous country like Mexico. We discuss these limitations and call into question the ability of a land cover monitoring system, such as MAD-MEX, both to elaborate a national reference emissions level and to monitor future forest cover change, as part of a REDD+ MRV system. We provide some insights with the aim of improving the development of nation-wide land cover monitoring systems in Mexico and elsewhere.

show abstract

“…Fontos megemlíteni, hogy a Corine Land Cover projekt célja egy konzisztens európai felszínborítási téradatbázis létrehozása melyben terület-használati elemek is fontos szerepet kapnak (Feranec et al 2007), míg a kutatás célja csak a felszínborítás automatikus osztályozása. A két termék eltér, méghozzá idő dimenzióban.…”

Section: A Clc50 áLlomány úJraosztályozásaunclassified

Normalizált indexek alkalmazhatósága automatikus területi klasszifikációhoz Magyarországon Baranya megye példáján

Farkas¹

2015

Természetföldrajzi Közlemények

View full text Add to dashboard Cite

A távérzékelés tudományának manapság csupán apró szeglete a multispektrális szenzoroktól származó képek GIS rendszerek segítségével történő elemzése. Ezek a képek túlnyomó részben műholdakról származnak. Mika et al. (2011) szerint már az 1950-es évek óta foglalkoztatják a kutatókat a képi adatok feldolgozásában rejlő lehetőségek, míg az első multispektrális szenzor prototípusa 1962-ben született meg (Lein 2003). Az elmúlt 50 év alatt jelentős fejlődésen mentek keresztül mind a szenzorok, mind az elemzési eljárások. Mára fejlett algoritmusok, mint az MLC (maximum likelihood classification), vagy a MAP (maximum a posteriori) állnak a kutatók rendelkezésére, hogy ezeket a műholdképeket akár automatikusan, akár felügyelten kiértékeljék. Bár a távérzékelő műholdak egy részének -mint például a 4m-es felbontá-sú IKONOS (Garrison et al. 2008) -adatai kereskedelmi forgalomban vannak, ingyenes minőségi adatokhoz sem bonyolult hozzájutni. Az Egyesült Államok adatpolitiká-jának köszönhetően például ingyenesen hozzáférhetünk az egyik legnagyobb műholdkép adatbázishoz, a Landsat archívumhoz (Wulder et al. 2012).Az USGS (2015) közlése alapján az első Landsat műholdat, a Landsat 1-et 1972-ben állították pályára. Ez a műhold mindössze négy spektrális csatornán rögzített.Jelenleg a Landsat 7 ETM+ (Enhanced Thematic Mapper +), és a Landsat 8 OLI (Operational Land Manager) szolgáltat folyamatosan frissülő képeket nyolc, illetve kilenc spektrális tartományban. Az 1972 óta felvett adatok napjainkban ingyenesen elérhetőek, általuk a földfelszínen végbemenő változások széles időintervallumon elemezhetőek. Ezeknek az elemzéseknek egyik célja a felszín-borítás vizsgálata. Az ilyen típusú kutatások tárgya lehet egy egyszerű terület-, vagy földhasználati térkép előál-lítása, vagy akár egy specifikus faj terjedésének, térbeli eloszlásának vizsgálata.A nyers műholdképek adattárolási megfontolásokból kvantált formában tartalmazzák az érzékelt információt. Minden műholdkép és szenzor esetében visszaszámol-hatóak a rögzített értékek. A NASA (2011) által kiadott Landsat 7 kézikönyv szerint a kvantált értékek radiancia, és reflektancia értékekké számolhatóak vissza, melyek a szenzort érő sugárzás mennyiségét, valamint a visszavert energia arányát reprezentálják. Amíg általában a reflektancia értékek szolgálnak egy távérzékelési vizsgálat alapjául, más derivatív termékek is alkalmazhatóak hasonló célra. Tipikusan ilyen adatok a normalizált indexek. Ahogy Eredics (2007) is összefoglalja, ezek dimenzió nélküli mérőszámok. Az NDVI a növényzet klorofill tartalmával áll összefüggésben. Gyakori mérőszám még a Gao (1996) által bevezetett NDWI (normalizált ned-

show abstract

Corine land cover change detection in Europe (case studies of the Netherlands and Slovakia)

Cited by 222 publications

References 10 publications

Processes and driving forces in changing cultural landscapes across Europe

Processes and driving forces in changing cultural landscapes across Europe

Comment on Gebhardt et al. MAD-MEX: Automatic Wall-to-Wall Land Cover Monitoring for the Mexican REDD-MRV Program Using All Landsat Data. Remote Sens. 2014, 6, 3923–3943

Normalizált indexek alkalmazhatósága automatikus területi klasszifikációhoz Magyarországon Baranya megye példáján

Contact Info

Product

Resources

About