Automatic Detection of Ditches and Natural Streams from Digital Elevation Models Using Deep Learning

Simple item page
dc.contributor.authorMariana dos Santos Toledo Busarello
dc.contributor.authorWilliam Lidberg
dc.contributor.authorAnneli Ågren
dc.contributor.authorFlorian Westphal
dc.date.accessioned2025-01-20T09:40:21Z
dc.date.available2025-01-20T09:40:21Z
dc.date.issued2024-03-15T15:10:56.71414Z
dc.descriptionThis data contains the digital elevation models and polyline shapefiles with the location of channels from the 12 study areas used in this study. It also has the code to generate the datasets used to train the deep learning models to detect channels, ditches, and streams, and calculate the topographic indices. The code to train the models is also included, along with the models with the highest performance in 0.5 m resolution. The channels were mapped differently based on their type: ditches were manually digitized based on the visual analysis of some topographic indices and orthophotos obtained from the DEM. Streams were mapped by initially detecting all natural channel heads, then tracing the downstream channels, and finally manually editing them based on orthophotos.en_EN
dc.descriptionDen här datamängden innehåller digitala höjdmodeller och polyline-shapefiler med placeringen av kanaler från de 12 studieområdena som används i denna studie. Den innehåller också koden för att generera datamängderna som används för att träna djupinlärningsmodellerna som används för att kartera kanaler, diken och vattendrag, samt beräkna topografiska index. Koden för att träna modellerna ingår också, tillsammans med modellerna med bäst prestanda i 0,5 meters upplösning. Kanalerna kartlades på olika sätt: diken digitaliserades manuellt baserat på visuell analys av vissa topografiska index och ortofoton som erhållits från en digital höjdmodell. Vattendrag kartlades genom att först upptäcka alla naturliga kanalhuvuden, sedan spåra nedströmskanalerna och slutligen redigera dem manuellt baserat på ortofoton.sv_SE
dc.description.sponsorshipMarianne and Marcus Wallenberg Foundationen_EN
dc.description.sponsorshipMarianne och Marcus Wallenbergs stiftelsesv_SE
dc.identifier.govdocSLU.seksko.2024.4.4.IÄ-1
dc.identifier.urihttps://doi.org/10.5878/jrex-z325
dc.identifier.urihttps://doi.org/10.5878/gp08-ed29
dc.identifier.urihttps://hdl.handle.net/20.500.12703/5442
dc.languageotheren_EN
dc.publisherSwedish National Data Serviceen_EN
dc.publisherSvensk Nationell Datatjänstsv_SE
dc.subjectGeosciences, Multidisciplinaryen_EN
dc.subjectMultidisciplinär geovetenskapsv_SE
dc.subjectPhysical Geographyen_EN
dc.subjectNaturgeografisv_SE
dc.subjectSoil Scienceen_EN
dc.subjectMarkvetenskapsv_SE
dc.subjectImagery / Base Maps / Earth Coveren_EN
dc.subjectArealtäckande bilder och bakgrundskartorsv_SE
dc.subjectGeoscientific Informationen_EN
dc.subjectGeovetenskapsv_SE
dc.subjectElevationen_EN
dc.subjectHöjddatasv_SE
dc.subjectLocationen_EN
dc.subjectPositioneringsv_SE
dc.subjectInland Watersen_EN
dc.subjectSjöar och vattendragsv_SE
dc.subjectEarth and Related Environmental Sciencesen_EN
dc.subjectGeovetenskap och miljövetenskapsv_SE
dc.subjectAgriculture, Forestry and Fisheriesen_EN
dc.subjectLantbruksvetenskap, skogsbruk och fiskesv_SE
dc.subjectNatural Sciencesen_EN
dc.subjectNaturvetenskapsv_SE
dc.subjectAgricultural and Veterinary sciencesen_EN
dc.subjectLantbruksvetenskap och veterinärmedicinsv_SE
dc.subjectmethodsen_EN
dc.subjectmetodersv_SE
dc.subjectremote sensingen_EN
dc.subjectfjärranalyssv_SE
dc.subjectSurface Wateren_EN
dc.subjectSurface Watersv_SE
dc.subjectmethoden_EN
dc.subjectmetodsv_SE
dc.subjectsocietal objectsen_EN
dc.subjectsamhälleliga objektsv_SE
dc.subjectareas and regionsen_EN
dc.subjectområdensv_SE
dc.subjectmappingen_EN
dc.subjectkartläggningsv_SE
dc.subjectTerrestrial Hydrosphereen_EN
dc.subjectTerrestrial Hydrospheresv_SE
dc.subjectabstract objectsen_EN
dc.subjectabstrakta objektsv_SE
dc.subjectplaceen_EN
dc.subjectplatssv_SE
dc.subjectaction with an objecten_EN
dc.subjectaktivitet med objektsv_SE
dc.subjectEarth Scienceen_EN
dc.subjectEarth Sciencesv_SE
dc.subjectactionen_EN
dc.subjectverksamhetsv_SE
dc.subjectobjectsen_EN
dc.subjectentitetersv_SE
dc.subjectScience Keywordsen_EN
dc.subjectScience Keywordssv_SE
dc.subjectevents and actionen_EN
dc.subjecthändelser och handlingsv_SE
dc.titleAutomatic Detection of Ditches and Natural Streams from Digital Elevation Models Using Deep Learningen_EN
dc.titleAutomatisk detektion av diken och vattendrag från digitala höjdmodeller med hjälp av djupinlärningsv_SE
dc.typeDatasetsv_SE
Files
Original bundle
Now showing 1 - 10 of 11
Thumbnail Image
Name:
channels_shapefiles.zip
Size:
6.27 MB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
code.zip
Size:
61.34 KB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
DEM.zip
Size:
9.32 GB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
models.zip
Size:
137.26 MB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
checksums
Size:
77 B
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
checksums
Size:
77 B
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
checksums
Size:
77 B
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
checksums
Size:
77 B
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
DataREADME.pdf
Size:
116.33 KB
Format:
Adobe Portable Document Format
Description:
Download
Thumbnail Image
Name:
README.pdf
Size:
769.91 KB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Automatic Detection of Ditches and Natural Streams from Digital Elevation Models Using Deep Learning