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.subjectPhysical Geography
dc.subjectSoil Science
dc.subjectImagery / Base Maps / Earth Cover
dc.subjectGeoscientific Information
dc.subjectElevation
dc.subjectLocation
dc.subjectInland Waters
dc.subjectMultidisciplinary Geosciences
dc.subjectRivers/Streams
dc.subjectWater Channels
dc.subjectdigital elevation model
dc.subjectHydrography
dc.subjectditches
dc.subjectmachine Learning
dc.subjectartificial intelligence
dc.subjectlaser scanning
dc.subjectlidar
dc.subjectsemantic segmentation
dc.subjectdeep Learning
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 - 3 of 3
Thumbnail Image
Name:
2024-57-json-ld.json
Size:
14.23 KB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
2024-57-1-json-ld_2025-09-15.json
Size:
8.96 KB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
2024-57-1.zip
Size:
9.46 GB
Format:
Unknown data format
Description:
Download
Collections
Automatic Detection of Ditches and Natural Streams from Digital Elevation Models Using Deep Learning