elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Large scale forest parameter estimation through a deep learning-based fusion of Sentienl-2 and TanDEM-X data

Carcereri, Daniel und Rizzoli, Paola und Ienco, Dino und Bueso Bello, Jose Luis und Gonzalez, Carolina und Puliti, Stefano und Bruzzone, Lorenzo (2022) Large scale forest parameter estimation through a deep learning-based fusion of Sentienl-2 and TanDEM-X data. In: 2022 IEEE International Geoscience and Remote Sensing Symposium, IGARSS 2022. IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 2022-07-17 - 2022-07-22, Kuala Lumpur, Malaysia. doi: 10.1109/IGARSS46834.2022.9884872. ISBN 978-166542792-0.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.


elib-URL des Eintrags:https://elib.dlr.de/191648/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Large scale forest parameter estimation through a deep learning-based fusion of Sentienl-2 and TanDEM-X data
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Carcereri, DanielDaniel.Carcereri (at) dlr.dehttps://orcid.org/0000-0002-3956-1409NICHT SPEZIFIZIERT
Rizzoli, PaolaPaola.Rizzoli (at) dlr.dehttps://orcid.org/0000-0001-9118-2732NICHT SPEZIFIZIERT
Ienco, Dinodino.ienco (at) inrae.frhttps://orcid.org/0000-0002-8736-3132NICHT SPEZIFIZIERT
Bueso Bello, Jose LuisJose-Luis.Bueso-Bello (at) dlr.dehttps://orcid.org/0000-0003-3464-2186NICHT SPEZIFIZIERT
Gonzalez, Carolinacarolina.gonzalez (at) dlr.dehttps://orcid.org/0000-0002-9340-1887NICHT SPEZIFIZIERT
Puliti, Stefanostefano.puliti (at) nibio.nohttps://orcid.org/0000-0003-4624-8987NICHT SPEZIFIZIERT
Bruzzone, Lorenzolorenzo.bruzzone (at) unitn.ithttps://orcid.org/0000-0002-6036-459XNICHT SPEZIFIZIERT
Datum:2022
Erschienen in:2022 IEEE International Geoscience and Remote Sensing Symposium, IGARSS 2022
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/IGARSS46834.2022.9884872
ISBN:978-166542792-0
Status:veröffentlicht
Stichwörter:deep learning; forest; regression; tandem-x; sentinel-2
Veranstaltungstitel:IEEE International Geoscience and Remote Sensing Symposium (IGARSS)
Veranstaltungsort:Kuala Lumpur, Malaysia
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:17 Juli 2022
Veranstaltungsende:22 Juli 2022
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Unterstützung TerraSAR-X/TanDEM-X Betrieb
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Hochfrequenztechnik und Radarsysteme
Institut für Hochfrequenztechnik und Radarsysteme > Satelliten-SAR-Systeme
Hinterlegt von: Carcereri, Daniel
Hinterlegt am:05 Dez 2022 10:12
Letzte Änderung:24 Apr 2024 20:52

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.