Long-Term Annual Mapping of Four Cities on Different Continents by Applying a Deep Information Learning Method to Landsat Data

Lyu, Haobo und Lu, Hui und Mou, Lichao und Li, Wenyu und Wright, Jonathon und Li, Xuecao und Li, Xinlu und Zhu, Xiaoxiang und Wang, Jie und Yu, Le und Gong, Peng (2018) Long-Term Annual Mapping of Four Cities on Different Continents by Applying a Deep Information Learning Method to Landsat Data. Remote Sensing, 10 (3), Seiten 471-493. Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/rs10030471. ISSN 2072-4292.

PDF
4MB

Offizielle URL: http://www.mdpi.com/2072-4292/10/3/471

elib-URL des Eintrags:

https://elib.dlr.de/120630/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Long-Term Annual Mapping of Four Cities on Different Continents by Applying a Deep Information Learning Method to Landsat Data

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Lyu, Haobo	Tsinghua University	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Lu, Hui	Tsinghua University	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Mou, Lichao	Technical University of Munich & German Aerospace Center	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Li, Wenyu	Tsinghua University	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Wright, Jonathon	Tsinghua University	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Li, Xuecao	Iowa State University	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Li, Xinlu	Tsinghua University	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Zhu, Xiaoxiang	German Aerospace Center & Technical University of Munich	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Wang, Jie	Chinese Academy of Sciences	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Yu, Le	Tsinghua University	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Gong, Peng	Tsinghua University	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

2018

Erschienen in:

Remote Sensing

Referierte Publikation:

Open Access:

Gold Open Access:

In SCOPUS:

In ISI Web of Science:

Band:

DOI:

10.3390/rs10030471

Seitenbereich:

Seiten 471-493

Verlag:

Multidisciplinary Digital Publishing Institute (MDPI)

ISSN:

2072-4292

Status:

veröffentlicht

Stichwörter:

urban mapping; deep learning; recurrent neural network; transfer learning; long time series

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 - Fernerkundung u. Geoforschung

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Methodik der Fernerkundung > EO Data Science

Hinterlegt von:

Mou, LiChao

Hinterlegt am:

27 Jun 2018 13:21

Letzte Änderung:

14 Dez 2019 04:26

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags