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

Early Crop Type Classification With Satellite Imagery - An Empirical Analysis

Kondmann, Lukas und Boeck, Sebastian und Bonifacio, Rogerio und Zhu, Xiao Xiang (2022) Early Crop Type Classification With Satellite Imagery - An Empirical Analysis. ICLR 3rd Workshop on Practical Machine Learning in Developing Countries, 2022-04-25 - 2022-04-29, virtual.

[img] PDF
595kB

Offizielle URL: https://pml4dc.github.io/iclr2022/pdf/PML4DC_ICLR2022_3.pdf

Kurzfassung

Crop type mapping from satellite images is an essential input for food security monitoring systems. Many approaches focus on mapping crop types based on a full time series of a growing season. However, a variety of use cases require predictions already during the growing season which can be technically challenging. In this paper, we experiment with Sentinel-2 and Planet Fusion data to explore their potential for early season crop type classification at different points in the season. We use high-quality field collections from Germany and South Africa as reference data and find that daily revisit times can be advantageous but are no silver bullet for early season classification of crops.

elib-URL des Eintrags:https://elib.dlr.de/186105/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Early Crop Type Classification With Satellite Imagery - An Empirical Analysis
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Kondmann, LukasLukas.Kondmann (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Boeck, SebastianSebastian.Boeck (at) wfp.orgNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bonifacio, Rogeriorogerio.bonifacio (at) wfp.orgNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhu, Xiao Xiangxiao.zhu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2022
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Seitenbereich:Seiten 1-7
Status:veröffentlicht
Stichwörter:Crop Type Mapping, Agriculture, Remote Sensing, Machine Learning
Veranstaltungstitel:ICLR 3rd Workshop on Practical Machine Learning in Developing Countries
Veranstaltungsort:virtual
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:25 April 2022
Veranstaltungsende:29 April 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 - Künstliche Intelligenz
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Kondmann, Lukas
Hinterlegt am:13 Apr 2022 11:48
Letzte Änderung:24 Apr 2024 20:47

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.