Forest Mapping with TanDEM-X and Deep Learning Methods

Bueso Bello, Jose Luis und Rizzoli, Paola und Zink, Manfred (2022) Forest Mapping with TanDEM-X and Deep Learning Methods. CARF Remote Sensing Workshop 2022, 2022-10-14 - 2022-10-15, Jülich, Germany.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

elib-URL des Eintrags:

https://elib.dlr.de/190333/

Dokumentart:

Konferenzbeitrag (Vortrag, Poster)

Titel:

Forest Mapping with TanDEM-X and Deep Learning Methods

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Bueso Bello, Jose Luis	NICHT SPEZIFIZIERT	https://orcid.org/0000-0003-3464-2186	NICHT SPEZIFIZIERT
Rizzoli, Paola	NICHT SPEZIFIZIERT	https://orcid.org/0000-0001-9118-2732	NICHT SPEZIFIZIERT
Zink, Manfred	NICHT SPEZIFIZIERT	https://orcid.org/0000-0002-4308-5636	NICHT SPEZIFIZIERT

Datum:

Oktober 2022

Referierte Publikation:

Open Access:

Nein

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

Synthetic Aperture Radar, TanDEM-X, Amazon, forest mapping, deforestation monitoring, deep learning, convolutional neural network

Veranstaltungstitel:

CARF Remote Sensing Workshop 2022

Veranstaltungsort:

Jülich, Germany

Veranstaltungsart:

internationale Konferenz

Veranstaltungsbeginn:

14 Oktober 2022

Veranstaltungsende:

15 Oktober 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:

Bueso Bello, Jose Luis

Hinterlegt am:

21 Nov 2022 06:36

Letzte Änderung:

24 Apr 2024 20:51

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags