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

Predicting Soil Properties from Hyperspectral Satellite Images

Kuzu, Ridvan Salih und Albrecht, Frauke und Arnold, Caroline und Kamath, Roshni und Konen, Kai (2022) Predicting Soil Properties from Hyperspectral Satellite Images. In: 29th IEEE International Conference on Image Processing, ICIP 2022, Seiten 4296-4300. IEEE. 2022 IEEE International Conference on Image Processing (ICIP), 2022-10-16 - 2022-10-19, Bordeaux, France. doi: 10.1109/ICIP46576.2022.9897254. ISBN 978-1-6654-9620-9. ISSN 2381-8549.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://dx.doi.org/10.1109/ICIP46576.2022.9897254

Kurzfassung

The AI4EO Hyperview challenge seeks machine learning methods that predict agriculturally relevant soil parameters (K, Mg, P 2 O 5 , pH) from airborne hyperspectral images. We present a hybrid model fusing Random Forest and K-nearest neighbor regressors that exploit the average spectral reflectance, as well as derived features such as gradients, wavelet coefficients, and Fourier transforms. The solution is computationally lightweight and improves upon the challenge baseline by 21.9%, with the first place on the public leaderboard. In addition, we discuss neural network architectures and potential future improvements.

elib-URL des Eintrags:https://elib.dlr.de/190648/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Predicting Soil Properties from Hyperspectral Satellite Images
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Kuzu, Ridvan Salihridvan.kuzu (at) dlr.dehttps://orcid.org/0000-0002-1816-181X145834332
Albrecht, FraukeHelmholtz AI Artificial Intelligence Cooperation UnitNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Arnold, CarolineHelmholtz AI Artificial Intelligence Cooperation UnitNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kamath, RoshniHelmholtz AI Artificial Intelligence Cooperation UnitNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Konen, Kaikai.konen (at) dlr.dehttps://orcid.org/0000-0001-7957-4477147006245
Datum:16 Oktober 2022
Erschienen in:29th IEEE International Conference on Image Processing, ICIP 2022
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/ICIP46576.2022.9897254
Seitenbereich:Seiten 4296-4300
Verlag:IEEE
ISSN:2381-8549
ISBN:978-1-6654-9620-9
Status:veröffentlicht
Stichwörter:Reflectivity, Satellites, Fourier transforms, Image processing, Soil properties, Neural networks, Forestry
Veranstaltungstitel:2022 IEEE International Conference on Image Processing (ICIP)
Veranstaltungsort:Bordeaux, France
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:16 Oktober 2022
Veranstaltungsende:19 Oktober 2022
Veranstalter :IEEE
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 - Optische Fernerkundung, R - Künstliche Intelligenz, R - Geoprodukte u. - Systeme, Services
Standort: Köln-Porz , Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Institut für Softwaretechnologie > Intelligente und verteilte Systeme
Hinterlegt von: Kuzu, Dr. Ridvan Salih
Hinterlegt am:25 Nov 2022 10:07
Letzte Änderung:24 Apr 2024 20:51

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.