On the derivation of forest parameters from Interferometric SAR features using Deep Learning

Carcereri, Daniel und Rizzoli, Paola und Tebaldini, Stefano (2025) On the derivation of forest parameters from Interferometric SAR features using Deep Learning. ESA Living Planet Symposium, 2025-06-23 - 2025-06-27, Vienna, Austria.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

elib-URL des Eintrags:

https://elib.dlr.de/213930/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

On the derivation of forest parameters from Interferometric SAR features using Deep Learning

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Carcereri, Daniel	Daniel.Carcereri (at) dlr.de	https://orcid.org/0000-0002-3956-1409	NICHT SPEZIFIZIERT
Rizzoli, Paola	Paola.Rizzoli (at) dlr.de	https://orcid.org/0000-0001-9118-2732	NICHT SPEZIFIZIERT
Tebaldini, Stefano	Politecnico di Milano	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

2025

Referierte Publikation:

Nein

Open Access:

Nein

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

akzeptierter Beitrag

Stichwörter:

deep learning, forest parameter, TanDEM-X, XAI

Veranstaltungstitel:

ESA Living Planet Symposium

Veranstaltungsort:

Vienna, Austria

Veranstaltungsart:

internationale Konferenz

Veranstaltungsbeginn:

23 Juni 2025

Veranstaltungsende:

27 Juni 2025

Veranstalter :

ESA

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 - AI4SAR

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Hochfrequenztechnik und Radarsysteme > Satelliten-SAR-Systeme
Institut für Hochfrequenztechnik und Radarsysteme

Hinterlegt von:

Carcereri, Daniel

Hinterlegt am:

02 Jun 2025 17:57

Letzte Änderung:

02 Jun 2025 17:57

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags