Deep-learning for soil moisture retrieval from Sentinel-1 InSAR data

Caushi, Andrea (2026) Deep-learning for soil moisture retrieval from Sentinel-1 InSAR data. Masterarbeit, Politecnico di Milano.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

elib-URL des Eintrags:

Dokumentart:

Hochschulschrift (Masterarbeit)

Titel:

Deep-learning for soil moisture retrieval from Sentinel-1 InSAR data

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Caushi, Andrea	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

DLR-Supervisor:

Beitragsart	DLR-Supervisor	Institution oder E-Mail-Adresse	DLR-Supervisor-ORCID-iD
Thesis advisor	Bueso Bello, Jose Luis	Jose-Luis.Bueso-Bello (at) dlr.de	https://orcid.org/0000-0003-3464-2186

Datum:

März 2026

Open Access:

Nein

Status:

nicht veröffentlicht

Stichwörter:

Synthetic Aperture Radar, soil moisture, Sentinel-1, deep learning, convolutional neural network, weakly-supervised learning, machine learning

Institution:

Politecnico di Milano

Abteilung:

Aerospace Engineering

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:

Hinterlegt von:

Bueso Bello, Jose Luis

Hinterlegt am:

02 Jun 2025 17:06

Letzte Änderung:

12 Nov 2025 11:21

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags