Evaluating the potential of a deep learning framework for detecting mowing events in German grasslands with Sentinel-1 InSAR coherence

Obrecht, Laura (2026) Evaluating the potential of a deep learning framework for detecting mowing events in German grasslands with Sentinel-1 InSAR coherence. Masterarbeit, University of Würzburg.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

elib-URL des Eintrags:

https://elib.dlr.de/227659/

Dokumentart:

Hochschulschrift (Masterarbeit)

Titel:

Evaluating the potential of a deep learning framework for detecting mowing events in German grasslands with Sentinel-1 InSAR coherence

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Obrecht, Laura	University of Würzburg	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

DLR-Supervisor:

Beitragsart	DLR-Supervisor	Institution oder E-Mail-Adresse	DLR-Supervisor-ORCID-iD
Thesis advisor	Künzer, Claudia	Claudia.Kuenzer (at) dlr.de	NICHT SPEZIFIZIERT
Thesis advisor	Reinermann, Sophie	Sophie.Reinermann (at) dlr.de	NICHT SPEZIFIZIERT

Datum:

2026

Open Access:

Nein

Seitenanzahl:

Status:

veröffentlicht

Stichwörter:

SAR, interferometry, cutting, management

Institution:

University of Würzburg

Abteilung:

Earth Observation Research Cluster

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 - Fernerkundung u. Geoforschung, R - HPDA-Nutzung

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Deutsches Fernerkundungsdatenzentrum > Dynamik der Landoberfläche

Hinterlegt von:

Reinermann, Sophie

Hinterlegt am:

26 Okt 2026 09:12

Letzte Änderung:

26 Okt 2026 09:12

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags