Logo
Benutzer: Gast  Login
Autoren:
Eitel, Maximilian; Schmitt, Michael 
Dokumenttyp:
Konferenzbeitrag / Conference Paper 
Titel:
1D-CNN for land cover classification of Sentinel-3 altimetry waveforms using additional features 
Titel Konferenzpublikation:
IGARSS 2023 - 2023 IEEE International Geoscience and Remote Sensing Symposium 
Veranstalter (Körperschaft):
IEEE 
Konferenztitel:
International Geoscience and Remote Sensing Symposium (2023, Pasadena, Calif.) 
Tagungsort:
Pasadena, CA, USA 
Jahr der Konferenz:
2023 
Datum Beginn der Konferenz:
16.07.2023 
Datum Ende der Konferenz:
21.07.2023 
Verlagsort:
Piscataway, NJ 
Verlag:
IEEE 
Jahr:
2023 
Seiten von - bis:
3058-3061 
Sprache:
Englisch 
Abstract:
In this research, we focus on the classification of land cover types using radar altimetry data and evaluate the sensitivity of the altimetry signal across different land cover categories. To perform the classification task, we create a comprehensive dataset by combining altimetry footprints and the ESA World- cover2020 dataset. To model the classification, we employ multiple 1D-CNN (Convolutional Neural Network) architectures originally developed for other applications and adapt them to the p...    »
 
ISBN:
979-8-3503-2010-7 
Fakultät:
Fakultät für Luft- und Raumfahrttechnik 
Institut:
LRT 9 - Institut für Raumfahrttechnik und Weltraumnutzung 
Professur:
Schmitt, Michael 
Open Access ja oder nein?:
Nein / No