实体
TanDEM-X
TanDEM-X
PulseAugur coverage of TanDEM-X — every cluster mentioning TanDEM-X across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新AI模型TRNet利用地形数据增强水稻测绘
研究人员开发了TRNet，这是一种新颖的深度学习模型，用于利用多模态数据分割水稻田。该模型集成了超高分辨率RGB图像与数字高程模型（DEM）数据和派生的坡度信息，以克服地形变化和视觉上相似植被带来的挑战。TRNet采用独立的视觉和地形数据编码器，并配备地形能量-光谱校正模块，以抑制杂波并增强水稻特征。实验表明，TRNet的性能优越，与现有方法相比，在交叉联合（IoU）得分上有了显著提高，尤其是在地形更陡峭、水稻分布较低的地区。
-
混合人工智能-物理模型改进格陵兰InSAR DEM精度
研究人员开发了一种结合了基于物理的模型和机器学习的混合方法，用于校正X波段InSAR数据生成的数字高程模型（DEM）中的穿透偏差。该方法使用TanDEM-X数据在格陵兰冰盖上进行了测试。与纯粹的物理模型或纯粹的机器学习模型相比，该混合模型在减少DEM误差和提高泛化能力方面表现出显著的改进，尤其是在处理不同的采集参数时。
-
混合机器学习模型利用卫星数据改进森林高度估算
研究人员开发了一种混合机器学习模型，通过整合 TanDEM-X 和 Landsat 卫星的数据来改进森林高度的估算。该增强模型结合了光学 Landsat 数据，提供了关于森林结构的补充信息，解决了早期仅依赖 TanDEM-X 干涉相干性的模型中存在的歧义。在加蓬的洛佩国家公园进行的验证表明，与原始方法相比，均方根误差 (RMSE) 降低了 13.5%，平均绝对误差 (MAE) 降低了 16.6%，误差显著减少。