Détail de l'auteur
Auteur Saya Ohi |
Documents disponibles écrits par cet auteur (1)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
Coniferous and broad-leaved forest distinguishing using L-band polarimetric SAR data / Fang Shang in IEEE Transactions on geoscience and remote sensing, Vol 59 n° 9 (September 2021)
![]()
[article]
Titre : Coniferous and broad-leaved forest distinguishing using L-band polarimetric SAR data Type de document : Article/Communication Auteurs : Fang Shang, Auteur ; Taiga Saito, Auteur ; Saya Ohi, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 7487 - 7499 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] bande L
[Termes IGN] détection de changement
[Termes IGN] détection de cible
[Termes IGN] distribution spatiale
[Termes IGN] forêt de feuillus
[Termes IGN] image ALOS-PALSAR
[Termes IGN] image radar moirée
[Termes IGN] Japon
[Termes IGN] Pinophyta
[Termes IGN] polarimétrie radarRésumé : (auteur) This article proposes a coniferous and broad-leaved forest distinguishing method using L-band polarimetric SAR data based on the structure-orientation parameter. The structure-orientation parameter is one of the averaged Stokes vector-based discriminators which is sensitive to the composition of equivalent horizontal and vertical structures. In the proposed method, the structure-orientation parameters is compensated by employing the scattered power information to remove the influence of the topography. The final distinguishing result is generated based on the statistical feature of the compensated parameters. The experiments using several sets of ALOS2-PALSAR2 level 1.1 data prove that the proposed method has high performance for forest-type distinguishing. Numéro de notice : A2021-648 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3032468 Date de publication en ligne : 03/11/2020 En ligne : https://doi.org/10.1109/TGRS.2020.3032468 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98355
in IEEE Transactions on geoscience and remote sensing > Vol 59 n° 9 (September 2021) . - pp 7487 - 7499[article]