Multi‑Sensor Deep Learning for Smallholder Paddy Rice Mapping with Sentinel‑1 SAR and Sentinel‑2 Optical Imagery
Diese Studie zeigt, dass ein Ensemble aus U-Net- und PSPNet-Deep-Learning-Modellen, die auf fusionierten multi-temporalen Sentinel-1-SAR- und Sentinel-2-Optikdaten trainiert wurden, durch die Nutzung von multiskaliger kontextueller Argumentation und phänologischen Wachstumsstadien eine hochgenaue Kartierung fragmentierter kleiner Reisfelder von Kleinbauern erreicht.