机译:在大数据环境中优化Sentinel-2图像选择
机译:用于光谱带选择和优化的端到端传感器仿真,并应用于Sentinel-2任务
机译:利用机器学习和卫星数据预测土壤有机碳和C:N比例的国家规模:Sentinel-2,Sentinel-3和Landsat-8图像的比较
机译:学习Sentinel-2图像的超分辨率,具有来自参考卫星的真实实际数据
机译:优化Sentinel-2影像栅格数据和地图显示分辨率的数学方法的比较
机译:情境感知的信息样本选择和图像伪造检测
机译:来自Sentinel-2数据的全球无云基于像素的图像合成
机译:使用Sentinel-1和Sentinel-2数据融合的作物类型分类:评估特征选择,光学数据可用性和包裹大小的影响