Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Recherche

Afficher tous les résultats pour

Accueil

Personne

Jelena Stamenkovic

Cette personne a quitté l’EPFL

À propos
Confidentialité
Mentions légales

Graph Chatbot

Publications associées (4)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

Afficher plus

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (4)

Afficher plus

Synergy of hyperspectral and microwave remote sensing data to derive bio- and geo-physical parameters for land applications

Jelena Stamenkovic

Retrieval of bio/geophysical variables from remote sensing imagery is an important research field. Due to the development and availability of different EO satellites, especially the ones with hyperspectral sensors, the combined use of radar and optical ima ...

EPFL2015

Crop Backscatter Modeling And Soil Moisture Estimation With Support Vector Regression

Jean-Philippe Thiran, Devis Tuia, Maurice Borgeaud, Jelena Stamenkovic

In this paper, we used an improved version of the Tor Vergata radiative transfer model to simulate the backscattering coefficient for the L-band SAR signals over areas covered with vegetation. Fields of winter wheat, maize and sugar beet observed during th ...

Ieee2014

Estimation of Soil Moisture from Airborne Hyperspectral Imagery with Support Vector Regression

Jean-Philippe Thiran, Devis Tuia, Frank Grégoire Jean de Morsier, Maurice Borgeaud, Jelena Stamenkovic

In this paper, we propose to estimate soil moisture in bare soils directly from hyperspectral imagery using support vector regression (nu-SVR). nu-SVR is a supervised non-parametric learning technique, e.g. making no assumption on the underlying data distr ...

2013