Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Gaston Jean Lenczner

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

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.

Unités associées (1)

Laboratoire de science computationnelle pour l'environnement et l'observation de la Terre

EPFL
ENAC
IIE
ECEO

Publications associées (3)

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.

Semantic Segmentation of Coffee Plantations from Sentinel-2 Time Series

Devis Tuia, Gaston Jean Lenczner, Jan Pisl

Coffee production serves as an important source of income for millions of farmers across many tropical countries. Given the scale of the production, accurate and up-to-date maps of coffee plantations are needed to detect, monitor, and mitigate potential ne ...

Institute of Electrical and Electronics Engineers Inc.2024

Mapping drivers of tropical forest loss with satellite image time series and machine learning

Devis Tuia, Gaston Jean Lenczner, Jan Pisl, Jan Dirk Wegner, Marc Conrad Russwurm, Lloyd Haydn Hughes

The rates of tropical deforestation remain high, resulting in carbon emissions, biodiversity loss, and impacts on local communities. To design effective policies to tackle this, it is necessary to know what the drivers behind deforestation are. Since drive ...

Iop Publishing Ltd2024

Multi-temporal forest monitoring in the Swiss Alps with knowledge-guided deep learning

Devis Tuia, Gaston Jean Lenczner, Thiên-Anh Claris Nguyen, Marc Conrad Russwurm

Monitoring forests, in particular their response to climate and land use change, requires studying long time scales. While efficient deep learning methods have been developed to process short time series of satellite imagery, leveraging long time series of ...

Elsevier Science Inc2024