Jump for page navigation or with accesskey and key 1. 
Jump to page content or with accesskey and key 2. 
Home    Login     
Logout in [min] [minutetext]

S Remote sensing and machine learning for spatial monitoring of environmental variables - Single View

Basic Information
Type of Course Practice Long text
Number 140667 Short text
Term SS 2020 Hours per week in term 4
Expected no. of participants 24 Study Year
Max. participants 24
Credits 6 Assignment enrollment
Hyperlink
Language german
application period
Department :
Institut für Landschaftsökologie
Dates/Times/Location Group: [no name] iCalendar export for Outlook
  Day Time Frequency Duration Room Room-
plan
Lecturer Status Remarks Cancelled on Max. participants
show single terms
iCalendar export for Outlook
Wed. 08:00 to 12:00 weekly 08.04.2020 to 15.07.2020          08.04.2020: Verschobener Start des Semesters
15.04.2020: Verschobener Start des Semesters
Group [no name]:
 


Responsible Instructor
Responsible Instructor Responsibilities
Meyer, Hanna, Prof. Dr. responsible
Curriculae
Graduation - Curricula Sem ECTS Bereich Teilgebiet
Bachelor - Geoinformatik (82 807 13) - 5
Master - Landschaftsökologie (88 908 9) - 6
Master - Landschaftsökologie (88 908 13) - 6
Exams / Modules
Number of exam Module
18102 Ausgewählte Probleme der Geoinformatik 2 (Wahlpflicht) - Bachelor Geoinformatik Version 2013
18101 Ausgewählte Probleme der Geoinformatik 1 (Wahlpflicht) - Bachelor Geoinformatik Version 2013
20003 Lehrveranstaltungen nach Angebot - Master Landschaftsökologie Version 2013
19003 Lehrveranstaltungen nach Angebot - Master Landschaftsökologie Version 2013
21003 Lehrveranstaltungen nach Angebot - Master Landschaftsökologie Version 2009
20003 Lehrveranstaltungen nach Angebot - Master Landschaftsökologie Version 2009
Assign to Departments
Institut für Landschaftsökologie
Contents
Learning Content

Viele Fragestellungen in den Umweltwissenschaften erfordern die Erfassung von räumlichen und raum-zeitlichen Dynamiken von Ökosystemvariablen, die nicht durch Feldaufnahmen alleine abgebildet werden können.Ziel des Kurses ist es, Methoden kennenzulernen und anzuwenden um verschiedene Umweltvariablen (zB Landbedeckung, Blattflächenindex) flächendeckend aus Fernerkundungsdaten abzuleiten. Hier kommen vor allem maschinelle Lernverfahren zum Einsatz, die nichtlineare Zusammenhänge zwischen Fernerkundungsinformationen und Umweltvariablen berücksichtigen.Als Schwerpunkt des Kurses wird der Umgang mit der Software- und Programmierumgebung R zur räumlichen Datenananlyse und Satellitenbildverarbeitung erarbeitet. In R implementierte maschinelle Lernverfahren werden für die Ableitung der Umweltvariablen aus Satellitenbildern verwendet.Die Methoden werden überwiegend in den Sitzungen gemeinsam erarbeitet und diskutiert. Der Kurs ist projektorientiert aufgebaut, und umfasst sowohl die Aufnahme von Umweltvariablen im Gelände (Referenzdaten), Datenprozessierung und Modellierung, sowie die wissenschaftliche Dokumentation der Methoden und Ergebnisse.Grundlegende Kenntnisse in R und/oder Fernerkundung sind von Vorteil aber nicht zwingend erforderlich.

 


Structure Tree
Lecture not found in this Term. Lecture is in Term SS 2020 , Currentterm: SoSe 2024