Methoden der Künstlichen Intelligenz in Radarmeteorologie und Bodenerosionsforschung

Artificial Intelligence Methods in Radar-Meteorology and Soil Erosion Research

Zitieren Sie bitte immer diese URN: urn:nbn:de:bvb:20-opus-7594
  • Die Dissertation "Methoden der Künstlichen Intelligenz in Radarmeteorologie und Bodenerosionsforschung" beschäftigt sich mit der Erfassung des Parameters der potentiellen Erosivität vor dem Hintergrund der Bodenerosionsproblematik Südafrikas. Basierend auf der Betrachtung der Erosivität einzelner Niederschlagsereignisse wird demonstriert, wie durch wissensbasierte Ansätze aus Wetterradardatensätzen flächendeckende Niederschlagsinformationen gewonnen werden können. Diese dienen als Eingangsdaten für ein Erosivitätsmodell, das aus ZellulärenDie Dissertation "Methoden der Künstlichen Intelligenz in Radarmeteorologie und Bodenerosionsforschung" beschäftigt sich mit der Erfassung des Parameters der potentiellen Erosivität vor dem Hintergrund der Bodenerosionsproblematik Südafrikas. Basierend auf der Betrachtung der Erosivität einzelner Niederschlagsereignisse wird demonstriert, wie durch wissensbasierte Ansätze aus Wetterradardatensätzen flächendeckende Niederschlagsinformationen gewonnen werden können. Diese dienen als Eingangsdaten für ein Erosivitätsmodell, das aus Zellulären Automaten aufgebaut wird. Die Ergebnisse des Erosivitätsmodells werden vorgestellt und diskutiert.zeige mehrzeige weniger
  • The dissertation "Artificial Intelligence Methods in Radarmeteorology and Soil Erosion Research" discusses the assessment of potential rainfall erodibility in regard to soil erosion processes in South Africa. Knowledge-based approaches are used to derive rainfall information from weather radar data for the recording of erosivity pulses from individual rainfall events. This precipitation data is used as input for a erosivity modell consisting built out of cellular automata. The results generated by the modell are presented and discussed.

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Statistik - Anzahl der Zugriffe auf das Dokument
Metadaten
Autor(en): Peter Löwe
URN:urn:nbn:de:bvb:20-opus-7594
Dokumentart:Dissertation
Titelverleihende Fakultät:Universität Würzburg, Fakultät für Geowissenschaften (bis Sept. 2007)
Institute der Universität:Fakultät für Geowissenschaften (bis Sept. 2007) / Institut für Geographie
Datum der Abschlussprüfung:10.12.2003
Sprache der Veröffentlichung:Deutsch
Erscheinungsjahr:2003
Allgemeine fachliche Zuordnung (DDC-Klassifikation):5 Naturwissenschaften und Mathematik / 55 Geowissenschaften, Geologie / 550 Geowissenschaften
Normierte Schlagworte (GND):Südafrika; Bodenerosion; Radarmeteorologie; Künstliche Intelligenz; GRASS <Programm>
Freie Schlagwort(e):Bodenerosion; GRASS GIS; Künstliche Intelligenz; Radarmeteorologie; Südafrika
Artificial Intelligence; GRASS GIS; Radar-Meteorology; Soil Erosion; South Africa
Datum der Freischaltung:03.02.2004
Betreuer:Prof. Dr. Detlef Busche