Quantifying urban land cover by means of machine learning and imaging spectrometer data at multiple spatial scales

Quantifying urban land cover by means of machine learning and imaging spectrometer data at multiple spatial scales

Das weltweite Ausmaß der Urbanisierung zählt zu den großen ökologischen Herausforderungen des 21. Jahrhunderts. Die Fernerkundung bietet die Möglichkeit das Verständnis dieses Prozesses und seiner Auswirkungen zu erweitern. Der Fokus dieser Arbeit lag in der Quantifizierung der städtischen Landbedec...

Full description

Bibliographic Details
Main Author: Okujeni, Akpona
Other Authors: Hostert, Patrick
Format: Doctoral Thesis
Language:English
Published: Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät 2014
Subjects:
Berlin
hyperspektral
maschinelles Lernen
EnMAP
städtische Fernerkundung
abbildende Spektrometrie
Support Vektor Regression
Regressionsverfahren
sub-pixel Analyse
städtische Landbedeckung
VIS model
hyperspectral
machine learning
urban remote sensing
imaging spectrometry
support vector regression
regression algorithms
sub-pixel mapping
urban land cover
550 Geowissenschaften
31 Geowissenschaften
RF 96232
RF 96636
ddc:550
Online Access:http://edoc.hu-berlin.de/18452/17734
http://nbn-resolving.de/urn:nbn:de:kobv:11-100223810
http://dx.doi.org/10.18452/17082

Internet

http://edoc.hu-berlin.de/18452/17734
http://nbn-resolving.de/urn:nbn:de:kobv:11-100223810
http://dx.doi.org/10.18452/17082

Similar Items