Methoden der Künstlichen Intelligenz in Radarmeteorologie und Bodenerosionsforschung

Artificial Intelligence Methods in Radar-Meteorology and Soil Erosion Research

Please always quote using this 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.show moreshow less
  • 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.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author: Peter Löwe
URN:urn:nbn:de:bvb:20-opus-7594
Document Type:Doctoral Thesis
Granting Institution:Universität Würzburg, Fakultät für Geowissenschaften (bis Sept. 2007)
Faculties:Fakultät für Geowissenschaften (bis Sept. 2007) / Institut für Geographie
Date of final exam:2003/12/10
Language:German
Year of Completion:2003
Dewey Decimal Classification:5 Naturwissenschaften und Mathematik / 55 Geowissenschaften, Geologie / 550 Geowissenschaften
GND Keyword:Südafrika; Bodenerosion; Radarmeteorologie; Künstliche Intelligenz; GRASS <Programm>
Tag:Bodenerosion; GRASS GIS; Künstliche Intelligenz; Radarmeteorologie; Südafrika
Artificial Intelligence; GRASS GIS; Radar-Meteorology; Soil Erosion; South Africa
Release Date:2004/02/03
Advisor:Prof. Dr. Detlef Busche