Weigand, Matthias (2024) Fernerkundung und maschinelles Lernen zur Erfassung von urbanem Grün - Eine Analyse am Beispiel der Verteilungsgerechtigkeit in Deutschland. Dissertation, Julius-Maximilians-Universität Würzburg. doi: 10.25972/OPUS-34961.
![]() |
PDF
34MB |
Offizielle URL: https://nbn-resolving.org/urn:nbn:de:bvb:20-opus-349610
elib-URL des Eintrags: | https://elib.dlr.de/198338/ | ||||||||
---|---|---|---|---|---|---|---|---|---|
Dokumentart: | Hochschulschrift (Dissertation) | ||||||||
Zusätzliche Informationen: | Gefördert durch ein Promotionssipendium der Deutschen Bundesstiftung Umwelt (DBU) | ||||||||
Titel: | Fernerkundung und maschinelles Lernen zur Erfassung von urbanem Grün - Eine Analyse am Beispiel der Verteilungsgerechtigkeit in Deutschland | ||||||||
Autoren: |
| ||||||||
Datum: | 2024 | ||||||||
Open Access: | Ja | ||||||||
DOI: | 10.25972/OPUS-34961 | ||||||||
Seitenanzahl: | 177 | ||||||||
Status: | veröffentlicht | ||||||||
Stichwörter: | remote sensing, machine learning, urban green, environmental justice, Germany, Fernerkundung, maschinelles Lernen, urbane Grünflächen, Umweltgerechtigkeit, Deutschland | ||||||||
Institution: | Julius-Maximilians-Universität Würzburg | ||||||||
Abteilung: | Institut für Geographie und Geologie | ||||||||
HGF - Forschungsbereich: | Luftfahrt, Raumfahrt und Verkehr | ||||||||
HGF - Programm: | Raumfahrt | ||||||||
HGF - Programmthema: | Erdbeobachtung | ||||||||
DLR - Schwerpunkt: | Raumfahrt | ||||||||
DLR - Forschungsgebiet: | R EO - Erdbeobachtung | ||||||||
DLR - Teilgebiet (Projekt, Vorhaben): | R - Fernerkundung u. Geoforschung, R - Geowissenschaftl. Fernerkundungs- und GIS-Verfahren | ||||||||
Standort: | Oberpfaffenhofen | ||||||||
Institute & Einrichtungen: | Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit | ||||||||
Hinterlegt von: | Weigand, Matthias | ||||||||
Hinterlegt am: | 19 Mär 2024 09:43 | ||||||||
Letzte Änderung: | 15 Apr 2024 09:11 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags