Fernerkundung und maschinelles Lernen zur Erfassung von urbanem Grün - Eine Analyse am Beispiel der Verteilungsgerechtigkeit in Deutschland

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

Official URL: https://nbn-resolving.org/urn:nbn:de:bvb:20-opus-349610

Item URL in elib:

https://elib.dlr.de/198338/

Document Type:

Thesis (Dissertation)

Additional Information:

Gefördert durch ein Promotionssipendium der Deutschen Bundesstiftung Umwelt (DBU)

Title:

Fernerkundung und maschinelles Lernen zur Erfassung von urbanem Grün - Eine Analyse am Beispiel der Verteilungsgerechtigkeit in Deutschland

Authors:

Authors	Institution or Email of Authors	Author's ORCID iD	ORCID Put Code
Weigand, Matthias	UNSPECIFIED	https://orcid.org/0000-0002-5553-4152	UNSPECIFIED

Date:

2024

Open Access:

Yes

DOI:

10.25972/OPUS-34961

Number of Pages:

177

Status:

Published

Keywords:

remote sensing, machine learning, urban green, environmental justice, Germany, Fernerkundung, maschinelles Lernen, urbane Grünflächen, Umweltgerechtigkeit, Deutschland

Institution:

Julius-Maximilians-Universität Würzburg

Department:

Institut für Geographie und Geologie

HGF - Research field:

Aeronautics, Space and Transport

HGF - Program:

Space

HGF - Program Themes:

Earth Observation

DLR - Research area:

Raumfahrt

DLR - Program:

R EO - Earth Observation

DLR - Research theme (Project):

R - Remote Sensing and Geo Research, R - Geoscientific remote sensing and GIS methods

Location:

Oberpfaffenhofen

Institutes and Institutions:

German Remote Sensing Data Center > Geo Risks and Civil Security

Deposited By:

Weigand, Matthias

Deposited On:

19 Mar 2024 09:43

Last Modified:

15 Apr 2024 09:11

Repository Staff Only: item control page