elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Droughts severity score prediction using explainable machine learning methodologies

Neophytides, Stelios und Mavrovouniotis, Michalis und Eliades, Marinos und Bachofer, Felix und Hadjimitsis, Diofantos (2024) Droughts severity score prediction using explainable machine learning methodologies. Tenth International Conference on Remote Sensing and Geoinformation of Environment, 2024-04-08 - 2024-04-09, Paphos, Cyprus.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

Climate Change and Crisis drives the climate to more extreme weather events. As an example, air, land surface and canopy surface temperatures are increasing, and this is affecting the industry of agriculture in many and different ways. For example, damages and losses on crops and pastures are shown up or wide spreading along a region, as well as shortages in water resources and limitations on water usage from farmers are suggested or imposed. Eastern Mediterranean, Middle Easte and North Africa (EMMENA) region is one of the most affected regions. United States (US) have developed the Drought Monitor (https://droughtmonitor.unl.edu/, visited on 05/03/2024) which is responsible for the monitoring of drought events in the different counties. US Monitor and their categorization in five different categories (from abnormally dry to exceptional drought) based on their drought score. In this work, Artificial Intelligence (AI) methodologies are applied in an open-access Kaggle dataset (https://www.kaggle.com/datasets/cdminix/us-drought-meteorological-data, visited on 28/02/2024) which combines soil, meteorological and drought scores, collected from the Harmonized World Soil Database, NASA Langley Research Centre POWER Project and the US Drought Monitor, respectively, for drought score prediction. The main objective of this work is to apply explainable Machine Learning (ML) techniques, for drought score predictions and raise the awareness for drought events in the wider EMMENA region.

elib-URL des Eintrags:https://elib.dlr.de/203867/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Droughts severity score prediction using explainable machine learning methodologies
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Neophytides, SteliosERATOSTHENES Centre of Excellence, CyprusNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Mavrovouniotis, MichalisERATOSTHENES Centre of Excellence, CyprusNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Eliades, MarinosEratosthenes Centre of Excellence, Limassol, CyprusNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bachofer, FelixFelix.Bachofer (at) dlr.dehttps://orcid.org/0000-0001-6181-0187NICHT SPEZIFIZIERT
Hadjimitsis, Diofantosd.hadjimitsis (at) cut.ac.cyNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:April 2024
Referierte Publikation:Nein
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Climate Change, extreme weather events, Artificial Intelligence, agriculture, EMMENA
Veranstaltungstitel:Tenth International Conference on Remote Sensing and Geoinformation of Environment
Veranstaltungsort:Paphos, Cyprus
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:8 April 2024
Veranstaltungsende:9 April 2024
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
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Deutsches Fernerkundungsdatenzentrum > Dynamik der Landoberfläche
Hinterlegt von: Bachofer, Dr. Felix
Hinterlegt am:06 Mai 2024 10:44
Letzte Änderung:06 Mai 2024 10:44

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.