Collective Sensing and artificial intelligence techniques for natural hazard risk and impact assessment

Geiß, Christian (2025) Collective Sensing and artificial intelligence techniques for natural hazard risk and impact assessment. Habilitation, Julius-Maximilians-University of Würzburg.

PDF
10MB

elib-URL des Eintrags:

https://elib.dlr.de/214526/

Dokumentart:

Hochschulschrift (Habilitation)

Titel:

Collective Sensing and artificial intelligence techniques for natural hazard risk and impact assessment

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Geiß, Christian	Christian.Geiss (at) dlr.de	https://orcid.org/0000-0002-7961-8553	NICHT SPEZIFIZIERT

DLR-Supervisor:

Beitragsart	DLR-Supervisor	Institution oder E-Mail-Adresse	DLR-Supervisor-ORCID-iD
Thesis advisor	Dech, Stefan	Stefan.Dech (at) dlr.de	NICHT SPEZIFIZIERT

Datum:

2025

Open Access:

Seitenanzahl:

Status:

veröffentlicht

Stichwörter:

multimodal earth vision, machine learning, AI, natural hazard risk

Institution:

Julius-Maximilians-University of Würzburg

Abteilung:

Department of Geography and Geology

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 > Georisiken und zivile Sicherheit

Hinterlegt von:

Geiß, Christian

Hinterlegt am:

03 Jul 2025 16:17

Letzte Änderung:

03 Jul 2025 16:17

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags