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

Prediction of Wind Speeds based on Digital Elevation Models using Boosted Regression Trees

Fischer, Peter und Etienne, Christophe und Tian, Jiaojiao und Krauß, Thomas (2015) Prediction of Wind Speeds based on Digital Elevation Models using Boosted Regression Trees. In: International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, Seiten 1-6. 3rd International Conference on Sensors and Models in Photogrammetry and Remote Sensing, 2015-11-23 - 2015-11-25, Kish Island, Iran. doi: 10.5194/isprsarchives-XL-1-W5-197-2015. ISSN 1682-1750.

[img] PDF
13MB

Kurzfassung

In this paper a new approach is presented to predict maximum wind speeds using Gradient Boosted Regression Trees (GBRT). GBRT are a non-parametric regression technique used in various applications, suitable to make predictions without having an in-depth a-priori knowledge about the functional dependancies between the predictors and the response variables. Our aim is to predict maximum wind speeds based on predictors, which are derived from a digital elevation model (DEM). The predictors describe the orography of the Area-of-Interest (AoI) by various means like first and second order derivatives of the DEM, but also higher sophisticated classifications describing exposure and shelterness of the terrain to wind flux. In order to take the different scales into account which probably influence the streams and turbulences of wind flow over complex terrain, the predictors are computed on different spatial resolutions ranging from 30 m up to 2000 m. The geographic area used for examination of the approach is Switzerland, a mountainious region in the heart of europe, dominated by the alps, but also covering large valleys. The full workflow is described in this paper, which consists of data preparation using image processing techniques, model training using a state-of-the-art machine learning algorithm, in-depth analysis of the trained model, validation of the model and application of the model to generate a wind speed map.

elib-URL des Eintrags:https://elib.dlr.de/99861/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Prediction of Wind Speeds based on Digital Elevation Models using Boosted Regression Trees
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Fischer, PeterPeter.Fischer (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Etienne, ChristopheChristophe.Etienne (at) secquaero.comNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Tian, Jiaojiaojiaojiao.tian (at) dlr.dehttps://orcid.org/0000-0002-8407-5098NICHT SPEZIFIZIERT
Krauß, Thomasthomas.krauss (at) dlr.dehttps://orcid.org/0000-0001-6004-1435138859383
Datum:November 2015
Erschienen in:International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives
Referierte Publikation:Nein
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.5194/isprsarchives-XL-1-W5-197-2015
Seitenbereich:Seiten 1-6
ISSN:1682-1750
Status:veröffentlicht
Stichwörter:Spatial Predictions, Non-Parametric Regression, Regression Trees, Wind Speeds
Veranstaltungstitel:3rd International Conference on Sensors and Models in Photogrammetry and Remote Sensing
Veranstaltungsort:Kish Island, Iran
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:23 November 2015
Veranstaltungsende:25 November 2015
Veranstalter :University of Tehran
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 - Geowissenschaftl. Fernerkundungs- und GIS-Verfahren
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Hinterlegt von: Fischer, Peter
Hinterlegt am:25 Nov 2015 15:31
Letzte Änderung:24 Apr 2024 20:05

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.