A machine learning based 24-h-technique for an area-wide rainfall retrieval using MSG SEVIRI data over Central Europe

A machine learning based 24-h-technique for an area-wide rainfall retrieval using MSG SEVIRI data over Central Europe

The aim of the present study was to develop a 24-h-technique for the process-related and quantitative estimation of precipitation in connection with extra-tropical cyclones in the mid-latitudes based on MSG SEVIRI data using the machine learning algorithm random forest. The algorithms and approach...

Celý popis

Uloženo v:
Podrobná bibliografie
Hlavní autor: Kühnlein, Meike
Další autoři: Nauss, Thomas (Prof.) (Vedoucí práce)
Médium: Dissertation
Jazyk:angličtina
Vydáno: Philipps-Universität Marburg 2014
Témata:
Wolkeneigenschaften
Geowissenschaften
Satellite remote sensing
Wolken
Random forests
Cloud properties
Precipitation
Angewandte Geographie
Meteosat-8 SEVIRI
Satellitenfernerkundung
Maschinelles Lernverfahren
Maschine learning
Clouds
Niederschlag
Earth sciences
On-line přístup:Plný text ve formátu PDF
Tagy: Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Podobné jednotky