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

Kühnlein, Meike

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...

תיאור מלא

שמור ב:

מידע ביבליוגרפי
מחבר ראשי:	Kühnlein, Meike
מחברים אחרים:	Nauss, Thomas (Prof.) (BetreuerIn (Doktorarbeit))
פורמט:	Dissertation
שפה:	אנגלית
יצא לאור:	Philipps-Universität Marburg 2014
נושאים:	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
גישה מקוונת:	PDF-Volltext
תגים:	הוספת תג אין תגיות, היה/י הראשונ/ה לתייג את הרשומה!

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

פריטים דומים