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...

Ամբողջական նկարագրություն

Պահպանված է:
Մատենագիտական մանրամասներ
Հիմնական հեղինակ: Kühnlein, Meike
Այլ հեղինակներ: Nauss, Thomas (Prof.) (Ատենախոսության խորհրդական)
Ձևաչափ: Dissertation
Լեզու:անգլերեն
Հրապարակվել է: Philipps-Universität Marburg 2014
Խորագրեր:
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
Առցանց հասանելիություն:PDF ամբողջական տեքստ
Ցուցիչներ: Ավելացրեք ցուցիչ
Չկան պիտակներ, Եղեք առաջինը, ով նշում է այս գրառումը!

Նմանատիպ նյութեր