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...

Повний опис

Збережено в:

Бібліографічні деталі
Автор:	Kühnlein, Meike
Інші автори:	Nauss, Thomas (Prof.) (Керівник дипломної роботи)
Формат:	Dissertation
Мова:	англійська
Опубліковано:	Philipps-Universität Marburg 2014
Предмети:	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
Онлайн доступ:	PDF-повний текст
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!

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

Схожі ресурси