- Authors
- Amelie Haas Technische Universität Dresden
- title
- Nutzung künstlicher Neuronaler Netze zur Detektion von Stadtgrün
- Please use the following URL when quoting:
- https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-722907
- conference
- 11. Dresdner Flächennutzungssymposium. Dresden, 08.-09.04.2019
- original_in_proceeding00000
- Flächennutzungsmonitoring XI - 77
Erscheinungsort: Berlin
Verlag: Rhombos-Verlag
Erscheinungsjahr: 2019
Titel Schriftenreihe: IÖR Schriften
Bandnummer Schriftenreihe: 77
Seiten: 229-236
ISBN: 978-3-944101-77-4 - publication_date
- 2019
- Abstract (DE)
- Bäume sind eine wichtige Ressource für die Stadt- und Raumplanung. Um diese – beispielsweise zu Klimaschutzmaßnahmen – optimal nutzen zu können, werden entsprechende Informationen darüber benötigt. Die Erhebung von Baumstandorten, -höhen, Kronendurchmessern etc. vor Ort ist aufwändig und damit zeit- und kostenintensiv. Gleichzeitig steht eine große Menge an Fernerkundungsdaten, wie beispielsweise digitale Orthophotos oder Geländemodelle, in denen Bäume erfasst sind, zur Verfügung. Die Entwicklung geeigneter Methoden, um diese Daten (automatisiert) auszuwerten, ist von entscheidender Bedeutung, wobei im Zusammenhang mit der Verarbeitung und Analyse großer Datenmengen derzeit verschiedene Methoden des maschinellen Lernens, insbesondere künstliche Neuronale Netze (kNN), Gegenstand intensiver Forschung sind.
- Keywords (DE)
- Stadtgrün, künstliche Neuronale Netze
- Classification (DDC)
- 550
- 710
- Classification (RVK)
- RB 10906
- RB 10912
- Publisher
- Leibniz-Institut für ökologische Raumentwicklung e.V. (IÖR)
- Publishing house
- Rhombos-Verlag, Berlin
- version
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:14-qucosa2-722907
- Qucosa date of publication
- 01.10.2020
- Document type
- in_proceeding
- Document language
- German
- licence