Benutzer: Gast  Login
Originaltitel:
Advancing digital farm management by machine learning and remote sensing
Übersetzter Titel:
Weiterentwicklung des digitalen Betriebsmanagement durch maschinelles Lernen und Fernerkundung
Autor:
Marszalek, Michael Lukas
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Life Sciences
Betreuer:
Schmidhalter, Urs (Prof. Dr.)
Gutachter:
Schmidhalter, Urs (Prof. Dr.); Asseng, Senthold (Prof. Dr.); Körner, Marco (Priv.-Doz. Dr. habil.)
Sprache:
de
Fachgebiet:
LAN Landbauwissenschaft
Stichworte:
Yield prediction, Crop Types, Field Borders, Water, Irrigation, Machine Learning
Übersetzte Stichworte:
Ertragsvorhersage, Frucharten, Feldgrenzen, Wasser, Bewässerung, Maschinelles Lernen
TU-Systematik:
LAN 120
Kurzfassung:
The aim of this thesis was the analysis and implementation of winter wheat yield prediction at the field level. For this purpose several components were implemented which are necessary as a prerequisite. Crop-type mapping and field boundaries identification are a required intermediate step before a yield model can be applied to a field. For each field, each satellite observation was aggregated to a mean value. This methodology can be applied to pixels as well, which would eliminate the need to d...     »
Übersetzte Kurzfassung:
Ziel dieser Arbeit war die Analyse und Umsetzung einer Winterweizenertragsvorhersage auf Feldebene. Hierzu wurden mehrere Komponenten umgesetzt die als Grundvoraussetzung notwendig sind. Die Fruchtartenklassifizierung und Feldgrenzenbestimmung stellen einen wichtigen Zwischenschritt dar, bevor ein Ertragsmodel auf ein Feld angewendet werden kann. Pro Feld wurde jede Satellitenbeobachtung zu einem Mittelwert aggregiert. Die Methodik kann auch auf Pixel angewendet werden, wodurch die Notwendigkeit...     »
WWW:
https://mediatum.ub.tum.de/?id=1581350
Eingereicht am:
17.12.2020
Mündliche Prüfung:
26.07.2021
Dateigröße:
19014069 bytes
Seiten:
131
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210726-1581350-1-5
Letzte Änderung:
24.09.2021
 BibTeX