KIT | KIT-Bibliothek | Impressum | Datenschutz

Towards a Generalized Machine Learning Approach for Estimating Chlorophyll Values in Inland Waters with Spectral Data

Maier, Philipp M.

Abstract:

Wasser ist ein wesentliches Element des Lebens. Seine Qualität ist jedoch bedroht, zum
Beispiel durch schädliche Algenblüten oder anthropogene Verschmutzungen. Regelmäßige Kontrollen ermöglichen das Erkennen von Veränderungen der Wasserqualität von Binnengewässern. Konventionelle Wasserqualitätskontrollen werden hauptsächlich mittels In-situ-Probenahmen durchgeführt, eine teure und arbeitsintensive Vorgehensweise. Spektrale Fernerkundung kann eine Alternative zu In-situ-Beprobungen sein. Die sichtbare und nahinfrarote Strahlung, die von einem Sensor aufgenommen wird, hat mit dem Wasserkörper und dessen Inhaltsstoffen interagiert. ... mehr

Abstract (englisch):

Water is an essential element of life. However, its quality is threatened for example by
harmful algal blooms or man-made pollution. Monitoring enables the detection of changes
in inland water quality. Conventional monitoring of water quality is mainly conducted with
in situ sampling, an expensive and labor-intensive technique. Spectral remote sensing can
be an alternative to in situ monitoring. The visible and near-infrared radiation recorded
by a sensor has interacted with the water body and its constituents. Hence, the radiation
contains information related to absorption and scattering processes in the water column.
... mehr


Volltext §
DOI: 10.5445/IR/1000141060
Veröffentlicht am 16.12.2021
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Photogrammetrie und Fernerkundung (IPF)
Publikationstyp Hochschulschrift
Publikationsdatum 16.12.2021
Sprache Englisch
Identifikator KITopen-ID: 1000141060
Verlag Karlsruher Institut für Technologie (KIT)
Umfang x, 130 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften (BGU)
Institut Institut für Photogrammetrie und Fernerkundung (IPF)
Prüfungsdatum 28.10.2021
Projektinformation VP: WAQUAVID; TP 1 (BMBF, 02WQ1375A)
Schlagwörter Chlorophyll, Deep Learning, Machine Learning, Water Quality, Spectral Data, Remote Sensing, 1D-CNN, Regression, Generalization, CDOM, Quantification, Phytoplankton, Spectral Resolution, SpecWa Dataset
Relationen in KITopen
Referent/Betreuer Hinz, S.
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page