SHARCNET Cloud will be powered off and decommissioned on June 1, 2021, are you ready?
SIGN-IN

Publication: Räumliche Modellierung von geographischen Verbreitungsmustern mit innovativen Methoden der Statistik und des Maschinellen Lernens

All || By Area || By Year

Title Räumliche Modellierung von geographischen Verbreitungsmustern mit innovativen Methoden der Statistik und des Maschinellen Lernens
Authors/Editors* A. Brenning
Where published* Abstracts, 20. Deutschprachiges Kolloquium für Theorie und Quantitative Methoden in der Geographie, Hamburg, 23-25 February 2012
How published* Proceedings
Year* 2012
Volume
Number
Pages
Publisher
Keywords
Link
Abstract
Die Potenziale und Einschränkungen moderner Methoden der rechnergestützten Statistik und des Machinellen Lernens im Kontext der geomorphologischen und biogeographischen Verbreitungsmodellierung stehen im Mittelpunkt dieses Beitrags. Insbesondere in der räumlichen Vorhersage stellen baumbasierte Verfahren wie etwa Random Forest sowie mathematisch motivierte Methoden wie die Support Vector Machine vielversprechende Alternativen zu traditionelleren Verfahren wie der logistischen Regression dar. Diese flexiblen Methoden, die in der Lage sind, komplexe nichtlineare Beziehungen abzubilden, stellen jedoch auch eine neue Herausforderung für die Schätzung der Modellgüte etwa durch räumliche Kreuzvalidierung dar. Doch auch in der räumlichen Analyse haben diese innovativen Methoden einen Platz, da es mit ihrer Hilfe möglich ist, komplexe Einflussfaktoren zu erkennen, die in linearen Modellen unerkannt bleiben würden. Neue rechenintensive Maße der Variablenwichtigkeit eröffnen hierbei neue Perspektiven. Die Modellierung der Rutschungsgefährdung sowie von Fischhabitaten dienen als Beispiele für die Anwendung und Weiterentwicklung dieser Verfahren, welche darüber hinaus unter anderem in der Fernerkundung und Landwirtschaft bedeutende Anwendungspotenziale aufweisen.
Go to Earth Surface Science
Back to page 1 of list