<?xml version="1.0" encoding="UTF-8"?>
<resource xmlns="http://datacite.org/schema/kernel-4" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4.1/metadata.xsd">
  <identifier identifierType="DOI">10.18453/rosdok_id00003294</identifier>
  <creators>
    <creator>
      <creatorName nameType="Personal">Beyer, Florian</creatorName>
      <givenName>Florian</givenName>
      <familyName>Beyer</familyName>
      <nameIdentifier nameIdentifierScheme="GND" schemeURI="http://d-nb.info/gnd/">http://d-nb.info/gnd/123644258X</nameIdentifier>
      <nameIdentifier nameIdentifierScheme="ORCID" schemeURI="https://orcid.org/">https://orcid.org/0000-0002-9203-320X</nameIdentifier>
    </creator>
  </creators>
  <titles>
    <title>Analyse der Vegetation und Ableitung von Pflanzenparametern in Feuchtgebieten aus multisensoralen Fernerkundungsdaten unbemannter Flugsysteme</title>
  </titles>
  <publisher>Universität Rostock</publisher>
  <publicationYear>2020</publicationYear>
  <resourceType resourceTypeGeneral="Text" />
  <subjects>
    <subject xml:lang="en" schemeURI="http://dewey.info/" subjectScheme="dewey">550 Earth sciences</subject>
  </subjects>
  <dates>
    <date dateType="Created">2020</date>
  </dates>
  <language>de</language>
  <alternateIdentifiers>
    <alternateIdentifier alternateIdentifierType="PURL">http://purl.uni-rostock.de/rosdok/id00003294</alternateIdentifier>
    <alternateIdentifier alternateIdentifierType="URN">urn:nbn:de:gbv:28-rosdok_id00003294-5</alternateIdentifier>
  </alternateIdentifiers>
  <descriptions>
    <description descriptionType="Abstract">In der Arbeit werden zwei Feuchtgebiete näher betrachtet. Um deren Entwicklung zeitlich zu verfolgen, ist ein flächenhaftes Monitoring notwendig. Es wird das Potential von multisensoralen Drohnendaten untersucht, um Vegetationszusammensetzungen sowie Pflanzenparameter mit maschinellen Lernen abzuleiten. Einer der zentralen Erkenntnisse der Arbeit ist, dass eine Fusion aus Digitalem Oberflächenmodell, Textur und Infrarotem Licht einen wertvollen Beitrag zum Monitoring dieser teilweise schwer zugänglichen und klimarelevanten Ökosysteme erlaubt.</description>
  </descriptions>
</resource>
