mycoreobjectrosdok_disshab_0000002938rosdok_disshab_0000002938rosdokdisshabrosdok_derivate_00002063522023-08-08T10:15:19.243Z2023-03-14T11:01:53.184ZadministratoreditorMSpublished1rosdok_derivate_0000206352truetruederivate_types:fulltextVolltextfulltextwf_edit_epub wf_register_epubstate:publishedstate:publishedveröffentlichtpublishedrosdok/id000042281839123516Oau2023-03-142023-08-05T19:22:33ZrdaConverted from PICA to MODS using Pica2Mods XSLT Transformer 2.7 [SCM: "0c0e7a3c226a4a0cbcbec39b493c3c5257339ab8" "v2.7" "2023-08-04T00:00:00+0200"] with mode 'DEFAULT'.HabilitationsschriftHochschulschriftChallenges and prospects of spatial machine learningThe main objective of this thesis is to improve the usefulness of spatial machine learning for the spatial sciences and to allow its unused potential to be exploited. To achieve this objective, this thesis addresses several important but distinct challenges which spatial machine learning is facing. These are the modeling of spatial autocorrelation and spatial heterogeneity, the selection of an appropriate model for a given spatial problem, and the understanding of complex spatial machine learning models.Das wesentliche Ziel dieser Arbeit ist es, die Nützlichkeit des räumlichen maschinellen Lernens für die Raumwissenschaften zu verbessern und es zu ermöglichen, ungenutztes Potenzial auszuschöpfen. Um dieses Ziel zu erreichen, befasst sich diese Arbeit mit mehreren wichtigen Herausforderungen, denen das räumliche maschinelle Lernen gegenübersteht. Diese sind die Modellierung von räumlicher Autokorrelation und räumlicher Heterogenität, die Auswahl eines geeigneten Modells für ein gegebenes räumliches Problem und das Verständnis komplexer räumlicher maschineller Lernmodelle.Julian ChristianHagenauer1980 -VerfasserInaut1036794342PhilipMarzahnAkademischeR BetreuerIndgsUniversität Rostock, Agrar- und Umweltwissenschaftliche FakultätNguyen XuanThinhAkademischeR BetreuerIndgs102434987XTechnische Universität Dortmund, Fakultät RaumplanungJohannesScholzAkademischeR BetreuerIndgsTechnische Universität Graz, Geodätisches Institut38329-6Universität Rostock1419 -Grad-verleihende Institutiondgg10025954-6Universität RostockAgrar- und Umweltwissenschaftliche Fakultät1998 -Grad-verleihende Institutiondgghttp://purl.uni-rostock.de/rosdok/id00004228urn:nbn:de:gbv:28-rosdok_id00004228-310.18453/rosdok_id00004228004 Informatik550 GeowissenschaftenAgrar- und Umweltwissenschaftliche Fakultätalle Rechte vorbehaltenNutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en2022Universität RostockRostockmonographic202320222023Universitätsbibliothek RostockRostock2023Universitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00004228Enthält ZeitschriftenartikelPhilip Marzahn (Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät) ; Nguyen Xuan Thinh (Technische Universität Dortmund, Fakultät Raumplanung) ; Johannes Scholz (Technische Universität Graz, Geodätisches Institut)[{"name":"Marzahn, Philip","affil":"Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät"},{"name":"Thinh, Nguyen Xuan","affil":"Technische Universität Dortmund, Fakultät Raumplanung"},{"name":"Scholz, Johannes","affil":"Technische Universität Graz, Geodätisches Institut"}]vorgelegt von Julian Christian HagenauerMarzahn, PhilipUniversität Rostock, Agrar- und Umweltwissenschaftliche FakultätThinh, Nguyen XuanTechnische Universität Dortmund, Fakultät RaumplanungScholz, JohannesTechnische Universität Graz, Geodätisches Institutdoctype:epubdoctype:epubDokumenttypDocument typedoctype:epub.habilitationdoctype:epub.habilitationHabilitationsschriftpostdoctoral thesisdiniPublType:doctoralThesis diniPublType2022:Habilitation XMetaDissPlusThesisLevel:thesis.habilitationinfo:eu-repo/semantics/doctoralThesisdocumentnatureOfContent:ppn_105825778natureOfContent:ppn_105825778HochschulschriftdiniPublType2022:DoctoralThesisdiniPublType2022:DoctoralThesisDissertation oder HabilitationDoctoral thesisDRIVERdiniPublType2022:HabilitationdiniPublType2022:HabilitationHabilitationHabilitationKDSF (Pu35)XMetaDissPlusThesisLevel:thesis.habilitationXMetaDissPlusThesisLevel:thesis.habilitationHabilitationhabilitation thesisSDNB:004SDNB:004004 Informatik004 Data processing Computer sciencesSDNB:550SDNB:550550 Geowissenschaften550 Earth sciencesinstitution:unirostockinstitution:unirostockUniversität RostockUniversity of RostockUniversität RostockUniversität RostockUni.Rostockhttp://d-nb.info/gnd/38329-6institution:unirostock.aufinstitution:unirostock.aufFakultät für Agrar, Bau und UmweltFaculty for Agriculture, Civil and Environmental EngineeringUniversität Rostock. Fakultät für Agrar, Bau und UmweltFakultät für Agrar,<br />Bau und UmweltUni.Rostock.Fakultaet.AUFhttp://d-nb.info/gnd/10025954-6licenseinfo:worklicenseinfo:workWerkworklicenseinfo:work.rightsreservedlicenseinfo:work.rightsreservedalle Rechte vorbehaltenall rights reserved/creativecommons/r/reserved/0.9/88x31.png[DE-28]Urheberrechtsschutz 1.0$gRights Statements$uhttp://rightsstatements.org/vocab/InC/1.0/http://rightsstatements.org/vocab/InC/1.0/http://rightsstatements.org/vocab/InC/1.0/licenseinfo:depositlicenseinfo:depositVeröffentlichungsgenehmigungpermission to storelicenseinfo:deposit.rightsgrantedlicenseinfo:deposit.rightsgrantedNutzungsrechte erteiltrights grantedlicenseinfo:metadatalicenseinfo:metadataLizenzen für Metadatenlicenseinfo:metadata.cc0licenseinfo:metadata.cc0Lizenz Metadaten: CC0license metadata: CC0/creativecommons/p/zero/1.0/88x31.pnghttps://creativecommons.org/publicdomain/zero/1.0/accesscondition:openaccessaccesscondition:openaccessfrei zugänglich (Open Access)open accesshttp://purl.org/coar/access_right/c_abf2OAfreeinfo:eu-repo/semantics/openAccess[DE-28]Open Access$gControlled Vocabulary for Access Rights$uhttp://purl.org/coar/access_right/c_abf2rfc5646:enrfc5646:enEnglischEnglishengengChallenges and prospects of spatial machine learningChallenges and prospects of spatial machine learninggnd:1036794342gnd:102434987Xgnd:38329-6gnd:10025954-6gnd:1036794342gnd:102434987Xgnd:38329-6gnd:10025954-6rosdok_disshab_0000002938-d138505e54gnd:1036794342Julian Christian HagenauerJulian Christian Hagenauerrosdok_disshab_0000002938-d138505e68Philip MarzahnPhilip Marzahnrosdok_disshab_0000002938-d138505e79gnd:102434987XNguyen Xuan ThinhNguyen Xuan Thinhrosdok_disshab_0000002938-d138505e93Johannes ScholzJohannes Scholzrosdok_disshab_0000002938-d138505e104gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000002938-d138505e115gnd:10025954-6Universität Rostock Agrar- und Umweltwissenschaftliche FakultätUniversität Rostock Agrar- und Umweltwissenschaftliche FakultätJulian Christian HagenauerPhilip MarzahnNguyen Xuan ThinhJohannes ScholzUniversität RostockUniversität Rostock Agrar- und Umweltwissenschaftliche FakultätJulian Christian HagenauerPhilip MarzahnNguyen Xuan ThinhJohannes ScholzUniversität RostockUniversität Rostock Agrar- und Umweltwissenschaftliche FakultätJulian Christian HagenauerRostockUniversität Rostockepub.habilitationhttp://purl.uni-rostock.de/rosdok/id00004228urn:nbn:de:gbv:28-rosdok_id00004228-310.18453/rosdok_id00004228The main objective of this thesis is to improve the usefulness of spatial machine learning for the spatial sciences and to allow its unused potential to be exploited. To achieve this objective, this thesis addresses several important but distinct challenges which spatial machine learning is facing. These are the modeling of spatial autocorrelation and spatial heterogeneity, the selection of an appropriate model for a given spatial problem, and the understanding of complex spatial machine learning models.Das wesentliche Ziel dieser Arbeit ist es, die Nützlichkeit des räumlichen maschinellen Lernens für die Raumwissenschaften zu verbessern und es zu ermöglichen, ungenutztes Potenzial auszuschöpfen. Um dieses Ziel zu erreichen, befasst sich diese Arbeit mit mehreren wichtigen Herausforderungen, denen das räumliche maschinelle Lernen gegenübersteht. Diese sind die Modellierung von räumlicher Autokorrelation und räumlicher Heterogenität, die Auswahl eines geeigneten Modells für ein gegebenes räumliches Problem und das Verständnis komplexer räumlicher maschineller Lernmodelle.20222022Enthält ZeitschriftenartikelPhilip Marzahn (Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät) ; Nguyen Xuan Thinh (Technische Universität Dortmund, Fakultät Raumplanung) ; Johannes Scholz (Technische Universität Graz, Geodätisches Institut)[{"name":"Marzahn, Philip","affil":"Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät"},{"name":"Thinh, Nguyen Xuan","affil":"Technische Universität Dortmund, Fakultät Raumplanung"},{"name":"Scholz, Johannes","affil":"Technische Universität Graz, Geodätisches Institut"}]vorgelegt von Julian Christian Hagenauerepub.habilitation1 Hagenauer_Habilitation_2023.pdf 20097793 1a0b7c08b353d01fe1e28dd7f215aab9 rosdok/id000042281839123516Oau2023-03-142023-08-05T19:22:33ZrdaConverted from PICA to MODS using Pica2Mods XSLT Transformer 2.7 [SCM: "0c0e7a3c226a4a0cbcbec39b493c3c5257339ab8" "v2.7" "2023-08-04T00:00:00+0200"] with mode 'DEFAULT'.HabilitationsschriftHochschulschriftChallenges and prospects of spatial machine learningThe main objective of this thesis is to improve the usefulness of spatial machine learning for the spatial sciences and to allow its unused potential to be exploited. To achieve this objective, this thesis addresses several important but distinct challenges which spatial machine learning is facing. These are the modeling of spatial autocorrelation and spatial heterogeneity, the selection of an appropriate model for a given spatial problem, and the understanding of complex spatial machine learning models.Das wesentliche Ziel dieser Arbeit ist es, die Nützlichkeit des räumlichen maschinellen Lernens für die Raumwissenschaften zu verbessern und es zu ermöglichen, ungenutztes Potenzial auszuschöpfen. Um dieses Ziel zu erreichen, befasst sich diese Arbeit mit mehreren wichtigen Herausforderungen, denen das räumliche maschinelle Lernen gegenübersteht. Diese sind die Modellierung von räumlicher Autokorrelation und räumlicher Heterogenität, die Auswahl eines geeigneten Modells für ein gegebenes räumliches Problem und das Verständnis komplexer räumlicher maschineller Lernmodelle.Julian ChristianHagenauer1980 -VerfasserInaut1036794342PhilipMarzahnAkademischeR BetreuerIndgsUniversität Rostock, Agrar- und Umweltwissenschaftliche FakultätNguyen XuanThinhAkademischeR BetreuerIndgs102434987XTechnische Universität Dortmund, Fakultät RaumplanungJohannesScholzAkademischeR BetreuerIndgsTechnische Universität Graz, Geodätisches Institut38329-6Universität Rostock1419 -Grad-verleihende Institutiondgg10025954-6Universität RostockAgrar- und Umweltwissenschaftliche Fakultät1998 -Grad-verleihende Institutiondgghttp://purl.uni-rostock.de/rosdok/id00004228urn:nbn:de:gbv:28-rosdok_id00004228-310.18453/rosdok_id00004228004 Informatik550 GeowissenschaftenAgrar- und Umweltwissenschaftliche Fakultätalle Rechte vorbehaltenNutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en2022Universität RostockRostockmonographic202320222023Universitätsbibliothek RostockRostock2023Universitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00004228Enthält ZeitschriftenartikelPhilip Marzahn (Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät) ; Nguyen Xuan Thinh (Technische Universität Dortmund, Fakultät Raumplanung) ; Johannes Scholz (Technische Universität Graz, Geodätisches Institut)[{"name":"Marzahn, Philip","affil":"Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät"},{"name":"Thinh, Nguyen Xuan","affil":"Technische Universität Dortmund, Fakultät Raumplanung"},{"name":"Scholz, Johannes","affil":"Technische Universität Graz, Geodätisches Institut"}]vorgelegt von Julian Christian Hagenauer Marzahn, Philip Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät Thinh, Nguyen Xuan Technische Universität Dortmund, Fakultät Raumplanung Scholz, Johannes Technische Universität Graz, Geodätisches Institut 2023-03-14T11:01:53.184Z 2023-08-08T10:15:19.243Z 2023-08-18T10:15:19.248Z {"identifier":"rosdok/id00004228","type":"local_id","additional":"","service":"MCRLocalID","created":"2023-03-14T11:01:53.215Z","registered":"2023-03-14T11:01:53.215Z"} editorMS {"identifier":"http://purl.uni-rostock.de/rosdok/id00004228","type":"purl","additional":"","service":"RosDokPURL","created":"2023-03-14T11:09:51.928Z","registrationStarted":"2023-03-15T10:01:40.882Z","registered":"2023-03-14T11:09:51.928Z"} {"identifier":"10.18453/rosdok_id00004228","type":"doi","additional":"","service":"RosDokDOI","created":"2023-03-14T11:09:51.985Z","registrationStarted":"2023-03-14T11:09:51.981Z","registered":"2023-03-15T10:01:41.989Z"} {"identifier":"urn:nbn:de:gbv:28-rosdok_id00004228-3","type":"dnbUrn","additional":"","service":"RosDokURN","created":"2023-03-14T11:01:53.221Z","registered":"2023-03-15T09:55:05.943Z"} administratorfulltextfile/rosdok_disshab_0000002938/rosdok_derivate_0000206352/Hagenauer_Habilitation_2023.pdfChallenges and prospects of spatial machine learningChallenges and prospects of spatial machine learninggnd:1036794342gnd:102434987Xgnd:38329-6gnd:10025954-6gnd:1036794342gnd:102434987Xgnd:38329-6gnd:10025954-6rosdok_disshab_0000002938-d138505e54gnd:1036794342Julian Christian HagenauerJulian Christian Hagenauerrosdok_disshab_0000002938-d138505e68Philip MarzahnPhilip Marzahnrosdok_disshab_0000002938-d138505e79gnd:102434987XNguyen Xuan ThinhNguyen Xuan Thinhrosdok_disshab_0000002938-d138505e93Johannes ScholzJohannes Scholzrosdok_disshab_0000002938-d138505e104gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000002938-d138505e115gnd:10025954-6Universität Rostock Agrar- und Umweltwissenschaftliche FakultätUniversität Rostock Agrar- und Umweltwissenschaftliche FakultätJulian Christian HagenauerPhilip MarzahnNguyen Xuan ThinhJohannes ScholzUniversität RostockUniversität Rostock Agrar- und Umweltwissenschaftliche FakultätJulian Christian HagenauerPhilip MarzahnNguyen Xuan ThinhJohannes ScholzUniversität RostockUniversität Rostock Agrar- und Umweltwissenschaftliche FakultätJulian Christian HagenauerRostockUniversität Rostockepub.habilitationhttp://purl.uni-rostock.de/rosdok/id00004228urn:nbn:de:gbv:28-rosdok_id00004228-310.18453/rosdok_id00004228The main objective of this thesis is to improve the usefulness of spatial machine learning for the spatial sciences and to allow its unused potential to be exploited. To achieve this objective, this thesis addresses several important but distinct challenges which spatial machine learning is facing. These are the modeling of spatial autocorrelation and spatial heterogeneity, the selection of an appropriate model for a given spatial problem, and the understanding of complex spatial machine learning models.Das wesentliche Ziel dieser Arbeit ist es, die Nützlichkeit des räumlichen maschinellen Lernens für die Raumwissenschaften zu verbessern und es zu ermöglichen, ungenutztes Potenzial auszuschöpfen. Um dieses Ziel zu erreichen, befasst sich diese Arbeit mit mehreren wichtigen Herausforderungen, denen das räumliche maschinelle Lernen gegenübersteht. Diese sind die Modellierung von räumlicher Autokorrelation und räumlicher Heterogenität, die Auswahl eines geeigneten Modells für ein gegebenes räumliches Problem und das Verständnis komplexer räumlicher maschineller Lernmodelle.20222022Enthält ZeitschriftenartikelPhilip Marzahn (Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät) ; Nguyen Xuan Thinh (Technische Universität Dortmund, Fakultät Raumplanung) ; Johannes Scholz (Technische Universität Graz, Geodätisches Institut)[{"name":"Marzahn, Philip","affil":"Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät"},{"name":"Thinh, Nguyen Xuan","affil":"Technische Universität Dortmund, Fakultät Raumplanung"},{"name":"Scholz, Johannes","affil":"Technische Universität Graz, Geodätisches Institut"}]vorgelegt von Julian Christian Hagenauer[xslt]Saxonrosdok/id00004228https://purl.uni-rostock.de/rosdok/id00004228183912351610.18453/rosdok_id00004228urn:nbn:de:gbv:28-rosdok_id00004228-3Julian Christian HagenauerHagenauer Julian ChristianChallenges and prospects of spatial machine learningHabilitationsschriftpostdoctoral thesisUniversität Rostock, 2022The main objective of this thesis is to improve the usefulness of spatial machine learning for the spatial sciences and to allow its unused potential to be exploited. To achieve this objective, this thesis addresses several important but distinct challenges which spatial machine learning is facing.…Julian Christian HagenauerChallenges and prospects of spatial machine learningUniversitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00004228Julian ChristianHagenauer1980 -VerfasserInaut1036794342PhilipMarzahnAkademischeR BetreuerIndgsUniversität Rostock, Agrar- und Umweltwissenschaftliche FakultätNguyen XuanThinhAkademischeR BetreuerIndgs102434987XTechnische Universität Dortmund, Fakultät RaumplanungJohannesScholzAkademischeR BetreuerIndgsTechnische Universität Graz, Geodätisches Institut38329-6Universität Rostock1419 -Grad-verleihende Institutiondgg10025954-6Universität RostockAgrar- und Umweltwissenschaftliche Fakultät1998 -Grad-verleihende Institutiondgg[purl]http://purl.uni-rostock.de/rosdok/id00004228[urn]urn:nbn:de:gbv:28-rosdok_id00004228-3[doi]10.18453/rosdok_id00004228open_access20222022epoch:21th_centuryrfc5646:endoctype:epub.habilitationaccesscondition:openaccessSDNB:004SDNB:550institution:unirostock.aufstate:published