mycoreobjectrosdok_disshab_0000003264rosdok_disshab_0000003264rosdokdisshabrosdok_derivate_00002245902025-06-19T15:13:13.667Z2025-06-19T13:58:50.219ZMCRJANITOReditorFGpublished1rosdok_derivate_0000224590truetruederivate_types:fulltextVolltextfulltextwf_edit_epub wf_register_epubstate:publishedstate:publishedveröffentlichtpublishedrosdok/id000048381928701426Oau2025-06-192025-06-19T14:27:24ZrdaConverted from PICA to MODS using Pica2MODS XSLT Transformer 2.10 [SCM: "f6c168af690edb7cb65ef34e4a2bf7f8714c5d38" "v2.10" "2024-03-28T14:43:08+0100"] with mode 'DEFAULT'.DissertationHochschulschriftMachine Learning calibration of satellite platform magnetometer dataThis research explores the evolution of Earth's magnetic field, emphasizing the importance of accurate data for analysis and prediction. The dissertation introduces a novel Machine Learning-based approach to enhance the calibration of platform magnetometers on non-dedicated satellites, addressing the challenges of their rough calibration. The methodology, applied to the GOCE and GRACE-FO missions, significantly improves data accuracy, enabling scientific application. This work increases data availability for geomagnetic studies and sets the stage for future applications in satellite missions.Diese Forschung untersucht die Entwicklung des Erdmagnetfeldes und betont die Bedeutung präziser Daten. Die Dissertation führt einen maschinellen Lernansatz zur Verbesserung der Kalibrierung von Magnetometern auf nicht dedizierten Satelliten ein, um die Probleme der groben Kalibrierung zu lösen. Angewendet auf die GOCE- und GRACE-FO-Missionen, verbessert die Methodik die Datenpräzision erheblich und ermöglicht wissenschaftliche Anwendungen. Diese Arbeit erhöht die Datenverfügbarkeit für geomagnetische Studien und ebnet den Weg für die Anwendung auf zukünftige Satellitenmissionen.KevinStyp-Rekowski1993 -VerfasserInaut13691275880000-0001-8267-521XClaudiaStolle1977 -AkademischeR BetreuerIndgs1297853500000-0002-5717-1623IAP KühlungsbornOdejKao1971 -AkademischeR BetreuerIndgs118183850TU BerlinAlexander V.Grayver1988 -AkademischeR BetreuerIndgs10367606770000-0003-1132-370538329-6Universität Rostock1419 - 19761990 -Grad-verleihende Institutiondgg2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätGrad-verleihende Institutiondgghttps://purl.uni-rostock.de/rosdok/id00004838urn:nbn:de:gbv:28-rosdok_id00004838-810.18453/rosdok_id00004838004 Informatik500 Naturwissenschaften530 PhysikMathematisch-Naturwissenschaftliche Fakultätalle Rechte vorbehaltenNutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en1 Online-Ressource (VIII, 107 Seiten)202419.02.2024Universität RostockRostockmonographic20242025Universitätsbibliothek RostockRostock2025Universitätsbibliothek Rostockhttps://purl.uni-rostock.de/rosdok/id00004838Enthält ZeitschriftenartikelClaudia Stolle (IAP Kühlungsborn) ; Odej Kao (TU Berlin) ; Alexander Grayver (Universität zu Köln)[{"name":"Stolle, Claudia","affil":"IAP Kühlungsborn"},{"name":"Kao, Odej","affil":"TU Berlin"},{"name":"Grayver, Alexander","affil":"Universität zu Köln"}]Dissertation, Universität Rostock, 2024, Kumulative Dissertationvorgelegt von Kevin Marcel Styp-RekowskiStolle, ClaudiaIAP KühlungsbornKao, OdejTU BerlinGrayver, AlexanderUniversität zu Kölndoctype:epubdoctype:epubDokumenttypDocument typedoctype:epub.dissertationdoctype:epub.dissertationDissertationdoctoral thesisdiniPublType:doctoralThesis diniPublType2022:PhDThesis XMetaDissPlusThesisLevel:thesis.doctoralinfo:eu-repo/semantics/doctoralThesisdocumentnatureOfContent:ppn_105825778natureOfContent:ppn_105825778HochschulschriftdiniPublType2022:DoctoralThesisdiniPublType2022:DoctoralThesisDissertation oder HabilitationDoctoral thesisDRIVERdiniPublType2022:PhDThesisdiniPublType2022:PhDThesisDissertationPhD thesisKDSF (Pu34)XMetaDissPlusThesisLevel:thesis.doctoralXMetaDissPlusThesisLevel:thesis.doctoralDoktorarbeitdoctoral thesisSDNB:004SDNB:004004 Informatik004 Data processing Computer sciencesSDNB:500SDNB:500500 Naturwissenschaften500 Natural sciencesSDNB:530SDNB:530530 Physik530 Physicsinstitution:unirostockinstitution:unirostockUniversität RostockUniversity of RostockUniversität RostockUniversität RostockUni.Rostockhttp://d-nb.info/gnd/38329-6institution:unirostock.mnfinstitution:unirostock.mnfMathematisch-Naturwissenschaftliche FakultätFaculty of Mathematics and Natural SciencesUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätMathematisch-Natur-<br />wissenschaftliche FakultätUni.Rostock.Fakultaet.MNFhttp://d-nb.info/gnd/2147083-2licenseinfo: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:enEnglischEnglishengengMachine Learning calibration of satellite platform magnetometer dataMachine Learning calibration of satellite platform magnetometer datagnd:1369127588orcid:0000-0001-8267-521Xgnd:129785350orcid:0000-0002-5717-1623gnd:118183850gnd:1036760677orcid:0000-0003-1132-3705gnd:38329-6gnd:2147083-2gnd:1369127588orcid:0000-0001-8267-521Xgnd:129785350orcid:0000-0002-5717-1623gnd:118183850gnd:1036760677orcid:0000-0003-1132-3705gnd:38329-6gnd:2147083-2rosdok_disshab_0000003264-d2884687e54gnd:1369127588orcid:0000-0001-8267-521XKevin Styp-RekowskiKevin Styp-Rekowskirosdok_disshab_0000003264-d2884687e70gnd:129785350orcid:0000-0002-5717-1623Claudia StolleClaudia Stollerosdok_disshab_0000003264-d2884687e87gnd:118183850Odej KaoOdej Kaorosdok_disshab_0000003264-d2884687e103gnd:1036760677orcid:0000-0003-1132-3705Alexander V. GrayverAlexander V. Grayverrosdok_disshab_0000003264-d2884687e119gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000003264-d2884687e132gnd:2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätKevin Styp-RekowskiClaudia StolleOdej KaoAlexander V. GrayverUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätKevin Styp-RekowskiClaudia StolleOdej KaoAlexander V. GrayverUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätKevin Styp-RekowskiRostockUniversität Rostockepub.dissertationhttps://purl.uni-rostock.de/rosdok/id00004838urn:nbn:de:gbv:28-rosdok_id00004838-810.18453/rosdok_id00004838This research explores the evolution of Earth's magnetic field, emphasizing the importance of accurate data for analysis and prediction. The dissertation introduces a novel Machine Learning-based approach to enhance the calibration of platform magnetometers on non-dedicated satellites, addressing the challenges of their rough calibration. The methodology, applied to the GOCE and GRACE-FO missions, significantly improves data accuracy, enabling scientific application. This work increases data availability for geomagnetic studies and sets the stage for future applications in satellite missions.Diese Forschung untersucht die Entwicklung des Erdmagnetfeldes und betont die Bedeutung präziser Daten. Die Dissertation führt einen maschinellen Lernansatz zur Verbesserung der Kalibrierung von Magnetometern auf nicht dedizierten Satelliten ein, um die Probleme der groben Kalibrierung zu lösen. Angewendet auf die GOCE- und GRACE-FO-Missionen, verbessert die Methodik die Datenpräzision erheblich und ermöglicht wissenschaftliche Anwendungen. Diese Arbeit erhöht die Datenverfügbarkeit für geomagnetische Studien und ebnet den Weg für die Anwendung auf zukünftige Satellitenmissionen.20242024Enthält ZeitschriftenartikelClaudia Stolle (IAP Kühlungsborn) ; Odej Kao (TU Berlin) ; Alexander Grayver (Universität zu Köln)[{"name":"Stolle, Claudia","affil":"IAP Kühlungsborn"},{"name":"Kao, Odej","affil":"TU Berlin"},{"name":"Grayver, Alexander","affil":"Universität zu Köln"}]Dissertation, Universität Rostock, 2024, Kumulative Dissertationvorgelegt von Kevin Marcel Styp-Rekowskiepub.dissertation1 Styp-Rekowski_Dissertation_2025.pdf 38346085 3ba9b0d1af711f0e32ce2c9c3f77c3f5 rosdok/id000048381928701426Oau2025-06-192025-06-19T14:27:24ZrdaConverted from PICA to MODS using Pica2MODS XSLT Transformer 2.10 [SCM: "f6c168af690edb7cb65ef34e4a2bf7f8714c5d38" "v2.10" "2024-03-28T14:43:08+0100"] with mode 'DEFAULT'.DissertationHochschulschriftMachine Learning calibration of satellite platform magnetometer dataThis research explores the evolution of Earth's magnetic field, emphasizing the importance of accurate data for analysis and prediction. The dissertation introduces a novel Machine Learning-based approach to enhance the calibration of platform magnetometers on non-dedicated satellites, addressing the challenges of their rough calibration. The methodology, applied to the GOCE and GRACE-FO missions, significantly improves data accuracy, enabling scientific application. This work increases data availability for geomagnetic studies and sets the stage for future applications in satellite missions.Diese Forschung untersucht die Entwicklung des Erdmagnetfeldes und betont die Bedeutung präziser Daten. Die Dissertation führt einen maschinellen Lernansatz zur Verbesserung der Kalibrierung von Magnetometern auf nicht dedizierten Satelliten ein, um die Probleme der groben Kalibrierung zu lösen. Angewendet auf die GOCE- und GRACE-FO-Missionen, verbessert die Methodik die Datenpräzision erheblich und ermöglicht wissenschaftliche Anwendungen. Diese Arbeit erhöht die Datenverfügbarkeit für geomagnetische Studien und ebnet den Weg für die Anwendung auf zukünftige Satellitenmissionen.KevinStyp-Rekowski1993 -VerfasserInaut13691275880000-0001-8267-521XClaudiaStolle1977 -AkademischeR BetreuerIndgs1297853500000-0002-5717-1623IAP KühlungsbornOdejKao1971 -AkademischeR BetreuerIndgs118183850TU BerlinAlexander V.Grayver1988 -AkademischeR BetreuerIndgs10367606770000-0003-1132-370538329-6Universität Rostock1419 - 19761990 -Grad-verleihende Institutiondgg2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätGrad-verleihende Institutiondgghttps://purl.uni-rostock.de/rosdok/id00004838urn:nbn:de:gbv:28-rosdok_id00004838-810.18453/rosdok_id00004838004 Informatik500 Naturwissenschaften530 PhysikMathematisch-Naturwissenschaftliche Fakultätalle Rechte vorbehaltenNutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en1 Online-Ressource (VIII, 107 Seiten)202419.02.2024Universität RostockRostockmonographic20242025Universitätsbibliothek RostockRostock2025Universitätsbibliothek Rostockhttps://purl.uni-rostock.de/rosdok/id00004838Enthält ZeitschriftenartikelClaudia Stolle (IAP Kühlungsborn) ; Odej Kao (TU Berlin) ; Alexander Grayver (Universität zu Köln)[{"name":"Stolle, Claudia","affil":"IAP Kühlungsborn"},{"name":"Kao, Odej","affil":"TU Berlin"},{"name":"Grayver, Alexander","affil":"Universität zu Köln"}]Dissertation, Universität Rostock, 2024, Kumulative Dissertationvorgelegt von Kevin Marcel Styp-Rekowski Stolle, Claudia IAP Kühlungsborn Kao, Odej TU Berlin Grayver, Alexander Universität zu Köln 2025-06-19T13:58:50.219Z 2025-06-19T15:13:13.667Z 2025-06-29T15:13:13.676Z editorFG {"identifier":"rosdok/id00004838","type":"local_id","additional":"","service":"MCRLocalID","created":"2025-06-19T13:58:50.854Z"} {"identifier":"urn:nbn:de:gbv:28-rosdok_id00004838-8","type":"dnbUrn","additional":"","service":"RosDokURN","created":"2025-06-19T13:58:50.876Z"} {"identifier":"https://purl.uni-rostock.de/rosdok/id00004838","type":"purl","additional":"","service":"RosDokPURL","created":"2025-06-19T13:58:50.882Z","registrationStarted":"2025-06-19T15:13:12.426Z"} {"identifier":"10.18453/rosdok_id00004838","type":"doi","additional":"","service":"RosDokDOI","created":"2025-06-19T13:58:50.888Z","registrationStarted":"2025-06-19T15:13:12.182Z","registered":"2025-06-19T15:13:13.664Z"} MCRJANITORfulltextfile/rosdok_disshab_0000003264/rosdok_derivate_0000224590/Styp-Rekowski_Dissertation_2025.pdfMachine Learning calibration of satellite platform magnetometer dataMachine Learning calibration of satellite platform magnetometer datagnd:1369127588orcid:0000-0001-8267-521Xgnd:129785350orcid:0000-0002-5717-1623gnd:118183850gnd:1036760677orcid:0000-0003-1132-3705gnd:38329-6gnd:2147083-2gnd:1369127588orcid:0000-0001-8267-521Xgnd:129785350orcid:0000-0002-5717-1623gnd:118183850gnd:1036760677orcid:0000-0003-1132-3705gnd:38329-6gnd:2147083-2rosdok_disshab_0000003264-d2884687e54gnd:1369127588orcid:0000-0001-8267-521XKevin Styp-RekowskiKevin Styp-Rekowskirosdok_disshab_0000003264-d2884687e70gnd:129785350orcid:0000-0002-5717-1623Claudia StolleClaudia Stollerosdok_disshab_0000003264-d2884687e87gnd:118183850Odej KaoOdej Kaorosdok_disshab_0000003264-d2884687e103gnd:1036760677orcid:0000-0003-1132-3705Alexander V. GrayverAlexander V. Grayverrosdok_disshab_0000003264-d2884687e119gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000003264-d2884687e132gnd:2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätKevin Styp-RekowskiClaudia StolleOdej KaoAlexander V. GrayverUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätKevin Styp-RekowskiClaudia StolleOdej KaoAlexander V. GrayverUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätKevin Styp-RekowskiRostockUniversität Rostockepub.dissertationhttps://purl.uni-rostock.de/rosdok/id00004838urn:nbn:de:gbv:28-rosdok_id00004838-810.18453/rosdok_id00004838This research explores the evolution of Earth's magnetic field, emphasizing the importance of accurate data for analysis and prediction. The dissertation introduces a novel Machine Learning-based approach to enhance the calibration of platform magnetometers on non-dedicated satellites, addressing the challenges of their rough calibration. The methodology, applied to the GOCE and GRACE-FO missions, significantly improves data accuracy, enabling scientific application. This work increases data availability for geomagnetic studies and sets the stage for future applications in satellite missions.Diese Forschung untersucht die Entwicklung des Erdmagnetfeldes und betont die Bedeutung präziser Daten. Die Dissertation führt einen maschinellen Lernansatz zur Verbesserung der Kalibrierung von Magnetometern auf nicht dedizierten Satelliten ein, um die Probleme der groben Kalibrierung zu lösen. Angewendet auf die GOCE- und GRACE-FO-Missionen, verbessert die Methodik die Datenpräzision erheblich und ermöglicht wissenschaftliche Anwendungen. Diese Arbeit erhöht die Datenverfügbarkeit für geomagnetische Studien und ebnet den Weg für die Anwendung auf zukünftige Satellitenmissionen.20242024Enthält ZeitschriftenartikelClaudia Stolle (IAP Kühlungsborn) ; Odej Kao (TU Berlin) ; Alexander Grayver (Universität zu Köln)[{"name":"Stolle, Claudia","affil":"IAP Kühlungsborn"},{"name":"Kao, Odej","affil":"TU Berlin"},{"name":"Grayver, Alexander","affil":"Universität zu Köln"}]Dissertation, Universität Rostock, 2024, Kumulative Dissertationvorgelegt von Kevin Marcel Styp-Rekowski[xslt]Saxonrosdok/id00004838https://purl.uni-rostock.de/rosdok/id00004838192870142610.18453/rosdok_id00004838urn:nbn:de:gbv:28-rosdok_id00004838-8Kevin Styp-RekowskiStyp-Rekowski KevinMachine Learning calibration of satellite platform magnetometer dataDissertationdoctoral thesisUniversität Rostock, 19.02.2024This research explores the evolution of Earth's magnetic field, emphasizing the importance of accurate data for analysis and prediction. The dissertation introduces a novel Machine Learning-based approach to enhance the calibration of platform magnetometers on non-dedicated satellites, addressing…Kevin Styp-RekowskiMachine Learning calibration of satellite platform magnetometer dataUniversitätsbibliothek Rostockhttps://purl.uni-rostock.de/rosdok/id00004838KevinStyp-Rekowski1993 -VerfasserInaut13691275880000-0001-8267-521XClaudiaStolle1977 -AkademischeR BetreuerIndgs1297853500000-0002-5717-1623IAP KühlungsbornOdejKao1971 -AkademischeR BetreuerIndgs118183850TU BerlinAlexander V.Grayver1988 -AkademischeR BetreuerIndgs10367606770000-0003-1132-370538329-6Universität Rostock1419 - 19761990 -Grad-verleihende Institutiondgg2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätGrad-verleihende Institutiondgg[purl]https://purl.uni-rostock.de/rosdok/id00004838[urn]urn:nbn:de:gbv:28-rosdok_id00004838-8[doi]10.18453/rosdok_id00004838open_access20242024epoch:21th_centuryrfc5646:endoctype:epub.dissertationaccesscondition:openaccessSDNB:004SDNB:500SDNB:530institution:unirostock.mnfstate:published