Challenges and prospects of spatial machine learning Hagenauer, Julian Christian , 1980- (VerfasserIn) Marzahn, Philip (AkademischeR BetreuerIn) Thinh, Nguyen Xuan (AkademischeR BetreuerIn) Scholz, Johannes (AkademischeR BetreuerIn) Universität Rostock (Grad-verleihende Institution) Universität Rostock Agrar- und Umweltwissenschaftliche Fakultät (Grad-verleihende Institution) Text theses Text Hochschulschrift 2022 2022 eng ger electronic resourceremoteComputermedienOnline-Ressource1 Online-Ressource (xiii, 280 Seiten) Illustrationen, Diagramme The 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.<eng> 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.<ger> Open Access Urheberrechtsschutz 1.0 vorgelegt von Julian Christian Hagenauer Enthält Zeitschriftenartikel GutachterInnen: Philip Marzahn (Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät) ; Nguyen Xuan Thinh (Technische Universität Dortmund, Fakultät Raumplanung) ; Johannes Scholz (Technische Universität Graz, Geodätisches Institut) Habilitationsschrift Universität Rostock 2023 Kumulative Habilitationsschrift 004 550 006.31 004 http://purl.uni-rostock.de/rosdok/id00004228 https://doi.org/10.18453/rosdok_id00004228 https://nbn-resolving.org/urn:nbn:de:gbv:28-rosdok_id00004228-3 https://d-nb.info/129354065X/34 Challenges and prospects of spatial machine learning--(DE-627)1839125004 urn:nbn:de:gbv:28-rosdok_id00004228-3 doi: 10.18453/rosdok_id00004228 oclc: 1372558108 ppn: (DE-627)1839123516