Digital soil mapping at different spatial scales using machine learning algorithms and multivariate geostatistics in a Mediterranean basin

This dissertation aims at creating digital soil mapping approaches to model soil textural fractions at the field and catchment scale in Mediterranean soil types. It intends to improve the prediction accuracy of soil spatial interpolation models by focusing on (i) the combination of traditional kriging methods with more complex, data-driven machine learning algorithms, and (ii) the integration of environmental covariates from geophysical sensor data. In addition, model outputs are delivered by a web-based dissemination platform (geoportal) as well as in form of a Web Map Service to advance the long-term visibility and access to digital soil mapping data.

Das Ziel dieser Dissertation ist es, geeignete Digital Soil Mapping-Ansätze zu entwickeln, um Korngrößenfraktionen mediterraner Böden auf der Feld- und Landschaftsskala zu modellieren. Dabei geht es primär um eine verbesserte Vorhersagegenauigkeit räumlicher Interpolationsverfahren (i) durch Kombinieren traditioneller Kriging-Methoden mit komplexeren, datengetriebenen Modellen des Maschinellen Lernens sowie (ii) durch die Berücksichtigung geophysikalischer Prädiktoren. Darüber hinaus werden die erstellten Karten über ein Geoportal und in Form eines WMS-Dienstes weitergegeben, um eine langfristige und breite Erreichbarkeit der Digital Soil Mapping-Daten zu gewährleisten.

Rechte

Nutzung und Vervielfältigung:

Keine Lizenz. Es gelten die Bestimmungen des deutschen Urheberrechts (UrhG).

Bitte beachten Sie, dass einzelne Bestandteile der Publikation anderweitigen Lizenz- bzw. urheberrechtlichen Bedingungen unterliegen können.

Zitieren

Zitierform:
Zitierform konnte nicht geladen werden.