Logo des Repositoriums

Auflistung nach Autor:in "Curdt, Constanze"

1 - 2 von 2
  • Konferenzbeitrag
    Detektion von Wachstumsvariabilität in vier Zuckerrübensorten durch multi-temporales terrestrisches Laserscanning
    (Informationstechnologie für eine nachhaltige Landbewirtschaftung – Fokus: Forstwirtschaft, 2012) Hoffmeister, Dirk; Tilly, Nora; Bendig, Juliane; Curdt, Constanze; Bareth, Georg
    In diesem Beitrag zeigen wir die Anwendung von multi-temporalem terrestrischem Laserscanning zur Erfassung von Wachstumsvariabilitäten von vier Zuckerrübensorten. Dies erfolgt über die Generierung von Crop Surface Models, die eine räumliche, detaillierte Darstellung von Wachstumshöhen ermöglichen. Zusätzlich können die Positionen der einzelnen Pflanzen abgeleitet werden. Ein Zusammenhang zwischen Pflanzenhöhe und -biomasse ist allerdings nicht zu festzustellen.
  • Konferenzbeitrag
    Multi-Daten Ansatz für verbesserte Landnutzungsanalysen - Fallstudie Rur-Einzugsgebiet
    (Anforderungen an die Agrarinformatik durch Globalisierung und Klimaveränderung, 2009) Waldhoff, Guido; Curdt, Constanze; Hoffmeister, Dirk; Bareth, Georg
    For numerous spatial applications, land use data are of central importance and have to be available in a spatial data infrastructure for regional modeling, according to the international data standards. This also counts for the research project TR32 which focusses on SVA modelling in a regional context. Especially for (agro-)ecosystem modeling the information content of the available official land use data is rather poor. For this purpose disaggregated land use data, which provide information about the major crops and crop rotations as well as management data are needed. The analysis of multispectral, hyperspectral and/or radar remote sensing data is a standard method to retrieve such kind of information. By using the Multi-Data Approach (MDA) for the study area Rur catchment, the retrieved information from remote sensing analysis is integrated into official land use data by GIS technologies to enhance both the information level of existing land use data and the quality of the land use classification.