Machine-Learning-gestützte Analyse UAV-basierter Agrar-SAR-Daten

In dieser Masterarbeit wird ein Machine-Learning-gestützter Ansatz zur Analyse von Agrardaten entwickelt, die mithilfe eines UAV-basierten Synthetic-Aperture-Radar-Systems (SAR) erhoben wurden. Als relevante Nutzpflanzen werden in diser Arbeit Mais, Gerste und Weizen betrachtet.

Ziel der Arbeit ist die Generierung qualitativ hochwertiger, maschinenlerngeeigneter SAR-Bilder sowie die Entwicklung eines Analyseverfahrens um verschiedene Pflanzenparameter zu extrahieren. Im Fokus stehen dabei die Ableitung von Pflanzenwachstumsphasen, Wuchshöhen, Indikatoren der Pflanzengesundheit sowie die Detektion von Sturmschäden. Zusätzlich wird ein Ansatz zur automatisierten Unterscheidung der drei angebauten Kulturen auf Basis der SAR-Bilder entwickelt und bewertet.

Die Arbeit verbindet UAV-gestützte Radarfernerkundung mit modernen Methoden des maschinellen Lernens und leistet damit einen Beitrag zur hochaufgelösten, witterungsunabhängigen Agrarüberwachung.