GeoAI: Machine Learning and Spatial Data Science – Completed Projects – Institute of Cartography and Geoinformatics

AgrImOnIA: The impact of agriculture on air quality and the COVID-19 pandemic

Die Lombardei in Norditalien und Niedersachsen sind Regionen, in denen die Viehhaltung den überwiegenden Anteil an den landwirtschaftlichen Erträgen hat. Gleichzeitig gehört die Ebene der Lombardei zu den Gebieten in Europa, in denen die Feinstaubbelastung am höchsten ist. Welchen Einfluss hat die Landwirtschaft auf die Luftverschmutzung, welche Rolle haben andere Faktoren wie etwa der Verkehr oder die geografische Lage? Dieser Frage gehen wir in dem neuen europäischen Projekt „Agriculture Impact On Italian Air“ (AgrImOnIA) ab Herbst 2021 gemeinsam mit Partnern der Universitäten Bergamo, Turin und Mailand-Bicocca mit Hilfe statistischer und datenwissenschaftlicher Methoden nach. Wir werden die Ergebnisse für die Lombardei mit den Erkenntnissen für Niedersachen vergleichen und die Modelle auch für Niedersachsen validieren.

Team: Otto, Shaboviq

Year: 2021

Funding: Cariplo Foundation (European Project)

Räumliche und räumlich-zeitliche GARCH Modelle

Das Projekt beschäftigt sich mit einem Teilgebiet der räumlichen Statistik, die sich insbesondere mit der Analyse von Zufallsprozessen im Raum befasst. Bei der Analyse solcher Prozesse lässt sich häufig feststellen, dass Beobachtungen, die sich in räumlicher Nähe zueinander befinden, ähnlich sind. Wenn beispielsweise die Grundstückspreise in einer Gemeinde hoch sind, so lassen sich auch hohe Preise in den umliegenden Gemeinden erwarten. Neben dieser räumlichen Abhängigkeit in der Höhe der Beobachtungen lässt sich auch eine räumliche Abhängigkeit in der Streuung der Beobachtungen sowie der bedingten Heteroskedastizität feststellen. In dem Projekt sollen Modelle hierfür entwickelt und erweitert werden. Die räumlichen Modelle bilden dabei eine Analogie zu dem ARCH-Modell von Robert F. Engle (1982) in der Zeitreihenanalyse, der hierfür 2003 mit dem Nobelpreis für Wirtschaftswissenschaften geehrt wurde.

Led by: Prof. Dr. Philipp Otto

Team: Anna Malinovskaya

Year: 2019

Funding: Deutsche Forschungsgemeinschaft

TransMIT - Resource-optimised transformation of combined and separate drainage systems in existing quarters with high settlement pressure

Increasing heavy rainfall events and growing urban districts pose great challenges for urban drainage. Using three neighbourhoods in the cities of Braunschweig, Hanover and Hildesheim as examples, it will be shown how urban development and water management aspects can be linked in the long term in neighbourhood planning.

Led by: Dr.-Ing. M. Beier; Prof. S. Köster, ISAH; Prof. Sester, ikg

Team: Yu Feng, Udo Feuerhake

Year: 2019

USEfUL

Due to its location at the center of Europe and the global operating companies, logistics and mobility have always been of outstanding importance in Hanover, a city rebuilt car-friendly after the war. A growing city is associated with increasing mobility and supply needs as well as an individually and systemically caused need of logistics for supply and disposal.

Team: Wage, Feuerhake

Year: 2018

Funding: BMBF: 03SF0547

RainCars

This idea would be easily technically feasible if the cars are provided with GPS and a small memory chip for recording the coordinates, car speed and wiper frequency. This initial research will explore theoretically the benefits of such an approach. For that valid relationships between wiper speed and rainfall rate (W-R relationship) are assumed and derived from laboratory and field experiments. Different traffic models are developed to generate motorcars on roads in a river basin. Radar data are used as reference truth rainfall fields. Rainfall from these fields is sampled from the conventional rain gauge and dynamic car networks. Areal rainfall is calculated from these networks for different scales using geostatistical interpolation methods and compared against truth radar data. The car sensors can be considered as a geosensor network. It allows to measure and process information locally in a decentralized way and thus has benefits with respect to scalability, which is crucial when large areas have to be covered with large amounts of measurement units.

Team: Fitzner, Sester

Year: 2017

Big Data und Machine Learning – Completed Projects