Gegenstand des „Prospectivity Modeling“ ist, Orte zu erkennen, (i) für die die bedingte Wahrscheinlichkeit eines wohldefinierten ortsabhängigen Zielereignisses, z.B. Vererzung eines bestimmten Typs, bei gegebenen günstigen oder ungünstigen ortsabhängigen Prädiktorvariablen ein relatives Maximum annimmt oder (ii) für die das Zielereignis überhaupt eingetreten ist. Im Falle der Vorhersage der Wahrscheinlichkeit einer bestimmten Vererzung spricht man auch von Höffigkeitsprognose. Zur Lösung des ersten Aufgabe bedarf es der Schätzung von bedingten Wahrscheinlichkeiten. Mathematische Modelle dazu reichen von der Formel von Bayes und logistischer Regression bis zu künstlichen neuronalen Netzen, von Modellen des statistischen Lernens zu Modellen des maschinellen Lernens. Das zweite Problem wird durch die Konstruktion einer Klassifikation in zwei Klassen {0,1} gelöst, wobei 0 die Abwesenheit und 1 die Anwesenheit des Zielereignisses anzeigt. Im Kurs werden populäre Methoden des Potential Modeling und ihre mathematischen Modellannahmen vorgestellt, Kriterien ihrer Anwendbarkeit diskutiert und ihre wechselseitigen Beziehungen beschrieben. Dadurch lernen die Teilnehmer*innen die Ideen der Methoden besser zu verstehen und ihre richtige Anwendbarkeit zu beurteilen. Die geschätzte „prospectivity“, also die geschätzten Wahrscheinlichkeiten, wird Pixeln oder Polygonen zugeordnet und mit GIS als Kartenbilder so visualiert bzw. Voxeln oder Polyedern zugeordnet und im digitalen 3D Geomodell so visualisiert, dass ihre räumliche Verteilung auch im Verhältnis zu anderen Eigenschaften sichtbar wird.
Weiterbildungen zu diesem Thema finden regelmäßig an verschiedenen Orten statt. Bei ausreichend großer Teilnehmerzahl (mindestens 6 Personen), sind auch in-house Schulungen möglich.
Klicken Sie hier für die aktuellen Veranstaltungstermine.
Für Anfragen zu in-house Schulungen sende Sie bitte eine Nachricht an weiterbildungen[at]fgi-dggv.de
