Fischmonitoring im Murray River
Report
Sensornetzwerke ermöglichen Umweltmonitoring in höchster räumlicher und zeitlicher Auflösung. Raum-zeitliches Data Mining bietet ein geeignetes Analysewerkzeug, um die in derartigen Messnetzen entstehenden grossen …
Abstract
Sensornetzwerke ermöglichen Umweltmonitoring in höchster räumlicher und zeitlicher Auflösung. Raum-zeitliches Data Mining bietet ein geeignetes Analysewerkzeug, um die in derartigen Messnetzen entstehenden grossen Datenmengen hinsichtlich interessanter Zusammenhänge und Muster zu untersuchen. Dieser Artikel berichtet über den Einsatz von Sequenzanalyse und Assoziationsregelsuche in einem Umweltmonitoring- Programm zum Gesundheitszustand von Fischhabitaten im Südosten Australiens. Erste Resultate liefern vielversprechende Hinweise auf kausale Zusammenhänge zwischen Umweltvariablen und beobachteten Fischbewegungen.
Figures




BibTeX
@article{bleisch_fischmonitoringImMurrayRiver_2013,
abstract = {Sensornetzwerke ermöglichen Umweltmonitoring in höchster räumlicher und zeitlicher Auflösung. Raum-zeitliches Data Mining bietet ein geeignetes Analysewerkzeug, um die in derartigen Messnetzen entstehenden grossen Datenmengen hinsichtlich interessanter Zusammenhänge und Muster zu untersuchen. Dieser Artikel berichtet über den Einsatz von Sequenzanalyse und Assoziationsregelsuche in einem Umweltmonitoring- Programm zum Gesundheitszustand von Fischhabitaten im Südosten Australiens. Erste Resultate liefern vielversprechende Hinweise auf kausale Zusammenhänge zwischen Umweltvariablen und beobachteten Fischbewegungen.},
author = {Bleisch, Susanne and Laube, Patrick and Duckham, Matt},
journal = {Geomatik Schweiz},
pages = {247-249},
title = {Fischmonitoring im {Murray} {River}},
volume = {5},
year = {2013}
}