ALBERT

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2023 , Contents 1 Introduction 1.1 Motivation 1.2 Contributions and Scientific Goals of this Thesis 1.3 Thesis Outline 2 Basics 2.1 Machine Learning for Pixel-Wise Classification 2.2 Deep Neural Networks 2.2.1 Neuron and Multilayer Perceptron 2.2.2 Supervised Training of Neural Networks 2.2.2.1 Optimisation Strategies 2.2.3 Improving Model Generalization 2.2.4 Adversarial Training 2.3 Convolutional Neural Networks 2.3.1 Convolutional Layers 2.3.2 Pooling Layer 2.3.3 Batch Normalisation Layer 2.3.4 Activation Functions in CNNs 2.3.5 Parameter Initialisation 2.3.6 CNN Architectures 2.3.6.1 Residual Networks 2.3.6.2 Xception Network 2.4 Fully Convolutional Networks 2.4.1 Upsampling Layer and Transposed Convolutional Layer 2.4.2 Skip Connections 2.5 Appearance Adaptation 2.6 Transfer Learning and Domain Adaptation 2.6.1 Adaptive Batch Normalisation 3 Related Work 3.1 Instance Transfer 3.1.1 Explicit Instance Transfer 3.1.2 Implicit Instance Transfer 3.1.3 Hybrid Instance Transfer 3.1.4 Discussion 3.2 Representation Transfer 3.2.1 Non-adversarial Representation Transfer 3.2.2 Adversarial Representation Transfer 3.2.3 Discussion 3.3 Appearance Adaptation 3.3.1 Target-to-Source Appearance Adaptation 3.3.2 Source-to-Target Appearance Adaptation 3.3.3 Discussion 3.4 Hybrid Approaches 3.4.1 Discussion 3.5 Parameter Selection in Unsupervised Domain Adaptation 3.6 Discussion 3.6.1 Research Gap 3.6.2 Comparison to Most Similar Works 4 Methodology 4.1 Prerequisites and Assumptions 4.2 Adaptation Overview 4.3 Network Architecture 4.3.1 Classification Network C 4.3.2 Appearance Adaptation Network 4.3.3 Domain Discriminator 4.4 Training 4.4.1 Supervised Source Training 4.4.2 Joint Training for Appearance Adaptation 4.4.2.1 Joint Update of A and C 4.4.2.2 Update of D 4.5 Improving Semantic Consistency 4.5.1 Method 1: Reduction of Variability 4.5.2 Method 2: Auxiliary Generator 4.5.2.1 Architecture of G 4.5.2.2 Modifications of Adversarial Loss Terms 4.6 Entropy-based Parameter Selection 4.7 Adaptive Batch Normalization 4.8 Resolution Adaptation 5 Experimental Setup 5.1 Datasets 5.1.1 Data for Land-cover Classification using Aerial Imagery 5.1.2 Data for Bi-temporal Deforestation Detection using Satellite Imagery 5.2 Evaluation and Quality Metrics 5.3 Goals and Structure of Experiments 5.3.1 Experiment Set E1: Source Training and Na¨ıve Transfer 5.3.2 Experiment Set E2: Proposed Method for UDA 5.3.3 Experiment Set E3: Evaluation of Parameter Selection 5.3.4 Experiment Set E4: Comparison to other Strategies and Methods 5.3.4.1 Experiment Set E4.1: Comparison to other Strategies 5.3.4.2 Experiment set E4.2: Comparison to other Methods 5.3.5 Experiment set E5: Evaluation of UDA for Bi-temporal Deforestation Detection 5.4 Training Details and Hyper-parameters 5.4.1 Source Training 5.4.2 Unsupervised Domain Adaptation 5.4.3 Implementation Details of Baseline Strategies 6 Results and Discussion 6.1 Results of Experiment Set E1: Source Training and Na¨ıve Transfer 6.2 Results of Experiment Set E2: Proposed Method for UDA 6.2.1 Evaluation of Appearance Adaptation 6.2.2 Evaluation of Unsupervised Domain Adaptation 6.2.3 Combination of Appearance Adaptation with Adaptive Batch Normalisation 6.2.4 Final Comparison of Variants 6.2.5 Detailed Evaluation of Selected UDA Scenarios 6.3 Results of Experiment Set E3: Evaluation of Parameter Selection 6.4 Results of Experiment Set E4: Comparison to other Strategies and Methods 6.4.1 Experiment set E4.1: Comparison to other Strategies 6.4.2 Experiment Set E4.2: Comparison to other Methods 6.5 Results of Experiment Set E5: Evaluation of UDA for Deforestation Detection 7 Conclusions and Outlook 7.1 Conclusion 7.2 Outlook Bibliography Appendix , Sprache der Kurzfassungen: Englisch, Deutsch

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2022 , Inhaltsverzeichnis Abbildungsverzeichnis Abkürzungsverzeichnis 1. Einführung 1.1. Ausgangssituation für die Arbeit 1.2. Stand der Wissenschaft und Forschung 1.3. Methodik der Arbeit 2. Rahmenbedingungen des Immobilienmarktes 2.1. Allgemeines 2.2. Aktuelle und zukünftige Entwicklungstendenzen 2.3. Die wachsende Bedeutung künftiger Entwicklungen 3. Theoretische Ausgangsbasis 3.1. Zur Entwicklung des Verkehrswertbegriffs 3.2. Künftige Entwicklungen - von der WertV zur ImmoWertV 2021 3.3. Normierte und nicht normierte Wertermittlungsverfahren 3.4. Die allgemeinen Wertverhältnisse 3.5. Die wertbeeinflussenden Grundstücksmerkmale 3.5.1. Allgemeines 3.5.2. Rechtliche Gegebenheiten 3.5.2.1. Allgemeines 3.5.2.2. Öffentliches Bau- und Planungsrecht 3.5.2.3. Bauordnungsrecht 3.5.2.4. Bestandsschutz 3.5.2.5. Weitere rechtliche Gegebenheiten des öffentlichen Rechts 3.5.2.6. Rechtliche Gegebenheiten des Zivilrechts 3.5.3. Die Beschaffenheit und tatsächliche Eigenschaften 3.5.4. Die Lagemerkmale 3.6. Spezifische Grundstückszustände und -merkmale 3.6.1. Allgemeines 3.6.2. Absehbare Nutzungsänderungen 3.6.3. Flächen mit Vornutzungsbelastungen und künftiger Neunutzung 3.6.4. Flächen mit städtebaulichen Missständen und erheblichenFunktionsverlusten 3.6.5. Weitere spezifische Grundstückszustände und -merkmale 3.6.5.1. Künftige Änderungen des baulichen Zustandes 3.6.5.2. Nicht ausgeschöpfte Nutzungspotentiale 3.6.5.3. Zwischennutzungen 3.6.5.4. Geplanter Ausbau der Infrastruktur 3.6.5.5. Geplante Ansiedlungen oder deren künftiger Wegfall 3.7. Internationale Wertermittlungsverfahren 3.8 Bilanzierung von Immobilien 3.9. Kreditwirtschaftliche Wertermittlung 3.10. Fazit 4. Empirische Untersuchungen zur Bedeutung künftiger Entwicklungen 4.1. Übersicht 4.2. Expertenbefragung 4.3. Auswertung von Wertgutachten 4.4. Auswertung von Grundstücksmarktberichten 4.5. Auswertung von anderenDatenquellen 4.6. Fazit 5. Systematisierung von künftigen Entwicklungen 5.1. Übersicht 5.2. Systematisierung 5.3. Fazit 6. Allgemeine Instrumente zur Berücksichtigung künftiger Entwicklungen 6.1. Übersicht 6.2. Prognosen 6.2.1. Allgemeines 6.2.2. Prognoseermächtigung und -begrenzung in der ImmoWertV 6.2.3. Prognosehorizont 6.3. Risikobewertung 6.4. Szenarien, Entwicklungskorridore undMarktanalysen 6.5. SWOT-Analysen 6.6. Fazit 7. Beispiele zum Einfluss künftiger Entwicklungen 7.1. Übersicht 7.2. Fallbeispiel: Allgemeine Wertverhältnisse - Pandemie 7.2.1. Allgemeines 7.2.2. Auswirkungen auf die Stadtentwicklungsprozesse 7.2.3. Auswirkungen auf einzelne Teilmärkte 7.2.3.1. Einzelhandel 7.2.3.2. Büro-, Gewerbe- und Industrieimmobilien 7.2.3.3. Hotels, Gaststätten und Freizeitimmobilien 7.2.3.4. Logistik-, Hafen- und Messeimmobilien 7.2.3.5. Wohnungsimmobilien 7.2.4. Fazit 7.3. Fallbeispiel: Entwicklung der Standortqualität - demografische Entwicklung 7.3.1. Allgemeines 7.3.2. Berücksichtigung von demografischen Entwicklungen am Beispiel von rückläufigen Einwohnerzahlen 7.3.3. Fazit 7.4. Fallbeispiel: Entwicklung der Standortqualität - wirtschaftliche Entwicklungen 7.4.1. Allgemeines 7.4.2. Berücksichtigung von wirtschaftlichen Entwicklungen 7.4.3. Fazit 7.5. Fallbeispiel: Entwicklungen der Standortqualität - städtebauliche Entwicklungen - Brachflächen 7.5.1. Allgemeines 7.5.2. Berücksichtigung von künftigen Entwicklungen bei zu erwartenden Brachflächen 7.5.3. Berücksichtigung von künftigen Entwicklungen bei entstandenen Brachflächen 7.5.4. Wahl der Wertermittlungsmethode bei entstandenen Brachflächen 7.5.4.1. Allgemeines 7.5.4.2. Das Residualwertverfahren 7.5.4.3. Das Liquidationswertverfahren 7.5.5. Fazit 7.6. Fallbeispiel: Planungsbezogene Entwicklungen - Informelle städtebauliche Planungen 7.6.1 Allgemeines 7.6.2. Arten von informellen städtebaulichen Planungen 7.6.3. Allgemeine Wirkung von informellen Planungen und ihreWertrelevanz 7.6.4. Bedeutung von informellen Planungen für die Wertermittlungan Beispielen 7.6.4.1. Einzelhandelskonzepte 7.6.4.2. Vergnügungsstättenkonzepte 7.6.4.3. Innenbereichsstärkungskonzepte 7.6.4.4. Stadtumbaukonzepte 7.6.5. Bedeutung von städtebaulichen Verträgen für die Wertermittlung 7.6.6. Fazit 8. Weitere Wertermittlungsaspekte zur Berücksichtigung künftiger Entwicklungen 8.1. Allgemeines 8.2. Erfordernis derhinreichenden Sicherheit aufgrundkonkreter Tatsachen 8.3. Wartezeit 8.4. Besonderheiten beider retrogradenVerkehrswertermittlung 8.5. Fazit 9. Zusammenfassende Darstellung und Ausblick 9.1. Zusammenfassung 9.2. Mögliche Weiterentwicklung desWertermittlungsrechtes und Forschungsbedarf Literaturverzeichnis , Sprache der Kurzfassungen: Englisch, Deutsch

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2023 , Contents 1. Introduction 1.1. From GPS tracks to Traffic Regulations 1.2. Motivation for Learning Intersection Traffic Regulations 1.3. Research Gap 1.4. Motivation for Learning Traffic Regulations from GPS Data 1.5. Research Objectives, Challenges and Contributions 1.6. Outline of the Thesis 1.7. Summary 1.8. Acknowledgements 2. Theoretical Background 2.1. Intersections and Intersection Traffic Regulations 2.1.1. Intersections 2.1.2. Intersection Traffic Regulations 2.2. Spatiotemporal Data and Movement Trajectories 2.2.1. The Global Positioning System 2.2.2. Sampling Frequency 2.2.3. The GPS Exchange Format: GPX 2.2.4. Movement Patterns in Spatiotemporal Data 2.2.5. Spatiotemporal Data Mining 2.2.6. Semantic Enrichment of Trajectories 2.2.7. Detecting Stop and Moves: the CB-SMoT Algorithm 2.3. Machine Learning 2.3.1. Machine Learning and Types of Learning 2.3.2. Supervised-Learning: Classification 2.3.3. Unsupervised-Learning: Clustering 2.3.4. Semi-supervised Learning 2.3.5. Active-Learning 2.3.6. Incremental Learning 2.4. Acknowledgements 3. Related Work 3.1. Existing Traffic Regulation Recognition Approaches 3.2. Static Categorization 3.2.1. Map-based Category 3.2.2. Image-based Category 3.3. Dynamic Categorization 3.3.1. Episode-based Category 3.3.2. Speed-profile Category 3.3.3. Movement-summarization Category 3.4. Hybrid-based Categorization 3.5. Discussion 3.6. Knowledge Gap 3.7. Acknowledgements 4. Traffic Regulation Recognition (TRR) from GPS Data 4.1. Introduction 4.2. Datasets 4.2.1. Dataset Requirements and Limitations 4.2.2. Datasets for Testing the Proposed Methods 4.2.3. Groundtruth Map Construction 4.3. Methodology 4.3.1. Detection of Stop and Deceleration Episodes 4.3.2. The Static Approach 4.3.3. The c-Dynamic Approach 4.3.4. The Dynamic Approach 4.3.5. The Hybrid Approach 4.3.6. Implementation and Classification Settings 4.4. Results 4.5. Discussion 4.6. Summary 4.7. Acknowledgements 5. TRR From GPS Data: One-Arm versus All-Arm Models 5.1. Introduction 5.2. Methodology 5.2.1. One-Arm vs. All-Arm Models 5.2.2. The Effect of Sampling Rate 5.2.3. Reduced Models 5.2.4. The Effect of Turning/No-Turning Trajectories 5.2.5. The Effect of Number of Trajectories 5.2.6. Application of Domain Knowledge Rules 5.2.7. Classification Settings 5.3. Results 5.3.1. One-arm vs. All-arm Models 5.3.2. Testing the Effect of Sampling Rate 5.3.3. Reduced Models 5.3.4. Testing the Effect of Turning Trajectories and Examining an Optimal Number of Trajectories 5.3.5. Testing the Effect of the Number of Trajectories on Classification Performance 5.3.6. Misclassification Analysis 5.3.7. Applying Domain Knowledge Rules 5.4. Discussion 5.5. Summary 5.6. Acknowledgements 6. TRR with Sparsely Labeled and Stream Data 6.1. Introduction 6.2. TRR with Clustering 6.3. TRR with Self-Training, Active Learning and Cluster-then-Label 6.3.1. TRR with Self-Training: Using Labeled and Unlabeled Data 6.3.2. TRR with Active Learning 6.3.3. TRR with the Cluster-then-Label Algorithm 6.3.4. Comparison of All Tested Methods 6.4. Learning Transferability: Training on City A and Predicting on City B 6.5. Incremental (Online) Learning 6.6. Summary 7. Conclusions and Outlook 7.1. Research Questions Addressed in this Thesis 7.2. Outlook List of Acronyms Index A. Appendix List of Figures List of Tables Bibliography Curriculum Vitae Acknowledgements , Sprache der Kurzfassungen: Englisch, Deutsch

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2023 , Inhaltsverzeichnis 1 Einleitung 1.1 Motivation 1.2 Zielsetzung und eigene Beiträge 1.3 Gliederung der Arbeit 2 3D-Objekterfassung in der industriellen Fertigung von Großstrukturen 2.1 Bedingungen und Anforderungen in der industriellen Fertigung 2.2 Grundlagen zu Qualitätsmaßen und -parametern 2.3 Überblick Methoden der 3D-Objekterfassung 2.4 Terrestrisches Laserscanning 2.4.1 Messprinzip und Sensorik 2.4.2 Sensorkalibrierung 2.4.3 Messunsicherheiten 2.5 Statisches terrestrisches Laserscanning und Lasertracking 2.5.1 Vorbereitung und Objektaufnahme 2.5.2 Datenprozessierung 2.5.3 Validierung und Qualitätssicherung 2.5.4 Tachymeter und Lastertracker mit Scanfunktion 2.5.5 Stopp-und-Go Verfahren 2.5.6 Resümee zum statischen Laserscanning 2.6 Kinematisches terrestrisches Laserscanning 2.6.1 Messprinzip und Stand der Entwicklungen 2.6.2 Arten der Georeferenzierung 2.6.3 Resümee zum Einsatz des kinematischen terrestrischen Laserscanning 2.7 Hochgenaues kinematisches terrestrisches Laserscanning im industriellen Umfeld 2.7.1 TLS-basierte 3D-Objekterfassung 2.7.2 Systemkalibrierung und Synchronisierung der Sensoren 2.7.3 Georeferenzierung der Plattform 2.7.4 Darstellung des k-TLS-basierten Multi-Sensor-System 3 Mathematische Grundlagen 3.1 Räumliche Helmert-Transformation 3.2 Methoden der Unsicherheits-Modellierung 3.2.1 Statistische Grundlagen 3.2.2 Darstellung nach dem Guide to the Expression of Uncertainty in Measurement 3.2.3 Methoden der Unsicherheitsfortpflanzung 3.2.3.1 Varianzfortpflanzung 3.2.3.2 Monte-Carlo-Simulation 3.3 Parameterschätzung im Gauß-Helmert-Modell 3.4 Räumliche Bestimmung der Form und Lage von Objekten 3.4.1 Ausgleichungsmodell 3.4.2 Klassifizierung 3.4.3 Ausgleichende Ebene 3.4.4 Flächen zweiten Grades 3.5 Filterung 3.5.1 Das Kalmanfilter 3.5.2 Das Extended Kalmanfilter 3.5.3 Das iterative Extended Kalmanfilter 4 Systemkalibrierung 4.1 Strategien und Ansätze 4.2 Darstellung des Referenzgeometrie-basierten Ansatzes 4.2.1 Schaffung Kalibrierumgebung - Bestimmung der Referenzgeometrien 4.2.2 Objekterfassung und Verknüpfung der Koordinatensysteme 4.2.3 Ausgleichung der gesuchten Parameter 4.3 Anordnung der Referenzgeometrien 4.3.1 Sensitivität der Parameter 4.3.2 Theoretische Vorbetrachtungen 4.3.3 Implementierung einer Simulationsumgebung 4.3.4 Optimierung der Referenzgeometrieanordnung 4.4 Praktische Realisierung und Durchführung 4.4.1 Realisierung einer Kalibrierumgebung 4.4.2 Durchführung der Systemkalibrierung 4.4.3 Darstellung und Diskussion der Ergebnisse 5 Georeferenzierung der mobilen Plattform 5.1 Strategien und Ansätze 5.2 Messtechnischer Ablauf 5.2.1 Methode einer punktweisen Georeferenzierung 5.3 Filtermodell 5.3.1 Vorbetrachtungen und Modellwahl 5.3.2 Implementierung 5.4 Messprozess und Datenauswertung 5.4.1 Messtechnische Umsetzung 5.4.2 Darstellung und Interpretation der Ergebnisse 5.5 Zusammenfassung und Resümee 6 Validierung und Qualitätssicherung 6.1 Strategien und Ansätze 6.2 Genauigkeitsuntersuchungen der Lasertrackermessung zur T-Probe 6.2.1 Messstrategie und Auswertung 6.2.2 Ergebnisse 6.2.3 Fazit 6.3 Betrachtung der Unsicherheiten der Einzelschritte 6.3.1 Objekterfassung durch den Laserscanner 6.3.2 Systemkalibrierung zwischen T-Probe und Laserscanner 6.3.3 Georeferenzierung der mobilen Plattform 6.3.4 Zusammenstellung der Unsicherheiten für die Einzelschritte 6.4 Modellierung der Gesamtunsicherheit 6.4.1 Umsetzung der Vorwärtsmodellierung 6.4.2 Darstellung der Ergebnisse 6.4.3 Korrelationen 6.5 Validierung der Modellierungsergebnisse 6.5.1 Rückwärtsmodellierung 6.5.2 Bewertung der Ergebnisse 7 Zusammenfassung und Ausblick A Anhang A.1 Kapitel 2 A.2 Kapitel 4 A.3 Kapitel 5 A.4 Kapitel 6 Literaturverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Lebenslauf , Sprache der Kurzfassungen: Englisch, Deutsch

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2021 , Contents 1. Introduction 1.1. Motivation and Research Goal 1.2. Outline 2. Basics 2.1. Archaeology 2.2. Geographic Information System 2.2.1. Spatial Reference System 2.2.2. Coordinate Reference Systems 2.2.3. Raster and Vector Data 2.2.4. GIS Software 2.2.5. GIS Data File Formats 2.3. Remote Sensing 2.3.1. Passive and Active Remote Sensing 2.3.2. LiDAR Systems 2.3.3. Processing LiDAR Data 2.3.4. Digital Terrain Models and Derived Rasters 2.4. Deep Learning 2.4.1. Neurons 2.4.2. Layers 2.4.3. Objective Functions 2.4.4. Evaluation Metrics 2.4.5. Backpropagation 2.4.6. Gradient Descent 2.4.7. Gradient Descent Optimization Algorithms 2.4.8. Supervised Learning 2.4.9. Transfer Learning 2.4.10. Unsupervised Learning 2.4.11. Self Supervised Learning 3. Related Work 3.1. Remote Sensing in Archaeology 3.2. Deep Learning in Remote Sensing 3.3. Deep Learning in Point Clouds and Digital Terrain Models 3.4. Deep Learning in Archaeology 4. Datasets 4.1. Digital Terrain Model and Relief Visualization Dataset 4.2. Archaeological Monuments in the Harz 4.2.1. Areal Dataset 4.2.2. Linear Dataset 4.2.3. Stone Quarries Dataset 4.3. Data Preparation for Deep Learning Models 4.3.1. Data Processing for Self Supervised Learning Pretext 4.3.2. Data Processing for Classification 4.3.3. Data Processing for Instance Segmentation 4.3.4. Data Processing for Semantic Segmentation 5. Methodology 5.1. Pretext Methods 5.1.1. Relief Visualization Network (RVNet) 5.1.2. Relief Visualization GAN (RVGan) 5.2. Downstream Method 5.2.1. Classification of Archaeological Monuments and Terrain Structures 5.2.2. Instance Segmentation of Archaeological Monuments and Terrain Structures 5.2.3. Semantic Segmentation of Archaeological Monuments and Terrain Structures 6. Experiments and Results 6.1. Self Supervised Learning Pretext Experiments 6.2. Classification 6.3. Instance Segmentation 6.3.1. Areal Dataset 6.3.2. Linear Dataset 6.4. Semantic Segmentation 6.4.1. Areal Dataset 6.4.2. Linear Dataset 6.4.3. Stone Quarries Dataset 6.5. Evaluation on 4 Test Regions with Distinct Objects 6.6. Qualitative Evaluations 6.6.1. Qualitative Results for Areal Dataset 6.6.2. Qualitative Results for the Linear Dataset 6.6.3. Qualitative Results for Stone Quarries Dataset 6.7. Summary 7. Discussions and Conclusions 7.1. Discussions 7.1.1. Assessment of Pretext Methods 7.1.2. Assessment of Downstream Methods 7.1.3. Assessment of Selected Core Deep Learning Architectures 7.1.4. Assessment of Predictions for each Category 7.2. Summary and Outlook List of Figures List of Tables Bibliography Acknowledgements Resume A. Appendix A.1. Self Supervised Learning Pretext A.2. Classification A.3. Areal Dataset A.4. Linear Dataset , Sprache der Kurzfassungen: Englisch, Deutsch

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2023 , Contents List of Abbreviations xv 1 Introduction 1.1 Research Objectives 1.2 Outline and Structure of Thesis 2 Theoretical Background 2.1 Introduction 2.2 Glance at Landslide Hazards 2.2.1 Overview 2.2.2 Landslide Types 2.2.2.1 Type of Movement 2.2.2.2 Material Classification 2.2.2.3 Landslide Depth 2.2.3 Landslide Distribution 2.2.4 Landslide Implications and Measurements 2.2.5 Slow-moving Landslide 2.3 Landslide Remote Sensing 2.3.1 Overview 2.3.2 Airborne Remote Sensing 2.3.3 Spaceborne Remote Sensing 2.4 Spaceborne Optical Imagery 2.4.1 Overview 2.4.2 Pixel Offset Tracking (POT) 2.5 Spaceborne Radar Imagery 2.5.1 Synthetic Aperture Radar (SAR) Basic 2.5.1.1 SAR Geometry 2.5.1.2 SAR Acquisition Mode 2.5.1.3 SAR Distortion 2.5.1.4 SAR Mission 2.5.2 Interferometric SAR (InSAR) 2.5.2.1 Workflow of InSAR Processing 2.5.2.2 Coherence and Decorrelation 2.5.2.3 Topographic and Orbital Errors 2.5.2.4 Atmospheric Artifacts 2.5.2.5 Sensitivity of Line-of-sight (LOS) to Slope Motion 2.5.3 Advanced Multi-temporal InSAR (MT-InSAR) 2.5.3.1 Scattering Mechanism 2.5.3.2 Interferogram Stacking 2.5.3.3 Persistent Scatterer Interferometry (PSI) 2.5.3.4 Small Baseline Subsets (SBAS) 2.5.4 Corner Reflector InSAR (CR-InSAR) 2.5.4.1 Overview 2.5.4.2 Conventional Designs 2.5.4.3 Our Experimental Designs 2.5.4.4 CR-InSAR Processing 3 Methodological Contribution 3.1 Challenges in Landslide Monitoring Using Spaceborne Remote Sensing 3.2 Proposed Methodology 3.2.1 Analytically-based Modeling for Inverse Velocity 3.2.2 Identification of Small-scale CR-like Objectives 3.2.3 Modeling 4D Slope Instability Dynamics 4 Pre- and Co-failure: Slope Instability Monitoring Using Spaceborne Remote Sensing 4.1 Abstract 4.2 Introduction 4.3 Environmental and Geomorphological Settings 4.4 Data and Methodology 4.4.1 Remote Sensing Optical Images 4.4.2 MT-InSAR Analysis Using Sentinel-1 SAR Data 4.4.3 Auxiliary Data 4.4.4 Inverse-velocity Theory for Anticipating the Time of Failure 4.5 Results 4.5.1 Horizontal Displacement Based on High-resolution Optical Images 4.5.2 MT-InSAR Analysis 4.5.3 Influence of Precipitation on the Kinematics of the Landslide 4.5.4 INV Results for Anticipating the Time of Failure 4.5.5 Comparison of NDVI and Coherence Values 4.6 Discussion 4.7 Conclusion 4.8 Acknowledgements 4.9 Supplementary Materials 4.9.1 Comparison of River Courses 4.9.2 Detailed Parameters of Exploited SAR Data 4.9.3 Comparison of Baseline Graphs 5 Post-failure: Slope Instability Monitoring Using Artificial Corner Reflectors 5.1 Abstract 5.2 Introduction 5.3 Experiments and Methodology 5.3.1 Experimental Design 5.3.2 Selection Strategy for CRs 5.3.3 Radar Cross-section (RCS) 5.3.4 Signal-to-clutter Ratio (SCR) 5.3.5 CR-InSAR Processing 5.4 Results and Discussion 5.5 Conclusion 5.6 Acknowledgments 5.7 Supplementary Materials 5.7.1 Calculation of SCR 5.7.2 Selection Strategy 5.7.3 Radar Intensity Map 5.7.4 Site Photo of Interference Reflector 6 Post-failure: Characterizing 4D Slope Instability Dynamics 6.1 Abstract 6.2 Introduction 6.3 Geographical Setting of the Study Area 6.4 Methodology 6.4.1 Optical Images Processing 6.4.2 Multi-temporal InSAR Processing 6.4.3 Spatiotemporal Independent Component Analysis (ICA) of Displacement 6.4.4 Multi-sensor Integration Modeling 6.5 Results 6.5.1 Horizontal Deformation Based on Planet Images 6.5.2 MT-InSAR Results 6.5.3 Feature Extraction Using ICA 6.5.4 4D Deformation Modeling 6.6 Discussion 6.6.1 Early Post-failure Deformation from Planet 6.6.2 Post-failure Kinematics from MT-InSAR 6.6.3 ICA-based Spatiotemporal Features of Deformation 6.6.4 Resolving 4D Post-failure Kinematics 6.7 Conclusion 6.8 Acknowledgments 7 Summary and Future Perspectives 7.1 Summary 7.2 Future Perspectives List of Figures List of Tables Bibliography , Sprache der Kurzfassungen: Englisch, Deutsch

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2022 , Inhaltsverzeichnis 0. Einleitung 1. Ländliche Räume und ihre Herausforderungen 1.1 Charakteristika von Dörfern und Kommunen – Lebensraum Dorf 1.2 Typisierungsmöglichkeiten und Heterogenität ländlicher Räume 1.3 Besondere Herausforderungen für strukturschwache, periphere Räume 2. Konzepte von Kooperation, Vertrauen, Sozialem Kapital und Verantwortung als theoretische Grundlagen für regionale Netzwerke 2.1 Kooperation als Kern von Governance-Theorien 2.1.1 Kooperation und Regionalentwicklung 2.1.2 Governance-Theorien in Fragen ländlicher Entwicklung 2.1.3 Handlungsebenen und Akteure in Governance-Theorien 2.2 Die Relation von Vertrauen und Kooperation: Ein ökonomischer Blick auf kooperatives Verhalten 2.2.1 Vertrauen als Koordinationsmechanismus 2.2.2 Ein Öffentliches-Gut-Spiel (ÖGS) als neuer Verständniszugang für zivilgesellschaftliche Netzwerke 2.3 Die Relation von Sozialem Kapital und Kooperation 2.4 Verantwortungsübernahme in Kooperationen 3. Grundlagen zur Netzwerkbildung – regional und interkommunal 3.1 Gesetzliche Grundlagen der Verantwortungsteilung in der Regionalentwicklung 3.1.1 Europäische Impulse zur regionalen Entwicklung 3.1.2 Föderalstaatlicher Rahmen und partizipative, bundesweite Fördermaßnahmen 3.2 Zivilgesellschaftliche Netzwerke im interkommunalen Kontext 3.2.1 Definition von Netzwerken 3.2.2 Verständnis von Netzwerk im regionalwissenschaftlichen Kontext unter Beteiligung der Zivilgesellschaft 3.3 Ausgewählte Studien zu Netzwerken in strukturschwachen, ländlichen Räumen 4. Forschungsfragen und Methodik der Erforschung von regionalen Netzwerken 4.1 Forschungsziel und Forschungsfragen 4.2 Auswahlkriterien des zu untersuchenden Netzwerks 4.2.1 Bestimmung der Region: Geographische Abgrenzung und sozioökonomischer Hintergrund als Auswahlkriterien 4.2.2 Wahl des Netzwerks 4.3 Methodik der Datenerhebung 4.3.1 Methodenüberblick und Begründung der Vorgehensweise 4.3.2 Dokumentenanalyse 4.3.3 Leitfaden-gestützte Interviews mit Akteuren des Netzwerks 4.3.3.1 Konzeption des Interviewleitfadens 4.3.3.2 Organisation und Durchführung der Interviews 4.3.4 Fotographische Dokumentation von Motivation und Demotivation der Akteure 4.4 Methodik der Datenauswertung – inhaltlich-strukturierende qualitative Inhaltsanalyse nach Kuckartz 5. Ergebnisse der empirischen Untersuchung des Netzwerks „Gemeinsam für die Region – Evangelische Kirche und Strukturwandel in Nordostbayern“ 5.1 Hintergründe und Arbeitsfelder des Netzwerks „Gemeinsam für die Region“ 5.1.1 Gründungsbedingungen und Vorläuferprojekt 5.1.2 Organisatorische Struktur und Ziele des Netzwerks 5.1.3 Projekte des Netzwerks 5.1.4 Gründe für Beständigkeit 5.2 Kooperation im Netzwerk 5.2.1 Definitionen von Kooperationen 5.2.2 Chancen von Kooperationen 5.2.2.1 Verbesserungsmöglichkeiten von Kooperationen 5.2.2.2 Mittelbare Effekte von Netzwerkkooperationen 5.2.3 Grenzen von Kooperationen 5.2.3.1 Umgang mit Schwierigkeiten 5.2.3.2 Herausforderungen für den Fortbestand des Netzwerks 5.2.3.3 Nicht-kooperatives Handeln 5.2.4 Interkommunale Kooperationen 5.3 Akteure als zentrale Wirkfaktoren für Kommunal- und Regionalentwicklung 5.3.1 Kompetenzen für Mitarbeit 5.3.2 Beginn und Ende der Mitarbeit 5.3.3 Art und Weise der Mitarbeit 5.3.4 Bedingungen und Hintergründe des Mitmachens 5.3.4.1 Intrinsische Motivatoren 5.3.4.2 Extrinsische Motivatoren 5.3.4.3 Motivations- und Demotivationsfaktoren im Vergleich 5.3.5 Der Rollenkontext der Mitwirkenden 5.4 Verantwortungsübernahme im Netzwerk 5.4.1 Definition von Verantwortung 5.4.2 Teilung von Verantwortung 5.4.3 Verantwortungsträger:innen 5.4.4 Verantwortung für die Region 5.4.5 Grenzen von Verantwortungsübernahme 5.4.6 Drei Dimensionen von Verantwortungsübernahme 6. Ergänzende Evidenz und Ergebnisvergleich der Erkenntnisse aus der Untersuchung des Netzwerks „Gemeinsam für die Region“ zur Kommunal- und Regionalentwicklung 6.1 Indizien der Wirkungen des Netzwerks für die Entwicklung der Region mithilfe von Daten zur Allgemeinen Lebenszufriedenheit des Sozioökonomischen Panels (SOEP) 6.1.1 Beschreibung der SOEP-Daten 6.1.2 Entwicklung der Lebenszufriedenheit im Landkreis Wunsiedel im Fichtelgebirge von 2002 bis 2017 6.1.3 Vergleich der Lebenszufriedenheit im Landkreis Wunsiedel mit Daten über den Freistaat Bayern und Deutschland von 2002 bis 2017 6.2 Theorieabgleich und Ergebnisvergleich mit Schlussfolgerungen anderer Studien 6.2.1 Beantwortung der Forschungsfragen und Abgleich der empirischen Evidenz mit dem theoretischen Fundament für regionale Netzwerkarbeit 6.2.2 Ergebnisabgleich mit ausgewählten Studien zur Kommunal- und Regionalentwicklung 7. Schlussfolgerungen 7.1 Anregungen für die Ausgestaltung der Zusammenarbeit von Staat und Bürgerschaft in der Regionalentwicklung 7.2 Ein Wirkfaktorenmodell als weiteres Ergebnis - Impuls zur Übertragbarkeit für Initiierung und Organisation (rein) zivilgesellschaftlicher Netzwerke 7.3 Ansätze für weiteren Forschungsbedarf 8. Kritische Reflexion der Forschungsarbeit Literaturverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Anhang I. Leitfaden für die Experteninterviews II. Codesystem der qualitativen Inhaltsanalyse III. Fotographische Dokumentation der Motivationskärtchen IV. Schätzergebnisse SOEP-Daten , Sprache der Kurzfassungen: Englisch, Deutsch

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2022 , Contents 1 Introduction 2 Theoretical Background 2.1 Cameras and Laserscanning 2.1.1 Cameras 2.1.2 Laserscanning 2.2 Machine Learning Fundamentals 2.2.1 Types of Learning 2.2.2 Supervised Learning - Illustrated by Decision Trees 2.2.3 Boosting 2.3 Deep Learning 2.3.1 Basics 2.3.2 Self-Attention 2.3.3 Generative Adversarial Networks 3 Related Work 3.1 Classification and Semantic Segmentation (2D) 3.2 Semantic Segmentation (3D) 3.3 Semi-Supervised Learning 3.4 Conditional Generative Adversarial Networks 3.5 Multi-View Fusion, Prediction and Labeling 3.6 Shape Completion 4 Multi-View Label Transfer and Correction 4.1 2D to 3D Label Transfer 4.1.1 Regular and Self-Occlusions 4.1.2 Dynamic Occlusions 4.1.3 Naive Label Transfer and Label Policy-Based Noise 4.2 Label Noise Correction 4.2.1 Scanstrip-Based Noise Correction 4.2.2 Semi-Supervised Scanstrip-Based Noise Correction 4.2.3 Conclusion 4.3 Multi-View Outlier Correction and Label Transfer 4.3.1 Multi-View Network 4.3.2 Label Transfer Network 4.3.3 Conclusion 5 Self-Supervised Point Cloud Rendering and Completion 5.1 Photo-Realistic Point Cloud Rendering 5.1.1 Network Architecture 5.1.2 Loss Function 5.1.3 Image Stitching 5.2 Self-Supervised Shape Completion 5.2.1 Subregion-Based GAN model 5.2.2 Loss Function 5.2.3 Network Architecture 6 Preparation of MMS data 6.1 Preprocessing of the Mobile Mapping Dataset 6.1.1 Semantic Segmentation of the MMS-Dataset 6.1.2 Human annotated MMS-Dataset 6.2 Massively Parallel Point Cloud Rendering Using Hadoop 6.3 Datasets of Self-Occluded Objects 6.3.1 Real Dataset 6.3.2 Synthetic Datasets 7 Experiments and Results for Multi-View Label Transfer 7.1 Introduction 7.2 Baseline 7.3 Training, Validation and Test Set 7.4 Scanstrip-Based Correction 7.4.1 Point-Wise Correction 7.4.2 Supervised Scanstrip-Based Correction 7.4.3 Semi-Supervised Scanstrip-Based Correction 7.4.4 Qualitative Evaluation 7.4.5 Conclusion and Discussion 7.5 Multi-View Error Correction 7.5.1 Baseline 7.5.2 Training, Validation and Test Sets 7.5.3 Training Procedure 7.5.4 Ablation Studies and Results 7.5.5 Qualitative Evaluation 7.5.6 Retraining Semantic Segmentation Network 7.5.7 Results of the Retraining Process 7.5.8 Conclusion and Discussion 7.6 Multi-View Label Transfer Learning 7.6.1 Training Procedure 7.6.2 Ablation Studies and Results 7.6.3 Qualitative Evaluation 7.6.4 Conclusion and Discussion 7.7 Summary and Conclusion 8 Experiments and Results for Self-Supervised Completion 8.1 Photorealistic Point Cloud Rendering 8.1.1 Training Procedure 8.1.2 Quantitative Evaluation 8.1.3 Qualitative Evaluation 8.1.4 Multi-View Error Correction in GAN Images 8.1.5 Conclusion and Discussion 8.2 Self-Supervised Shape Completion 8.2.1 Training Procedure 8.2.2 Quantitative Evaluation 8.2.3 Qualitative Evaluation 8.2.4 Conclusion and Discussion 9 Conclusion and Discussion 9.1 Summary and Discussion 9.1.1 Scanstrip-Based Label Error Correction 9.1.2 End-To-End Multi-View Label Transfer 9.1.3 Self-Supervised Completion 9.1.4 Conclusion 9.2 Outlook List of Figures List of Tables Bibliography Resume Acknowledgements , Sprache der Kurzfassungen: Englisch, Deutsch

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2021 , Inhaltsverzeichnis 1 Problemstellung 2 Stand der Forschung: Literaturreview und Beurteilung 2.1 Die Boden- und Gebäudewertermittlung aus Kaufpreisen bebauter Grundstücke 2.1.1 Beiträge zur Bodenwertableitung oder Repartition mittels Umkehrung der Wertermittlungsverfahren 2.1.2 Beiträge zur Bodenwertableitung oder Repartition mittels konstantem Verteilungsschlüssel 2.1.3 Beiträge zur Bodenwertableitung oder Repartition mittels sachverständigem Ermessen 2.1.4 Beiträge zur Bodenwertableitung oder Repartition mittels sonstiger Ansätze 2.1.5 Beiträge zur Bodenwertableitung oder Repartition ohne Benennung eines spezifischen Ansatzes 2.2 Bodenwertermittlung über den direkten und indirekten Preisvergleich 2.2.1 Verfahren des direkten Preisvergleichs 2.2.2 Verfahren des indirekten Preisvergleichs 2.3 Zusammenfassung und Beurteilung der Verfahren zur Bodenwertermittlung und Repartition 3 Zielstellung und Methodik 3.1 Forschungslücke und Forschungsbeitrag 3.2 Eingrenzung der Untersuchung 3.3 Methodik 4 Die Bodenwertableitung aus Kaufpreisen bebauter Grundstücke (Ziel 1) 4.1 Definition wesentlicher Begriffe 4.1.1 Der Marktteilnehmer 4.1.2 Preis und Wert 4.1.3 Die Trennung von Boden und Gebäude 4.2 Prozess der Kaufentscheidung 4.3 Verhalten des Marktteilnehmers 4.4 Dem Marktteilnehmer zugängliche Marktdaten 4.5 Mathematischer Ansatz 4.6 Erläuterungen zu den Merkmalen 4.7 Die kausale Unabhängigkeit von Gebäude- und Bodenwertanteil 4.8 Regressionsanalyse – Verfahrenswahl 4.9 Die Regressionsanalyse mit partieller Modellauflösung unter Anwendung des Normierungsprinzips gemäß Mann (2004) 4.9.1 Das Verfahren im Überblick 4.9.2 Schritt 1: Teilmarktdefinition 4.9.3 Schritt 2: Klassierung der Merkmalsausprägungen 4.9.4 Schritt 3: Regressionsanalyse 4.9.5 Schritt 4: Partielle Zerlegung und Normierung 4.10 Bodenrichtwerte aus Kaufpreisen bebauter Grundstücke 5 Fallstudien, Parameterschätzung und Validierung 5.1 Innere und äußere Genauigkeit 5.2 Datenbasis – Wahl der Testregionen und des Untersuchungszeitraums 5.3 Parameterschätzung – Empirische Untersuchung anhand ausgewählter Fallstudien 5.3.1 Einführende Hinweise 5.3.2 Dresden, Doppelhaushälften 5.3.3 Dresden, Freistehende Einfamilienhäuser 5.3.4 Düsseldorf, Doppelhaushälften 5.3.5 Düsseldorf, Freistehende Einfamilienhäuser 5.3.6 Frankfurt a. M., Doppelhaushälften 5.3.7 Frankfurt a. M., Freistehende Einfamilienhäuser 5.3.8 Freiburg i. Br., Doppelhaushälften 5.3.9 Freiburg i. Br., Freistehende Einfamilienhäuser 5.3.10 Hannover, Doppelhaushälften 5.3.11 Hannover, Freistehende Einfamilienhäuser 5.3.12 Stuttgart, Doppelhaushälften 5.3.13 Stuttgart, Freistehende Einfamilienhäuser 5.4 Innere Genauigkeit 5.4.1 Diskussion der Ergebnisse 5.4.2 Eine Besonderheit in Hannover? 5.5 Die multiple lineare Regression im Vergleich 5.5.1 Lösung des Modells mithilfe der Methode der klassischen multiplen linearen Regression 5.5.2 Überführung des Regressionsmodells in eine einfache lineare Form 5.5.3 Vergleich der Ergebnisse 5.5.4 Die Frage der Objektivierung 5.5.5 Zur Bestätigung der Verfahrenswahl 5.6 Äußere Genauigkeit – Validierung des Verfahrens 5.7 Anwendungsbeispiel 6 Die überregionale Vergleichbarkeit des Preisbildungsmechanismus 6.1 Die Korrekturfunktionen fk(BW ), gk(FL) und uk(GSW ) 6.2 Der Normpreis N 6.3 Fazit 7 Die Repartition von Kaufpreisen bebauter Grundstücke (Ziel 2) 7.1 Entwicklung eines Ansatzes zur Repartition 7.2 Bedeutung und Interpretation der korrigierten Konstanten β0 korr 7.3 Plausibilisierung der Interpretation der korrigierten Konstanten β0 korr durch Expertenbefragung 7.4 Diskussion und Schlussfolgerungen aus dem Repartitionsansatz 7.5 Modellgröße und Marktgröße vs. Markttransparenz 8 Schlussbetrachtung 8.1 Methodenkritik 8.2 Zusammenfassung und Ausblick Quellenverzeichnis Literatur Interviews Anhang: Plots und Berechnungsprotokolle , Sprache der Kurzfassungen: Englisch, Deutsch