1582 research outputs found
Sort by
A Literature Review on Wetlands in Accra
Get PDFThis literature review was conducted to identify important wetlands in the Greater Accra Region and to illustrate dominant research trends, prevailing perspectives and corresponding research gaps. Six wetlands systems were identified as most significant lagoon systems, namely the Densu Delta, Sakumo, Muni-Pomadze, Keta, Korle and Songor Lagoons. Research foci for each of the respective wetlands were extrapolated and summarized in a category system. The frequency of different categories illustrates that natural science’s perspectives dominate, as most of Accra’s lagoons have been studied with regard to their ecological, physical and chemical properties. The development of research interest over time and focus on ecological baseline conditions are related to the designation of Ramsar Sites and orientation of national policies towards environmental protection. A research gap was identified, as studies link their findings to human activities but neglect the connection between governance variables and environmental developments. It is suggested to expand the natural science’s perspective on Accra’s wetlands to account for social and political aspects in order to develop a holistic and more sustainable management strategy
Stakeholder Mapping
Get PDFThis report presents the results of a stakeholder mapping exercise carried out in the WaterPower project. The mapping was conducted for the following main research areas of the project: water supply, land use planning and management, wetland management and climate change adaptation/disaster risk reduction. The report gives an overview of the stakeholders that play a role in these respective areas and identifies those who have concomitant responsibilities in different sectors. It represents the first step towards further involvement of stakeholders in the WaterPower project
An empirical assessment of angular dependency for RedEdge-M in sloped terrain viticulture
Get PDFFor grape canopy pixels captured by an unmanned aerial vehicle (UAV) tilt-mounted RedEdge-M multispectral sensor in a sloped vineyard, an in situ Walthall model can be established with purely image-based methods. This was derived from RedEdge-M directional reflectance and a vineyard 3D surface model generated from the same imagery. The model was used to correct the angular effects in the reflectance images to form normalized difference vegetation index (NDVI)orthomosaics of different view angles. The results showed that the effect could be corrected to a certain scope, but not completely. There are three drawbacks that might restrict a successful angular model construction and correction: (1) the observable micro shadow variation on the canopy enabled by the high resolution; (2) the complexity of vine canopies that causes an inconsistency between reflectance and canopy geometry, including effects such as micro shadows and near-infrared (NIR) additive effects; and (3) the resolution limit of a 3D model to represent the accurate real-world optical geometry. The conclusion is that grape canopies might be too inhomogeneous for the tested method to perform the angular correction in high quality
Supports pratiques pour le conseil de coopération dans les écoles fondamentales
Get PDFDans les écoles fondamentales, le conseil de coopération offre aux élèves la possibilité d’apprendre et d’approfondir les premières étapes de la gestion démocratique. Dans un espace protégé, ils / elles apprennent à s’exprimer sur les thèmes les plus divers, à résoudre les conflits en se concentrant sur les solutions et à prendre des responsabilités. Les supports présentés ici ont pour objectif de vous aider à mettre en place et à mener à bien le conseil de coopération
Beteiligung von Lernenden an der Unterrichtsgestaltung am Lycée Ermesinde
Get PDFPartizipativer Unterricht, der nicht nur aus punktuell erlebter Teilnahme besteht, ist — wie Charlotte Keuler es im Leitartikel des vorliegenden Heftes formuliert — durch die Herausforderungen, vor die uns unsere globalisierte Welt stellt, in vielerlei Hinsicht unabdingbar geworden. Kommunikationsfähigkeit, interkulturelle Kompetenz, Wissensmanagement und andere oft zitierte „soft skills“ sind Schlüsselkompetenzen des 21. Jahrhunderts
Nonlocal models with truncated interaction kernels - analysis, finite element methods and shape optimization
Get PDFNonlocal operators are used in a wide variety of models and applications due to many natural phenomena being driven by nonlocal dynamics. Nonlocal operators are integral operators allowing for interactions between two distinct points in space. The nonlocal models investigated in this thesis involve kernels that are assumed to have a finite range of nonlocal interactions. Kernels of this type are used in nonlocal elasticity and convection-diffusion models as well as finance and image analysis. Also within the mathematical theory they arouse great interest, as they are asymptotically related to fractional and classical differential equations.
The results in this thesis can be grouped according to the following three aspects: modeling and analysis, discretization and optimization.
Mathematical models demonstrate their true usefulness when put into numerical practice. For computational purposes, it is important that the support of the kernel is clearly determined. Therefore nonlocal interactions are typically assumed to occur within an Euclidean ball of finite radius. In this thesis we consider more general interaction sets including norm induced balls as special cases and extend established results about well-posedness and asymptotic limits.
The discretization of integral equations is a challenging endeavor. Especially kernels which are truncated by Euclidean balls require carefully designed quadrature rules for the implementation of efficient finite element codes. In this thesis we investigate the computational benefits of polyhedral interaction sets as well as geometrically approximated interaction sets. In addition to that we outline the computational advantages of sufficiently structured problem settings.
Shape optimization methods have been proven useful for identifying interfaces in models governed by partial differential equations. Here we consider a class of shape optimization problems constrained by nonlocal equations which involve interface-dependent kernels. We derive the shape derivative associated to the nonlocal system model and solve the problem by established numerical techniques
Participation des apprenant(e)s à l’organisation des cours au Lycée Ermesinde
Get PDFL’enseignement participatif, qui ne se résume pas à une participation vécue ponctuellement, comme l’écrit Charlotte Keuler dans l’article principal de ce carnet, est devenu indispensable à plusieurs égards en raison des défis auxquels nous confronte notre monde globalisé. La capacité à communiquer, les compétences interculturelles, la gestion des connaissances et d’autres « soft skills » sont les compétences clés du 21e siècle
mateneen - Démocratie à l'école 03/2019 : Participation en classe
Get PDFLes carnets paraissent deux fois par an et offrent aux dirigeant(e)s des écoles ainsi qu’au personnel des fondements théoriques et du matériel pratique pour la mise en oeuvre d’un développement scolaire démocratique. Chaque publication traite d’une méthode de l’éducation à la démocratie ou d’une question stratégique du développement scolaire. Les carnets en langue allemande sont mis à la disposition des écoles luxembourgeoises en version imprimée. Tout le matériel ainsi que la version en langue française sont disponibles en ligne
Transition Pathways towards Sustainability and Hydro-Social Arrangements in Global Environmental Governance: An Analysis of the Sustainable Development Goals (SDGs)
Get PDFIn a first step, this paper analyses the emergence of the UN Sustainable Development Goals (SDGs) as new global development framework with regard to key actors, social learning cycles, innovation platforms, fundamental policy changes and transition dynamics towards sustainability. In a second step, it traces the convolution of social, political and environmental dimensions, social power relations and governance paradigms embedded in the drafting process and final framework of the water related SDG 6. This research concludes that the SDGs induced important paradigm and policy changes in addition to rearranging existing power relations
Regularization Methods for Statistical Modelling in Small Area Estimation
Get PDFDie vorgelegte Dissertation trägt den Titel Regularization Methods for Statistical Modelling in Small Area Estimation. In ihr wird die Verwendung regularisierter Regressionstechniken zur geographisch oder kontextuell hochauflösenden Schätzung aggregatspezifischer Kennzahlen auf Basis kleiner Stichproben studiert. Letzteres wird in der Fachliteratur häufig unter dem Begriff Small Area Estimation betrachtet. Der Kern der Arbeit besteht darin die Effekte von regularisierter Parameterschätzung in Regressionsmodellen, welche gängiger Weise für Small Area Estimation verwendet werden, zu analysieren. Dabei erfolgt die Analyse primär auf theoretischer Ebene, indem die statistischen Eigenschaften dieser Schätzverfahren mathematisch charakterisiert und bewiesen werden. Darüber hinaus werden die Ergebnisse durch numerische Simulationen veranschaulicht, und vor dem Hintergrund empirischer Anwendungen kritisch verortet. Die Dissertation ist in drei Bereiche gegliedert. Jeder Bereich behandelt ein individuelles methodisches Problem im Kontext von Small Area Estimation, welches durch die Verwendung regularisierter Schätzverfahren gelöst werden kann. Im Folgenden wird jedes Problem kurz vorgestellt und im Zuge dessen der Nutzen von Regularisierung erläutert.
Das erste Problem ist Small Area Estimation in der Gegenwart unbeobachteter Messfehler. In Regressionsmodellen werden typischerweise endogene Variablen auf Basis statistisch verwandter exogener Variablen beschrieben. Für eine solche Beschreibung wird ein funktionaler Zusammenhang zwischen den Variablen postuliert, welcher durch ein Set von Modellparametern charakterisiert ist. Dieses Set muss auf Basis von beobachteten Realisationen der jeweiligen Variablen geschätzt werden. Sind die Beobachtungen jedoch durch Messfehler verfälscht, dann liefert der Schätzprozess verzerrte Ergebnisse. Wird anschließend Small Area Estimation betrieben, so sind die geschätzten Kennzahlen nicht verlässlich. In der Fachliteratur existieren hierfür methodische Anpassungen, welche in der Regel aber restriktive Annahmen hinsichtlich der Messfehlerverteilung benötigen. Im Rahmen der Dissertation wird bewiesen, dass Regularisierung in diesem Kontext einer gegen Messfehler robusten Schätzung entspricht - und zwar ungeachtet der Messfehlerverteilung. Diese Äquivalenz wird anschließend verwendet, um robuste Varianten bekannter Small Area Modelle herzuleiten. Für jedes Modell wird ein Algorithmus zur robusten Parameterschätzung konstruiert. Darüber hinaus wird ein neuer Ansatz entwickelt, welcher die Unsicherheit von Small Area Schätzwerten in der Gegenwart unbeobachteter Messfehler quantifiziert. Es wird zusätzlich gezeigt, dass diese Form der robusten Schätzung die wünschenswerte Eigenschaft der statistischen Konsistenz aufweist.
Das zweite Problem ist Small Area Estimation anhand von Datensätzen, welche Hilfsvariablen mit unterschiedlicher Auflösung enthalten. Regressionsmodelle für Small Area Estimation werden normalerweise entweder für personenbezogene Beobachtungen (Unit-Level), oder für aggregatsbezogene Beobachtungen (Area-Level) spezifiziert. Doch vor dem Hintergrund der stetig wachsenden Datenverfügbarkeit gibt es immer häufiger Situationen, in welchen Daten auf beiden Ebenen vorliegen. Dies beinhaltet ein großes Potenzial für Small Area Estimation, da somit neue Multi-Level Modelle mit großem Erklärungsgehalt konstruiert werden können. Allerdings ist die Verbindung der Ebenen aus methodischer Sicht kompliziert. Zentrale Schritte des Inferenzschlusses, wie etwa Variablenselektion und Parameterschätzung, müssen auf beiden Levels gleichzeitig durchgeführt werden. Hierfür existieren in der Fachliteratur kaum allgemein anwendbare Methoden. In der Dissertation wird gezeigt, dass die Verwendung ebenenspezifischer Regularisierungsterme in der Modellierung diese Probleme löst. Es wird ein neuer Algorithmus für stochastischen Gradientenabstieg zur Parameterschätzung entwickelt, welcher die Informationen von allen Ebenen effizient unter adaptiver Regularisierung nutzt. Darüber hinaus werden parametrische Verfahren zur Abschätzung der Unsicherheit für Schätzwerte vorgestellt, welche durch dieses Verfahren erzeugt wurden. Daran anknüpfend wird bewiesen, dass der entwickelte Ansatz bei adäquatem Regularisierungsterm sowohl in der Schätzung als auch in der Variablenselektion konsistent ist.
Das dritte Problem ist Small Area Estimation von Anteilswerten unter starken verteilungsbezogenen Abhängigkeiten innerhalb der Kovariaten. Solche Abhängigkeiten liegen vor, wenn eine exogene Variable durch eine lineare Transformation einer anderen exogenen Variablen darstellbar ist (Multikollinearität). In der Fachliteratur werden hierunter aber auch Situationen verstanden, in welchen mehrere Kovariate stark korreliert sind (Quasi-Multikollinearität). Wird auf einer solchen Datenbasis ein Regressionsmodell spezifiziert, dann können die individuellen Beiträge der exogenen Variablen zur funktionalen Beschreibung der endogenen Variablen nicht identifiziert werden. Die Parameterschätzung ist demnach mit großer Unsicherheit verbunden und resultierende Small Area Schätzwerte sind ungenau. Der Effekt ist besonders stark, wenn die zu modellierende Größe nicht-linear ist, wie etwa ein Anteilswert. Dies rührt daher, dass die zugrundeliegende Likelihood-Funktion nicht mehr geschlossen darstellbar ist und approximiert werden muss. Im Rahmen der Dissertation wird gezeigt, dass die Verwendung einer L2-Regularisierung den Schätzprozess in diesem Kontext signifikant stabilisiert. Am Beispiel von zwei nicht-linearen Small Area Modellen wird ein neuer Algorithmus entwickelt, welche den bereits bekannten Quasi-Likelihood Ansatz (basierend auf der Laplace-Approximation) durch Regularisierung erweitert und verbessert. Zusätzlich werden parametrische Verfahren zur Unsicherheitsmessung für auf diese Weise erhaltene Schätzwerte beschrieben.
Vor dem Hintergrund der theoretischen und numerischen Ergebnisse wird in der Dissertation demonstriert, dass Regularisierungsmethoden eine wertvolle Ergänzung der Fachliteratur für Small Area Estimation darstellen. Die hier entwickelten Verfahren sind robust und vielseitig einsetzbar, was sie zu hilfreichen Werkzeugen der empirischen Datenanalyse macht