@article{Roussanova2011,
  author    = {Roussanova, Elena},
  title     = {Russland ist seit jeher das gelobte Land f{\"u}r Magnetismus gewesen},
  series = {Alexander von Humboldt im Netz ; international review for Humboldtian studies},
  volume    = {xii},
  journal   = {Alexander von Humboldt im Netz ; international review for Humboldtian studies},
  number    = {22},
  publisher = {Universit{\"a}tsverlag Potsdam},
  address   = {Potsdam},
  issn      = {2568-3543},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-57525},
  pages     = {56 -- 83},
  year      = {2011},
  abstract  = {Wegen seiner riesigen Ausdehnung hat Russland bei der wissenschaftlichen Erforschung des Erdmagnetismus bereits im 18. Jahrhundert und erst recht im 19. Jahrhundert eine herausragende Rolle gespielt. Alexander von Humboldts Engagement auf dem Gebiet des Erdmagnetismus, sein organisatorisches und diplomatisches Geschick verhalfen dazu, dass man sich international und vielerorts dem Ph{\"a}nomen des Erdmagnetismus zuwandte. Carl Friedrich Gauß stellte dessen Erforschung in der relativ kurzen Zeit zwischen 1833 und 1839 auf ein ganz neues wissenschaftliches Fundament. Die Pl{\"a}ne Humboldts, die Erde m{\"o}glichst global physikalisch zu erforschen, und die Pl{\"a}ne von Gauß, die erdmagnetischen Forschungen zentral zu koordinieren, gipfelten 1849 in der Gr{\"u}ndung des Physikalischen Hauptobservatoriums in St. Petersburg, das zu jener Zeit eine absolut neuartige Institution darstellte - es war der Erforschung der neuen Disziplin Geophysik gewidmet. An der Spitze dieser Institution stand der russische Physiker Adolph Theodor Kupffer, Mitarbeiter und Kollege sowohl von Humboldt als auch von Gauß.},
  language  = {de}
}
@phdthesis{Liebs2014,
  author    = {Liebs, G{\"o}ran},
  title     = {Ground penetration radar wave velocities and their uncertainties},
  doi       = {10.25932/publishup-43680},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-436807},
  school      = {Universit{\"a}t Potsdam},
  pages     = {ii, 106},
  year      = {2014},
  abstract  = {We develop three new approaches for ground penetration wave velocity calcultaions. The first is based on linear moveout spectra to find the optimum ground wave velocity including uncertainties from multi-offset data gathers. We used synthetic data to illustrate the principles of the method and to investigate uncertainties in ground wave velocity estimates. To demonstrate the applicability of the approach to real data, we analyzed GPR data sets recorded at field sites in Canada over an annual cycle from Steelman \& Endres [2010]. The results obtained by this efficient and largely automated procedure agree well with the manual achieved results of Steelman \& Endres [2010], derived by a more laborious largely manual analysis strategy. Then we develop a second methodology to global invert reflection traveltimes with a particle swarm optimization approach more precise then conventional spectral NMO-based velocity analysis (e.g., Greaves et al. [1996]). For global optimization, we use particle swarm optimization (PSO; Kennedy \& Eberhart [1995]) in the combination with a fast eikonal solver as forward solver (Sethian [1996]; Fomel [1997a]; Sethian \& Popovici [1999]). This methodology allows us to generate reliability CMP derived models of subsurface velocities and water content including uncertainties. We test this method with synthetic data to study the behavior of the PSO algorithm. Afterward, We use this method to analyze our field data from a well constrained test site in Horstwalde, Germany. The achieved velocity models from field data showed good agreement to borehole logging and direct-push data (Schmelzbach et al. [2011]) at the same site position. For the third method we implement a global optimization approach also based on PSO to invert direct-arrival traveltimes of VRP data to obtain high resolution 1D velocity models including quantitative estimates of uncertainty. Our intensive tests with several traveltime data sets helped to understand the behavior of PSO algorithm for inversion. Integration of the velocity model to VRP reflection imaging and attenuation model improved the potential of VRP surveying. Using field data, we examine this novel analysis strategy for the development of petrophysical models and the linking between GPR borehole and other logging data to surface GPR reflection data.},
  language  = {de}
}
@masterthesis{Lehmann2017,
  type      = {Bachelor Thesis},
  author    = {Lehmann, Lukas},
  title     = {Performance Test von Phasenpickern},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-401993},
  school      = {Universit{\"a}t Potsdam},
  pages     = {I, 40, XXXIX},
  year      = {2017},
  abstract  = {Die genauen Einsatzzeiten seismischer P-Phasen von Erdbeben werden in SeisComP3 und anderen Auswerteprogrammen standardm{\"a}ßig und in Echtzeit automatisch bestimmt. S-Phasen stellen dagegen eine weit gr{\"o}ßere Herausforderung dar. Nur mit genauen Picks der P- bzw. S-Phasen k{\"o}nnen die Erdbebenlokationen korrekt und stabil bestimmt werden. Darum besteht erhebliches Interesse, diese mit hoher Genauigkeit zu bestimmen. Das Ziel der vorliegenden Bachelorarbeit war es, vier verschiedene, bereits vorhandene S-Phasenpicker auf ausgew{\"a}hlte Parameter optimal zu konfigurieren, auf Testdaten anzuwenden und deren Leistungsf{\"a}higkeit objektiv zu bewerten. Dazu wurden ein S-Picker (S-L2) aus dem OpenSource SeisComp3-Programmpaket, zwei S-Picker (S-AIC, S-AIC-V) als kommerzielles Modul der Firma gempa GmbH f{\"u}r SeisComP3 und ein S-Picker (Frequenzband) aus dem OpenSource PhasePaPy-Paket ausgew{\"a}hlt. Die Bewertung erfolgte durch Vergleich automatischer Picks mit manuell bestimmten Einsatzzeiten. Alle vier Picker wurden separat konfiguriert und auf drei verschiedene Datens{\"a}tze von Erdbeben in N-Chile und im Vogtland, Deutschland, angewandt. Dazu wurden regional bzw. lokal typische Erdbeben zuf{\"a}llig ausgew{\"a}hlt und die P- und S-Phasen manuell bestimmt. Mit den zu testenden S-Pickeralgorithmen wurden dieselben Daten durchsucht und die Picks automatisch bestimmt. Die Konfigurationen der Picker wurden gleichzeitig automatisch und objektiv durch iterative Anpassung optimiert. Ein neu erstelltes Bewertungssystem vergleicht die manuellen und die automatisch gefundenen S-Picks anhand von definierten Qualit{\"a}tsfaktoren. Die Qualit{\"a}tsfaktoren sind: der Mittelwert und die Standardabweichung der zeitlichen Differenzen zwischen den S-Picks, die Anzahl an {\"u}bereinstimmenden S-Picks, die Prozentangaben {\"u}ber m{\"o}gliche S-Picks und die ben{\"o}tigt Rechenzeit. Die objektive Bewertung erfolgte anhand eines Scores. Der Scorewert ergibt sich aus der gewichteten Summe folgender normierter Qualit{\"a}tsfaktoren: Standardabweichung (20\%), Mittelwert (20\%) und Prozentangabe {\"u}ber m{\"o}gliche S-Picks (60\%). Konfigurationen mit hohem Score werden bevorzugt. Die bevorzugten Konfigurationen der verschiedenen Picker wurden miteinander verglichen, um den am besten geeigneten S-Pickeralgorithmus zu bestimmen. Allgemein zeigt sich, dass der S-AIC Picker f{\"u}r jeden der drei Datens{\"a}tze die h{\"o}chsten Scores und damit die besten Ergebnisse liefert. Dabei wurde f{\"u}r jeden Datensatz ein andere Konfiguration der Parameter des S-AIC Pickers als die am besten geeignete bezeichnet. Daher ist f{\"u}r jede Erdbebenregion eine andere Konfigurationen erforderlich, um optimale Ergebnisse mit diesem S-Picker zu bekommen.},
  language  = {de}
}