Zeitschrift für Fernerkundung und GIS

Abstrakt

Simulation und Vorhersage der Dynamik der Landoberflächentemperatur (LST) in der Stadt Ikom in Nigeria mithilfe eines künstlichen neuronalen Netzwerks (KNN)

Maduako ID, Yun Z, Patrick B

Die Landoberflächentemperatur (LST) ist einer der Faktoren, die mit dem Anstieg der städtischen Hitze und der mikroklimatischen Erwärmung in einer Stadt zusammenhängen. Forschungen im Zusammenhang mit der Entwicklung neuer Technologien oder der Verbesserung bestehender Technologien sind in der Stadtklimaforschung sehr wichtig. In diesem Artikel wird unsere Studie zur Simulation und Prognose eines spezifischen zukünftigen LST-Quantitativen Trends in der Stadt Ikom in Nigeria unter Verwendung der Feed Forward Back Propagation Artificial Neural Network-Technologie erläutert. Diese Studie basierte auf einem Zeitreihen-ANN-Modell, das eine Abfolge vergangener LST-Werte verwendet, das Änderungsmuster innerhalb des Datensatzes versteht und daraus zukünftige Werte vorhersagt. Laut unserer Literaturrecherche wurden auf diese Weise ähnliche Studien durchgeführt, aber in keiner wurden für die LST-Zeitreihenvorhersage mittels ANN-Daten aus Erdbeobachtungen mit einem grob aufgelösten Epochenintervall verwendet. Das Neue an dieser Studie ist der Versuch, mittels ANN einige spezifische zukünftige LST-Werte für die ganze Stadt vorherzusagen, und zwar aus vergangenen LST-Werten, die aus Fernerkundungsbildern der Erdbeobachtung (Landsat 7 ETM) abgeleitet wurden. Die Ergebnisse dieser Studie bestätigen die Effizienz neuronaler Netzwerke (Teil der Deep-Learning-Technologien) beim Lernen, Verstehen und Treffen präziser Vorhersagen auf der Grundlage nichtlinearer, chaotischer, komplexer Datensätze der realen Welt.