遥感与地理信息系统学报

抽象的

使用人工神经网络 (ANN) 模拟和预测尼日利亚伊科姆市地表温度 (LST) 动态

Maduako ID、Yun Z、Patrick B

地表温度 (LST) 是与城市温度上升和城市微气候变暖相关的因素之一。在城市气候研究中，与开发新技术或改进现有技术相关的研究非常重要。本文阐述了我们使用前馈反向传播人工神经网络技术对尼日利亚伊科姆市未来特定时间的 LST 定量趋势进行模拟和预测的研究。这项研究基于时间序列 ANN 模型，该模型采用一系列过去的 LST 值，了解数据集内的变化模式并进一步预测未来时间值。从我们的文献综述来看，类似的研究已经以这种方式开展，但没有一项研究使用粗分辨率纪元间隔的地球观测时间序列卫星数据进行 ANN 的 LST 时间序列预测。这项研究的新颖之处在于尝试使用 ANN 从来自地球观测遥感图像（Landsat 7 ETM）的过去 LST 值中预测全市某些特定的未来时间 LST 值。这项研究的结果再次证实了 ANN（深度学习技术的一部分）在从非线性混乱的现实世界复杂数据集中学习、理解和做出准确预测的效率。