Journal de télédétection et SIG

Abstrait

Simulation et prévision de la dynamique de la température de surface terrestre (LST) dans la ville d'Ikom au Nigéria à l'aide d'un réseau neuronal artificiel (ANN)

Maduako ID, Yun Z, Patrick B

La température de surface terrestre (LST) est l'un des facteurs associés à l'augmentation de la chaleur urbaine et au réchauffement microclimatique dans une ville. Les recherches relatives au développement de nouvelles technologies ou à l'amélioration des technologies existantes sont très importantes dans les études sur le climat urbain. Cet article expose notre étude sur la simulation et la prédiction de la tendance quantitative future spécifique de la LST dans la ville d'Ikom au Nigéria en utilisant la technologie Feed Forward Back Propagation Artificial Neural Network. Cette étude était basée sur un modèle ANN de séries chronologiques qui prend une séquence de valeurs LST passées, comprend le modèle de changement dans l'ensemble de données et prédit en outre les valeurs temporelles futures. Des études similaires ont été menées de cette manière à partir de notre revue de la littérature, mais aucune n'a utilisé de données satellitaires de séries chronologiques d'observation de la Terre d'un intervalle d'époque à résolution grossière pour la prédiction de séries chronologiques LST à l'aide d'ANN. La nouveauté de cette étude se concentre sur la tentative de prédire certaines valeurs LST futures spécifiques à l'échelle de la ville en utilisant l'ANN à partir de valeurs LST passées dérivées d'images de télédétection d'observation de la Terre (Landsat 7 ETM). Les résultats issus de cette étude réaffirment l'efficacité des ANN (qui font partie des technologies d'apprentissage profond) dans l'apprentissage, la compréhension et la réalisation de prédictions précises à partir d'ensembles de données complexes du monde réel chaotique et non linéaire.