జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ (ANN)ని ఉపయోగించి నైజీరియాలోని ఇకోమ్ సిటీలో ల్యాండ్ సర్ఫేస్ టెంపరేచర్ (LST) డైనమిక్స్ యొక్క అనుకరణ మరియు అంచనా

మదువాకో ID, యున్ Z, పాట్రిక్ B

ల్యాండ్ సర్ఫేస్ టెంపరేచర్ (LST) అనేది ఒక నగరం లోపల పట్టణ వేడి పెరుగుదల మరియు మైక్రో క్లైమాటిక్ వార్మింగ్‌కు సంబంధించిన కారకాల్లో ఒకటి. పట్టణ వాతావరణ అధ్యయనాలలో కొత్త సాంకేతికతలను అభివృద్ధి చేయడం లేదా ఇప్పటికే ఉన్న వాటిపై మెరుగుదలకు సంబంధించిన పరిశోధనలు చాలా ముఖ్యమైనవి. ఈ పేపర్ ఫీడ్ ఫార్వర్డ్ బ్యాక్ ప్రోపగేషన్ ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ టెక్నాలజీని ఉపయోగించి నైజీరియాలోని ఇకోమ్ నగరంలో నిర్దిష్ట భవిష్యత్ సమయ LST పరిమాణాత్మక ధోరణి యొక్క అనుకరణ మరియు అంచనాపై మా అధ్యయనాన్ని వివరిస్తుంది. ఈ అధ్యయనం సమయ శ్రేణి ANN మోడల్‌పై ఆధారపడింది, ఇది గత LST విలువల క్రమాన్ని తీసుకుంటుంది, డేటాసెట్‌లోని మార్పుల నమూనాను అర్థం చేసుకుంటుంది మరియు మరింత అంచనా వేయండి లేదా భవిష్యత్తు సమయ విలువలను సూచిస్తుంది. మా సాహిత్య సమీక్ష నుండి ఇలాంటి అధ్యయనాలు ఈ పద్ధతిలో నిర్వహించబడ్డాయి, అయితే ANNని ఉపయోగించి LST సమయ శ్రేణి అంచనా కోసం ముతక రిజల్యూషన్ యుగం విరామం యొక్క భూ పరిశీలన సమయ శ్రేణి ఉపగ్రహ డేటాను ఎవరూ ఉపయోగించలేదు. ఎర్త్ అబ్జర్వేషన్ రిమోట్ సెన్సింగ్ ఇమేజరీ (ల్యాండ్‌శాట్ 7 ETM) నుండి పొందిన గత LST విలువల నుండి ANNని ఉపయోగించి కొన్ని నిర్దిష్ట భవిష్యత్తు సమయం LST విలువలను నగరవ్యాప్తంగా అంచనా వేసే ప్రయత్నంపై ఈ అధ్యయనం యొక్క కొత్తదనం కేంద్రీకృతమై ఉంది. ఈ అధ్యయనం నుండి పొందిన ఫలితాలు, నాన్-లీనియర్ అస్తవ్యస్తమైన వాస్తవ ప్రపంచ సంక్లిష్ట డేటాసెట్‌ల నుండి నేర్చుకోవడం, అర్థం చేసుకోవడం మరియు ఖచ్చితమైన అంచనాలను రూపొందించడంలో ANN (డీప్ లెర్నింగ్ టెక్నాలజీలలో భాగం) యొక్క సామర్థ్యాన్ని పునరుద్ఘాటించాయి.