Journal of Environmental Engineering and Landscape Management·9月21日 · 周一论文农业人工智能与决策模型阅读 0
Geospatial and machine learning techniques for spatiotemporal analyses of urban dynamics in the Coimbatore city, South India
Nagamani Singamuthu · Elangovan Krishnan
论文解读
62接近精选线
速览
基于Landsat影像与机器学习分析印度哥印拜陀市2001-2023年城市扩张及其环境效应。
方法
Landsat影像、LULC分类、NDVI/NDWI/NDBI指数、ANN-CA
发现
建设用地增加、农地减少，城市扩张导致地表温度上升、植被覆盖下降。
机会点
可结合多源遥感与深度学习提升城市扩张预测精度，并探究其对周边农业用地的长期影响。
影响力8
信息增量18
专业深度15
信源权威13
时效性8
基于Landsat多时相遥感与ANN-CA模型的印度城市扩张研究，方法规范、数据翔实，对农业用地变化与遥感监测有参考价值，但属境外区域案例，公共影响有限。
原文摘要
快速城市化极大地改变了印度城市的土地利用和环境状况，需要持续监测以支持可持续城市规划。本研究利用2001年、2013年和2023年的Landsat卫星影像，考察了印度南部哥印拜陀市的时空城市动态。研究从土地利用/土地覆盖（LULC）、地表温度（LST）和光谱指数（NDVI、NDWI和NDBI）方面评估了城市蔓延对环境的影响。建设用地在2001—2013年间增加了1.21%，在2013—2023年间增加了1.67%；农业用地在2013—2023年间减少了1.62%。LULC分类的总体精度为95.76%，Kappa系数为0.95。Kappa系数0.96表明，ANN-CA模型在预测2031年LULC情景方面具有较高的预测可靠性。结果表明，城市持续扩张导致地表温度升高和植被覆盖减少。这对可持续城市发展具有重要影响，并有助于实现可持续发展目标11和可持续发展目标13。