elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Using deep neural networks for predictive modelling of informal settlements in the context of flood risk

Zhu, Yue und Geiß, Christian und So, Emily (2019) Using deep neural networks for predictive modelling of informal settlements in the context of flood risk. In: Journal of Physics: Conference Series, 1343, Seiten 1-6. CISBAT 2019 – International Scientific Conference - Climate Resilient Cities - Energy Efficiency & Renewables in the Digital Era, 2019-09-04 - 2019-09-06, Lausanne, Switzerland. doi: 10.1088/1742-6596/1343/1/012032. ISSN 1742-6588.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://iopscience.iop.org/article/10.1088/1742-6596/1343/1/012032/meta

Kurzfassung

Global climate change has substantially increased the risks of cities being adversely affected by natural hazards such as floods. Among the inhabitants of cities at risk, residents dwelling in informal settlements are the most vulnerable group. To identify the future exposure of informal settlements, we adopt a data-driven model from the machine learning domain to anticipate the growth patterns of formal and informal settlements in flood-prone areas. The potential emergence of informal settlements in Shenzhen, China, is predicted by the proposed method. Then, through an analysis of the flood susceptibility of the predicted informal settlement areas, the emerging vulnerability of Shenzhen towards flooding is revealed.

elib-URL des Eintrags:https://elib.dlr.de/132310/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Using deep neural networks for predictive modelling of informal settlements in the context of flood risk
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Zhu, YueUniversity of Cambridge, UKNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Geiß, ChristianChristian.Geiss (at) dlr.dehttps://orcid.org/0000-0002-7961-8553NICHT SPEZIFIZIERT
So, EmilyUniversity of Cambridge, UKNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2019
Erschienen in:Journal of Physics: Conference Series
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
Band:1343
DOI:10.1088/1742-6596/1343/1/012032
Seitenbereich:Seiten 1-6
ISSN:1742-6588
Status:veröffentlicht
Stichwörter:climate-resilient cities, neural networks, land use prediction, informal settlements, flood susceptibility.
Veranstaltungstitel:CISBAT 2019 – International Scientific Conference - Climate Resilient Cities - Energy Efficiency & Renewables in the Digital Era
Veranstaltungsort:Lausanne, Switzerland
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:4 September 2019
Veranstaltungsende:6 September 2019
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Fernerkundung u. Geoforschung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit
Hinterlegt von: Geiß, Christian
Hinterlegt am:06 Dez 2019 19:46
Letzte Änderung:24 Apr 2024 20:35

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.