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

Settlement Growth Prediction exploiting EO-based Time Series with the Spatio-Temporal Matrix Approach: a Case Study for the City of Hue, Vietnam

Wang, Zhiyuan und Marconcini, Mattia und Nguyen, Hoang Khanh Linh und Pham, Tung Gia und Bachofer, Felix (2023) Settlement Growth Prediction exploiting EO-based Time Series with the Spatio-Temporal Matrix Approach: a Case Study for the City of Hue, Vietnam. In: 2023 Joint Urban Remote Sensing Event, JURSE 2023, Seiten 1-4. IEEE xplore. 2023 Joint Urban Remote Sensing Event (JURSE), 2023-05-17 - 2023-05-19, Heraklion, Greece. doi: 10.1109/JURSE57346.2023.10144086. ISBN 978-166549373-4. ISSN 2642-9535.

[img] PDF - Nur DLR-intern zugänglich
1MB

Kurzfassung

Satellite-based Earth observation (EO) time series data possess enormous potential for analyzing the past and forecasting future trends of urban/settlement development. While historic settlement extent maps with high spatial resolution can be generated from EO data, detailed local information such as intra-urban recreation spaces or restricted areas for specific land use types are hard to acquire. In order to overcome this data gap from which many modelling approaches suffer, the Spatio-Temporal Matrix (STM) was developed. The STM provides spatial and temporal characteristics of a target pixels’ neighborhood to be used for predicting the future urban/settlement growth with a machine learning approach. In this study, a multi-layer perceptron (MLP) was employed to utilize the STM for the settlement growth prediction of the City of Hue, Vietnam. The SLEUTH model was used as a benchmark for the performance evaluation. The results show that the STM-based model achieved a high accuracy in settlement growth modelling. Compared to the SLEUTH model, the STM approach simulated less growth in restricted areas without having to rely on external datasets.

elib-URL des Eintrags:https://elib.dlr.de/195454/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Settlement Growth Prediction exploiting EO-based Time Series with the Spatio-Temporal Matrix Approach: a Case Study for the City of Hue, Vietnam
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Wang, ZhiyuanZhiyuan.Wang (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Marconcini, MattiaMattia.Marconcini (at) dlr.dehttps://orcid.org/0000-0002-5042-5176NICHT SPEZIFIZIERT
Nguyen, Hoang Khanh LinhHue University, International School, Viet NamNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Pham, Tung GiaHue University, International School, Viet NamNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bachofer, FelixFelix.Bachofer (at) dlr.dehttps://orcid.org/0000-0001-6181-0187NICHT SPEZIFIZIERT
Datum:2023
Erschienen in:2023 Joint Urban Remote Sensing Event, JURSE 2023
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/JURSE57346.2023.10144086
Seitenbereich:Seiten 1-4
Verlag:IEEE xplore
ISSN:2642-9535
ISBN:978-166549373-4
Status:veröffentlicht
Stichwörter:urban, settlement growth, modelling
Veranstaltungstitel:2023 Joint Urban Remote Sensing Event (JURSE)
Veranstaltungsort:Heraklion, Greece
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:17 Mai 2023
Veranstaltungsende:19 Mai 2023
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 > Dynamik der Landoberfläche
Hinterlegt von: Bachofer, Dr. Felix
Hinterlegt am:31 Jul 2023 12:54
Letzte Änderung:24 Apr 2024 20:55

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.