Schätzung der Bruttoprimärproduktion unter Verwendung eines Data-Mining-Ansatzes

Das Ziel dieses Buches ist es, unser Verständnis der Rolle der terrestrischen Vegetation im Kohlenstoffkreislauf und ihrer Schwankungen unter klimatischen Veränderungen zu verbessern. Eine Kombination aus meteorologischen Daten und Fernerkundungsdaten unter Verwendung verschiedener Techniken und Software wurde eingesetzt, um Veränderungen in der Bruttoprimärproduktion (GPP) zu identifizieren und vorherzusagen. Die Vegetationsgrünheit und die GPP wurden aus Fernerkundungsdaten gewonnen, da diese den Vorteil bieten, dass sie eine kontinuierliche Überwachung ermöglichen und verschiedene Landbedeckungstypen abdecken. Die für diese Forschung verwendete Methode umfasste räumliche Interpolation, digitale Bildverarbeitung, Korrelationsanalyse und künstliche neuronale Netze (KNN) für die Datenaufbereitung, -analyse und -prognose. Dieses Buch zeigte die Vorteile der Verwendung von GPP aus Satellitendaten für die kontinuierliche Überwachung der Kohlenstoffbindung durch Vegetation auf. Die Integration von meteorologischen und Satellitendaten mit der KNN-Technik kann als alternative Methode zur Schätzung der GPP verwendet werden, wenn die Kohlenstoffflussdaten von den Türmen an bestimmten Standorten begrenzt sind.

Autorentext
Dr. Watinee Thavorntam hat an der Khon Kaen University in Thailand in Umwelttechnik promoviert. Ihre Fachgebiete sind Fernerkundung, GIS und Data Warehouse/Mining. Assistenzprofessorin Dr. Netnapid Tantemsapya (Mitautorin) hat an der NJIT in den Vereinigten Staaten in Umwelttechnik promoviert. Ihr Forschungsinteresse gilt der Umweltmodellierung.