Key points are not available for this paper at this time.
In Regionen, die sich rapide urbanisieren, wie Westafrika, ist die Flächennutzungsplanung (LUP) entscheidend, um eine wachsende Bevölkerung unterzubringen und natürliche Ressourcen zu verwalten. Die Eignungsanalyse-Modellierung ist ein weit verbreitetes Werkzeug in der LUP, um zu bestimmen, inwieweit ein Landgebiet für einen bestimmten Zweck geeignet ist, jedoch gibt es eine Lücke bei der Integration von zeitlichen Fernerkundungsdaten in Flächennutzungsentscheidungen. Ziel dieser Studie war es, Informationen aus zeitlichen Fernerkundungsdaten mit Eignungsanalysen zu kombinieren, um LUP-Entscheidungen in städtischen Gebieten zu informieren. Im Studiengebiet Kumasi, Ghana, wurden Landnutzungstrends und die Landoberflächentemperatur (LST) von 2000 bis 2019 verwendet, um die Trends des Klimawandels zu verstehen. Eignungsanalysen bestimmten die Eignung der Landflächen für vorbestimmte Nutzungen. Diese Hintergrundprozesse informierten einen genetischen Algorithmus, um plausible zukünftige Entwicklungen für drei Flächennutzungsszenarien zu projizieren. Ein Szenario stellte die aktuellen Praktiken der Flächennutzungsplanung zum Umgang mit dem Bevölkerungswachstum dar, ein anderes Szenario priorisierte die Minimierung der Auswirkungen des Klimawandels, während es gleichzeitig das Bevölkerungswachstum berücksichtigte, und das letzte Szenario fokussierte sich auf beide Klimaziele und Bevölkerungsziele zusätzlich zur hochdichten städtischen Entwicklung. Jedes dieser Szenarien war erfolgreich darin, eine Bevölkerungsunterbringung und die entsprechenden Klimaanpassungsziele zu erreichen. Die Ergebnisse dieser Szenarien bieten Einblicke in plausible Verteilungen der Flächennutzung im Jahr 2050 basierend auf unterschiedlichen Planungsansätzen. Der genetische Algorithmus war in der Lage, effektiv Ergebnisse für jedes Szenario durch die Integration von ferngemessenen Trends und Eignungsmodellen zu entwickeln, was einen neuartigen Ansatz für die Flächennutzungsentscheidung darstellt.
Peeling et al. (Mon,) haben diese Frage untersucht.