Städtische Grünflächen (UGS) spielen eine wichtige Rolle in der städtischen Umgebung. Diese Studie vergleicht die Vorhersagekraft zweier Arten von UGS-Messungen – Parknähe und NDVI – in Maschinenlernmodellen zur Vorhersage von Immobilienpreisen in Chicago. Durch die Einbeziehung von Big Data im Immobiliensektor, GIS-Analysen und Techniken des maschinellen Lernens ergibt sich, dass NDVI ein starker Prädiktor für Einfamilienhäuser am Rand des städtischen Zentrums ist.
Kuang Sheng (Sun,) hat diese Frage untersucht.