Использование спутниковых данных для мониторинга глобального расширения городов и изменений в землепользовании
Спутниковое дистанционное зондирование коренным образом изменило способность наблюдать, количественно оценивать и интерпретировать быструю трансформацию поверхности Земли. За последние пять десятилетий орбитальные платформы перешли от экспериментальных военных активов к незаменимым инструментам для гражданской науки и городского управления. Мониторинг глобальных изменений в области расширения городов и землепользования требует последовательных, синоптических и повторяемых наблюдений - требований, которые не могут удовлетворить только наземные обследования. Доступность свободных и открытых данных из таких программ, как Landsat (USGS / NASA) и Copernicus Sentinel (Европейское космическое агентство) демократизировала доступ, позволяя исследователям, планировщикам и политикам отслеживать урбанизацию с беспрецедентными временными и пространственными деталями. В этой статье исследуются механизмы, приложения, проблемы и будущие траектории спутниковых данных в контексте роста городов и динамики землепользования.
Эволюция спутникового наблюдения Земли для урбанистики
Генезис гражданского спутникового мониторинга земли можно проследить до программы Landsat, запущенной в 1972 году. С пространственным разрешением 80 метров ранние датчики Landsat могли различать широкие категории покрова земли — лес, сельское хозяйство, вода — но обнаруживали городские районы только в виде агрегированных участков. Последующие поколения улучшили разрешение: Тематический картограф Landsat 5 предлагал 30-метровые пиксели, достаточные для отображения основных дорог, районов и промышленных зон. Запуск Landsat 8 в 2013 году, сочетающий 30-метровые мультиспектральные полосы с 15-метровой панхроматической полосой, ознаменовал веху для обнаружения городских изменений. Одновременно созвездие Sentinel-2 Европейского космического агентства (2015 год) обеспечивает 10-метровое разрешение в видимых и ближних инфракрасных полосах, захватывая отдельные здания, уличные сети и небольшие участки растительности в городах.
Помимо систем среднего разрешения, спутники с очень высоким разрешением (VHR), такие как IKONOS (1999), QuickBird (2001), WorldView (2007) и Pleiades (2011), предлагают изображения с субметром. Эти платформы позволяют составлять карты отдельных структур, неформальных поселений и подробных классов землепользования. Однако их стоимость и ограниченная ширина полосы ограничивают систематическое глобальное покрытие. Синергия между архивами свободного среднего разрешения и коммерческими данными VHR образует основу современного городского мониторинга.
Типы спутниковых данных и их роль в анализе землепользования
Выбор метода датчика зависит от конкретного землепользования или исследуемого городского явления. Каждый тип предоставляет уникальную информацию.
Оптические образы
Оптические датчики захватывают отраженный солнечный свет в видимых и ближне-инфракрасных длинах волн. Здоровая растительность сильно отражает ближнее инфракрасное излучение, в то время как построенные поверхности (бетонные, асфальтовые) демонстрируют низкую отражательную способность по всему спектру. Нормализованный индекс разности растительности (NDVI), полученный из красных и ближне-инфракрасных полос, отделяет растительное от нерастительных областей. Городское расширение последовательно уменьшает NDVI с течением времени, обеспечивая прямую метрику преобразования земельного покрова. Оптические изображения также питают контролируемые алгоритмы классификации, которые дифференцируют жилые, коммерческие, промышленные и транспортные землепользования на основе спектральных сигнатур и текстуры.
Термальные инфракрасные изображения
Термические датчики (например, полоса Landsat 10) измеряют температуру поверхности. Городские районы обычно демонстрируют более высокие температуры, чем сельская местность - эффект городского теплового острова. Мониторинг тепловых аномалий помогает оценить климатическое воздействие урбанизации, определить теплоуязвимые районы и оценить преимущества охлаждения зеленой инфраструктуры. Термические данные временных рядов могут показать, как изменения в землепользовании (например, замена парковок на парковки) усугубляют тепловой стресс.
Радар с синтетической апертурой (SAR)
Системы SAR (Sentinel-1, TerraSAR-X, ALOS PALSAR) излучают микроволновые импульсы и измеряют обратное рассеяние. В отличие от оптических систем, SAR проникает в облака и работает днем или ночью. В городских условиях SAR отличает застроенные районы (сильные, двойные отскоки от зданий) от открытой земли. Интерферометрическая SAR (InSAR) обнаруживает тонкую деформацию грунта, важную для мониторинга оседания, вызванного подземным строительством или чрезмерной добычей подземных вод в расширяющихся городах. Анализ текстуры SAR также помогает неформальному картированию поселений, где нерегулярные строительные конструкции создают характерные модели обратного рассеяния.
Ночные светильники данные
Программа создания метеорологических спутников (DMSP) и радиометрический прибор видимого инфракрасного изображения (VIIRS) на борту спутника Suomi NPP обеспечивают глобальные ночные снимки света. Ночные огни сильно коррелируют с экономической активностью, плотностью населения и темпами электрификации. Временный анализ интенсивности света показывает границы городского роста, распространение пригородных поселений и даже влияние стихийных бедствий или перебоев в подаче электроэнергии. Диапазон VIIRS Day/Night Band предлагает разрешение 500 метров, значительно улучшенное по сравнению с 2,7 км DMSP, что позволяет более точно определить границы городов.
Методологии выявления расширения городов и изменения землепользования
Техника обнаружения изменений
Доминируют два основных подхода: дифференциация изображений и сравнение после классификации. Дифференциация изображений вычитает значения пикселей из двух дат для одной и той же спектральной полосы или индекса (например, разница NDVI). Области, где разница превышает порог, помечаются как изменение. Сравнение после классификации классифицирует каждое изображение независимо, затем сравнивает тематические карты для получения матриц преобразования - например, «сельское хозяйство для наращивания» или «лес для сельского хозяйства». Гибридные методы, такие как обнаружение непрерывных изменений и классификация (CCDC), анализируют полный ряд времени Landsat с использованием гармонических моделей для захвата резких изменений (строительство) и постепенных тенденций (снижение растительности).
Случайные леса, машины вектора поддержки и глубокие сверточные нейронные сети (CNN) могут поглощать многоспектральную, многовременную и текстурную информацию, достигая точности классификации выше 90% для городского земельного покрова. CNN, обученные на изображениях VHR, могут сегментировать отдельные здания или дорожные сети, что позволяет точно количественно определять непроницаемую площадь поверхности - ключевую метрику городского роста.
Градостроительная карта
Глобальные наборы данных о масштабах городов, полученные со спутников, эволюционировали от грубых (1 км) до мелких (30 м и даже 10 м с Sentinel-2). Известные продукты включают Глобальный слой населенных пунктов (GHSL), производимый Объединенным исследовательским центром Европейской комиссии с использованием данных Landsat и Sentinel в сочетании с данными о населении. GHSL отображает населенных пунктов с разрешением 38 метров для нескольких эпох (1975, 1990, 2000, 2015). В наборе данных о мировом следе населенных пунктов (WSF) используется слияние Landsat и Sentinel-1 SAR для достижения 10-метрового разрешения, захватывая даже небольшие сельские поселения. Эти наборы данных позволяют исследователям количественно оценить глобальный рост городских районов - доклады Организации Объединенных Наций о том, что городская площадь увеличилась примерно на 1,2 миллиона квадратных километров с 2000 года.
Классификация землепользования
В то время как наземный покров (например, трава, бетон) относительно легко нанести на карту, землепользование (например, жилое, коммерческое, промышленное) требует более высокого разрешения или контекстного анализа. Многовременные подписи могут вывести использование: промышленные районы часто имеют высокие дневные тепловые выбросы и низкие ночные огни, в то время как коммерческие зоны показывают яркие ночные огни и высокую плотность транспортного средства в данных о движении. Сочетание спутниковых изображений с добровольной географической информацией (OpenStreetMap) или данные переписи позволяет получить подробные карты землепользования. Платформа Google Earth Engine облегчает обработку в глобальном масштабе, позволяя исследователям комбинировать спутниковые данные со вспомогательными слоями для контролируемой классификации городских функций.
Основные применения спутникового мониторинга городов
Отслеживание горячих точек глобального расширения городов
На Китай и Индию приходится более трети глобального расширения городов с 2000 года. Спутниковые данные свидетельствуют о неустанном росте мегаполисов, таких как Шанхай, Дели и Пекин, и о появлении городских коридоров, связывающих несколько городов. В Африке быстрая урбанизация происходит в средних городах, а не в мегаполисах — растут Лагос и Киншаса, но также растут и Кумаси, Уагадугу и Дар-эс-Салам. Спутниковые снимки помогают составлять карты неформальных поселений, которые часто не имеют официальных записей, что позволяет создавать целевую инфраструктуру и предоставлять услуги.
Оценка воздействия на окружающую среду
Расширение городов потребляет сельскохозяйственные земли и естественные среды обитания. Исследования на основе спутниковых исследований показывают, что потери пахотных земель в результате урбанизации могут сократить глобальное производство продовольствия на 1-2% к 2030 году. В Юго-Восточной Азии плантации масличных пальм и каучуковые поместья заменяются разрастанием городов. Обезлесение, обусловленное городским спросом на древесину и землю, можно обнаружить с помощью ежегодных наборов данных о потерях древесного покрова с платформы Global Forest Watch , которая использует данные Landsat. Урбанизация также фрагментирует экосистемы; спутниковые ландшафтные показатели (размер участка, плотность края) количественно определяют влияние фрагментации на биоразнообразие.
Планирование и управление инфраструктурой
Планировщики используют спутниковые карты землепользования для размещения школ, больниц и транспортных сетей. Данные о высоте на основе SAR (например, из миссии по топографии челнока) информируют о картировании риска наводнений для новых разработок. Ночные огни определяют районы, в которых отсутствует электрификация, направляя расширение сети. Изображения временнóй серии помогают отслеживать прогресс крупных инфраструктурных проектов - например, строительство новых городов-спутников в Египте или транспортных коридоров Инициативы «Пояс и путь».
Снижение риска бедствий
Быстрая экспансия городов часто толкает поселения в зоны, подверженные опасности: поймы, крутые склоны или прибрежные районы. Спутниковые данные в сочетании с картами населения показывают количество жителей, подверженных наводнениям или оползням. После стихийных бедствий, VHR-изображения оценивают повреждения зданий, в то время как SAR обнаруживает поверхностные разрывы. Служба управления чрезвычайными ситуациями Коперника предоставляет спутниковые карты в режиме реального времени во время кризисов, поддерживая операции по оказанию помощи.
Проблемы мониторинга городского и землепользования на основе спутников
Ограничения пространственного и временного разрешения
Датчики среднего разрешения (30 м) не учитывают небольшие городские особенности - узкие переулки, киоски или разбросанные сельские дома. Спутники VHR предлагают детали, но в лучшем случае пересматривают одно и то же местоположение каждые несколько дней, что затрудняет быстрое обнаружение изменений. Временное зазоры уменьшают способность фиксировать сезонные изменения в землепользовании, такие как пахотные земли и отмели, которые влияют на точность классификации.
Атмосферные помехи и пробелы в данных
Облачный покров - это бич оптического дистанционного зондирования. Тропические регионы, где урбанизация является самой быстрой, испытывают постоянную облачность, оставляя пробелы в временных рядах Landsat. В то время как SAR проникает в облака, интерпретация обратного рассеяния городских SAR сложна из-за эффектов перекрытия и тени. Слияние данных, сочетая оптический и SAR, смягчает некоторые пробелы, но создает проблемы с обработкой.
Необходимость в передовых аналитических инструментах
Обработка многопетабайтных спутниковых архивов требует значительных вычислительных ресурсов. Облачные платформы, такие как Google Earth Engine и Microsoft Planetary Computer, снизили барьеры, но навыки программирования и машинного обучения остаются дефицитными во многих агентствах планирования. Разрыв между доступностью данных и аналитическим потенциалом особенно ощутим в развивающихся странах, переживающих быструю урбанизацию.
Калибровка и валидация
Продукция глобального покрова часто не согласуется с определениями городского класса. Процент непроницаемой поверхности, считающейся «городской», варьируется между наборами данных. Валидация требует данных о достоверности земли - часто из изображений высокого разрешения или полевых исследований - что является дорогостоящим и редко всеобъемлющим. Последовательность кросс-сенсора (например, Landsat 5 против Landsat 8) должна учитывать различия спектральных диапазонов и деградацию датчиков.
Будущие направления и новые технологии
Гиперспектральная визуализация
Гиперспектральные датчики (например, EnMAP, PRISMA) захватывают сотни узких полос, что позволяет идентифицировать материал - бетон против асфальта, различные типы кровель, виды растительности. Эта возможность обещает детальное картирование городского землепользования, разделение промышленных зон на основе уникальных химических сигнатур. Гиперспектральные системы космического базирования по-прежнему ограничены в охвате, но предстоящие миссии расширят доступность.
Созвездия и Высокая временная ревизия
Малые спутниковые группировки (Planet Labs, SkySat) обеспечивают ежедневное глобальное покрытие с разрешением 3-5 метров. Планетные CubeSats захватывают изображения с почти ежедневной частотой, что необходимо для обнаружения прогресса строительства или изменений, вызванных событиями. Компромиссом является спектральная глубина - эти датчики обычно имеют четыре полосы. Тем не менее, их временное богатство позволяет обнаруживать изменения с еженедельными интервалами, дополняя более глубокие спектральные данные от Landsat или Sentinel.
Интеграция искусственного интеллекта и облачных вычислений
Модели глубокого обучения теперь достигают извлечения следов здания с точностью менее одного метра от позиционных изображений VHR. Предварительно обученные модели (например, детекторы зданий из задачи SpaceNet) ускоряют картирование. Самоконтролируемое обучение уменьшает потребность в маркированных данных обучения. В глобальном масштабе набор данных Google Open Buildings (производный от изображений VHR) обеспечивает строительные следы для более 1,8 миллиарда структур, что позволяет оценивать численность населения и анализировать морфологию городов.
Слияние с социально-экономическими данными
Следующим шагом является интеграция городских показателей, полученных с помощью спутников, с данными переписи, мобильных телефонов и социальных сетей. Сочетание ночных огней с записями деталей звонков сотового телефона показывает функциональные городские районы за пределами административных границ. Модели изменения землепользования, которые используют спутниковые временные ряды в сочетании с экономическими показателями, могут прогнозировать сценарии роста городов в рамках различных политических мероприятий.
Планетарно-масштабный мониторинг в интересах устойчивого развития
Спутниковая визуализация непосредственно поддерживает Цели устойчивого развития Организации Объединенных Наций (ЦУР), в частности ЦУР 11 (Устойчивые города и сообщества) - задачу 11.3.1 - соотношение уровня потребления земли к темпам роста населения. Регулярная спутниковая отчетность по этому показателю осуществима для всех стран. Группа по наблюдению за Землей (ГЭО) координирует инициативы по стандартизации методов городского мониторинга, обеспечивая, чтобы спутниковые данные играли подотчетную роль в отслеживании прогресса.
Последствия и выводы политики
Интеграция спутниковых данных в городское управление уже не нова, а оперативная необходимость. Города, которые инвестируют в возможности дистанционного зондирования, могут оптимизировать правила зонирования, контролировать коэффициенты зеленых насаждений, обеспечивать соблюдение правил обустройства и планировать меры по адаптации к изменению климата. На национальном уровне мониторинг землепользования с использованием спутников поддерживает пространственное планирование, сохранение сельскохозяйственных земель и снижение риска бедствий. Международные рамки, такие как Сендайская рамочная программа по снижению риска бедствий, явно требуют применения наблюдения Земли.
Однако одних лишь технологий недостаточно. Без институциональной воли, прозрачной политики в области данных и обученного персонала спутниковые снимки остаются неиспользованными или неправильно истолкованы. Политика открытых данных, такая как Landsat и Copernicus, преобразует, но коммерческие данные VHR по-прежнему ограничены стоимостью. Партнерские отношения между государственным и частным секторами, которые субсидируют доступ для развивающихся стран, могут обеспечить справедливые выгоды. По мере того, как созвездия расширяются и ИИ созревает, проблема переходит от нехватки данных к информационной перегрузке. Лучшие результаты будут получены из систем «человек в цикле», где спутниковые наблюдения сочетаются с местными знаниями и планированием с участием.
В конечном итоге спутниковые данные обеспечивают незаменимую линзу для просмотра неустанного расширения городских районов и соответствующей трансформации землепользования по всей планете. С первых изображений Landsat 1972 года до сегодняшних ежедневных потоков CubeSat пространственные, спектральные и временные возможности выросли экспоненциально. Приложения охватывают от отслеживания незаконного обезлесения до картирования неформальных поселений, слишком малых для переписи. Проблемы остаются - облачное покрытие, компромиссы в разрешении, аналитические пробелы в потенциале - но траектория ясна: спутниковый мониторинг только углубит свою роль в качестве основы для доказательной политики городского и землепользования. Грядущее десятилетие обещает интегрировать гиперспектральные датчики, ежедневные повторные посещения и глубокое обучение в бесшовную систему, которая предоставляет информацию о городских изменениях в режиме реального времени лицам, принимающим решения в каждом масштабе, от района до земного шара.