Методы дистанционного зондирования для мониторинга изменений в урбанизации и землепользовании

Введение в дистанционное зондирование для городского мониторинга

Городское разрастание и изменение землепользования являются одними из самых насущных проблем, стоящих перед современными городами. По мере роста населения и ускорения развития понимание того, как построенные среды расширяются и трансформируются, становится критически важным для устойчивого планирования. Методы дистанционного зондирования стали незаменимыми инструментами для наблюдения за этими процессами в масштабе, предлагая повторяемые, экономически эффективные и синоптические виды поверхности Земли. Анализируя данные, собранные со спутников, самолетов и беспилотников, исследователи и планировщики могут обнаруживать закономерности городского роста, классифицировать типы земельного покрова и количественно оценивать изменения с беспрецедентной точностью.

Преимущества дистанционного зондирования по сравнению с традиционными наземными обследованиями являются существенными. В то время как полевые кампании являются трудоемкими, дорогостоящими и ограниченными по пространственному охвату, дистанционное зондирование обеспечивает последовательные наблюдения от стены до стены в крупных регионах. Многовременные изображения позволяют аналитикам отслеживать тонкие сдвиги в землепользовании - от преобразования сельского хозяйства до новых жилищных разработок - которые в противном случае могли бы остаться незамеченными. В этой статье рассматриваются основные методы дистанционного зондирования, их применение в городском планировании, проблемы, с которыми сталкиваются, и перспективные будущие направления, обусловленные достижениями в области машинного обучения и облачных вычислений.

Методы дистанционного зондирования для анализа землепользования

Для изучения динамики городов используются различные методы дистанционного зондирования. Каждая техника использует различные участки электромагнитного спектра или принципы активного зондирования для извлечения информации о поверхности Земли. Наиболее широко используемые включают мультиспектральную визуализацию, LiDAR, радиолокационное зондирование и все чаще гиперспектральную визуализацию и тепловое инфракрасное зондирование.

Многоспектральная и гиперспектральная визуализация

Многоспектральная визуализация захватывает данные в нескольких дискретных спектральных диапазонах - обычно видимых (красный, зеленый, синий), ближне-инфракрасный (NIR) и коротковолновый инфракрасный (SWIR). Полоса NIR особенно ценна для различения растительности от непроницаемых поверхностей, потому что здоровые растения сильно отражаются в NIR, в то время как асфальт и бетон поглощают его. Эта спектральная подпись позволяет высокоточную классификацию категорий покрова земли, таких как лес, луга, вода, голая почва и населенных пунктов. Спутниковые миссии Landsat и Sentinel-2 являются наиболее распространенными источниками мультиспектральных данных для мониторинга землепользования, предлагая умеренное пространственное разрешение (10-30 м) и частое время повторного посещения (5-16 дней).

Гиперспектральная визуализация делает этот шаг дальше, регистрируя сотни узких смежных полос. Это обеспечивает почти непрерывную спектральную сигнатуру для каждого пикселя, что позволяет проводить мелкозернистую дискриминацию материалов, таких как различные типы крыш, условия тротуара или виды растительности. Хотя гиперспектральные данные более сложны для обработки и менее широко доступны, чем мультиспектральные, они все чаще используются в точной городской экологии и оценке инфраструктуры. Например, исследователи могут идентифицировать конкретные строительные материалы, которые поглощают или отражают тепло по-разному, помогая в исследованиях смягчения воздействия городского тепла на острова.

LiDAR (обнаружение и ранжирование света)

Лидар использует импульсные лазерные лучи для измерения расстояний и генерации подробных трехмерных точечных облаков местности, растительности и структур.В отличие от пассивных оптических датчиков, которые полагаются на солнечный свет, Лидар является активной системой, позволяющей выполнять ночные операции и проникать в частичный растительный покров.В городских приложениях Лидар неоценим для извлечения следов зданий, измерения высоты зданий, картирования уличных каньонов и оценки вертикальной городской морфологии.В сочетании с многоспектральными изображениями модели возвышения, полученные Лидаром, значительно улучшают точность классификации по поверхности земли, особенно в плотных городских средах со сложными вертикальными структурами.

Воздушно-десантные LiDAR (ALS) были стандартом для городского картирования с высоким разрешением, но космические системы, такие как GEDI (Global Ecosystem Dynamics Investigation) и ICESat-2, теперь обеспечивают глобальное покрытие. Эти спутниковые LiDAR особенно полезны для мониторинга высоты лесного полога и биомассы, но их грубый след ограничивает прямое городское применение. Тем не менее, новые спутниковые миссии и установленные на беспилотниках LiDAR делают городские данные с высоким разрешением 3D более доступными, чем когда-либо.

Радарное зондирование — SAR и InSAR

Радар с синтетической апертурой (SAR) - это активная микроволновая система, которая излучает импульсы и регистрирует обратно рассеянный сигнал. Его способность проникать в облака, дым и работать день или ночь делает SAR надежным инструментом для постоянного мониторинга, особенно в тропических или высокоширотных регионах, где оптические датчики часто выходят из строя. Применение SAR в городских исследованиях включает картирование нарастания, обнаружение изменений в строительном фонде и измерение деформации земли, вызванной строительством или оседанием с использованием интерферометрического SAR (InSAR).

Данные SAR из таких миссий, как Sentinel-1, RADARSAT и TerraSAR-X, позволяют планировщикам наблюдать за расширением городов даже под постоянным облачным покровом. Многовременные анализы SAR могут обнаруживать новые здания, дорожное строительство и даже неформальные поселения (трущобы) на основе характерных признаков обратного рассеяния. InSAR, измеряя смещения поверхности в миллиметровом масштабе, имеет решающее значение для мониторинга стабильности инфраструктуры - например, оценка оседания земли в быстро урбанизирующихся районах, таких как Джакарта или Мехико, где добыча подземных вод вызывает постепенное погружение.

Термальное инфракрасное дистанционное зондирование

Тепловизионные инфракрасные датчики измеряют испускаемое длинноволновое излучение, выявляя температурные модели поверхности. В городских условиях эти данные используются для количественной оценки эффекта городского теплового острова - явления, когда застроенные районы значительно теплее, чем окружающие сельские земли. Анализируя тепловые изображения от датчиков, таких как TIRS Landsat или ECOSTRESS на Международной космической станции, исследователи могут идентифицировать горячие точки, такие как темные крыши, парковки и промышленные зоны, а затем нацеливать меры по смягчению последствий, такие как зеленые крыши или отражающие тротуары. Временные тепловые данные также помогают моделировать потребление энергии и оценивать тепловой комфорт человека в городах.

Беспилотные летательные аппараты (БПЛА) – дроны

Дроны, оснащенные камерами высокого разрешения, мультиспектральными, лидарными или тепловыми датчиками, обеспечивают сверхвысокое пространственное разрешение (на уровне сантиметра) для локализованных городских исследований. Они особенно полезны для мониторинга строительных площадок, картографирования неформальных поселений или обновления кадастровых данных в быстро меняющихся районах. В то время как беспилотные летательные аппараты предлагают гибкость и низкую эксплуатационные расходы для небольших районов, их ограниченное время полета и нормативные ограничения делают их взаимодополняющими, а не заменой спутниковому и воздушному дистанционному зондированию.

Применение дистанционного зондирования в городском планировании и управлении землепользованием

Практическое применение дистанционного зондирования для мониторинга разрастания городов и изменений в землепользовании огромно. Ниже мы подробно расскажем о некоторых из наиболее эффективных вариантов использования.

Количественная оценка городского разрастания и моделей роста

Сравнивая спутниковые снимки разных периодов времени - часто с использованием алгоритмов обнаружения изменений или спектральных индексов, таких как индекс нормализованной разницы в застройке (NDBI) - планировщики могут измерять скорость и направление расширения городов. Эта информация имеет решающее значение для обновления карт зонирования, прогнозирования будущих потребностей в инфраструктуре и выявления областей, подверженных риску развития скачка. Например, данные многовременного Landsat широко использовались для диаграммы быстрой урбанизации таких городов, как Пекин, Дели и Лагос, расползание, раскрывая, как сельскохозяйственные земли и водно-болотные угодья потребляются разрастанием. Такие анализы информируют политические решения о зеленых поясах, транзитных коридорах и границах городского роста.

Обнаружение изменений в землепользовании и наземном покрытии

Дистанционное зондирование позволяет точно классифицировать переходы землепользования - от леса к сельскохозяйственной земле, от сельскохозяйственных угодий к пригородам или пригородам к коммерческим зонам высокой плотности. Надзорные и неконтролируемые методы классификации, применяемые к многовременным изображениям, создают карты растительного покрова, которые можно сравнивать год за годом. Матрики изменений количественно определяют площадь каждого перехода, позволяя планировщикам оценивать экологические последствия, такие как потеря поглотителей углерода, фрагментация мест обитания диких животных или увеличение стока ливневых вод. Например, программа Landsat Геологической службы США предлагает бесплатные, многолетние архивы, которые обеспечивают такой анализ во всем мире.

Расширение городов часто посягает на ценные экосистемы. Дистанционное зондирование помогает оценить влияние развития на растительность, водно-болотные угодья и коридоры дикой природы. Индексы растительности, такие как Нормализованный индекс разностной растительности (NDVI), полученные из многоспектральных данных, количественно определяют изменения в вегетативном покрове. Также возможны спутниковые оценки эффекта городского теплового острова, показатели качества воздуха и показатели качества воды. Такие инструменты, как программа Европейского космического агентства Copernicus, обеспечивают свободный доступ к данным Sentinel, которые поддерживают такой мониторинг окружающей среды.

Изображения с грубым разрешением (≥30 м) от Landsat и Sentinel находятся в свободном доступе, но для детального картирования городов, такого как различение отдельных зданий или дорог, часто требуются данные с очень высоким разрешением (VHR) (≤1 м). Коммерческие спутники VHR, такие как WorldView-3, Pleiades и GeoEye, взимают плату за квадратный километр, что делает всеобъемлющее покрытие города дорогим. Однако распространение небольших спутниковых созвездий и открытых изображений VHR от некоторых национальных агентств (например, Национальная сельскохозяйственная программа изображений США) постепенно улучшает доступ. Такие организации, как Максар , предоставляют некоторые открытые данные для гуманитарных целей.

Точность и валидация

Классификация дистанционного зондирования не является точной на 100%. Ошибки могут возникать из-за спектральной путаницы (например, голая почва, ошибочно классифицированная как настроенная), смешанных пикселей в гетерогенных ландшафтах и атмосферных помех. Данные о наземной истине - полевые обследования, точки GPS или высококачественные аэрофотоснимки - необходимы для обучения классификаторов и проверки результатов. Получение их трудоемко и может быть непрактичным в зонах конфликтов или недоступных трущобах. Кроме того, временная частота повторных посещений спутников может пропустить быстрые, небольшие изменения (например, очистка земли в течение нескольких дней).

Специализированные требования к экспертизе

Эффективное использование дистанционного зондирования требует навыков обработки изображений, ГИС, статистики и часто знаний, относящихся к конкретной области. Многие департаменты городского планирования не имеют собственных специалистов по дистанционному зондированию, что приводит к недоиспользованию имеющихся данных. Программы создания потенциала и удобные аналитические платформы помогают закрыть этот пробел, но остается крутая кривая обучения.

Пространственное и временное разрешение торговых операций

Ни один датчик не превосходит во всех измерениях. Высокое пространственное разрешение обычно достигается за счет узкой ширины полосы и более длительного времени повторного посещения. Сенсоры с грубым разрешением часто покрывают большие площади, но упускают мелкие детали. Планировщики должны тщательно выбирать датчик, который наилучшим образом уравновешивает пространственные, временные и спектральные требования для их конкретного применения. Слияние данных - объединение нескольких датчиков - является активной областью исследований, которая направлена на смягчение этих компромиссов.

Будущие направления и новые тенденции

Будущее дистанционного зондирования для городского мониторинга является ярким, обусловленным технологическими достижениями и инновационными аналитическими методами.

Машинное обучение и глубокое обучение

Свёрточные нейронные сети (СНС) и другие архитектуры глубокого обучения произвели революцию в классификации изображений и обнаружении объектов. Современные модели могут автоматически отображать следы зданий, дорожные сети и категории землепользования с точностью, приближающейся к интерпретации на человеческом уровне. Трансферное обучение позволяет предварительно обученным моделям быть точно настроенными для региональных городских морфологий, уменьшая потребность в массивных маркированных наборах данных. Поскольку вычислительные затраты продолжают падать, глубокое обучение станет стандартом в операционных городских системах мониторинга.

Облачные геопространственные платформы

Такие платформы, как Google Earth Engine (GEE), Microsoft Planetary Computer и Amazon SageMaker Geospatial, демократизировали доступ к спутниковым данным и инструментам обработки. Пользователи могут выполнять крупномасштабный анализ без загрузки данных локально. API GEE JavaScript и Python позволяют быстро прототипировать алгоритмы обнаружения изменений, а его архив из более чем 40 петабайт изображений (включая Landsat, Sentinel, MODIS и другие) устраняет бремя управления данными. Эти платформы уже используются исследователями и НПО для исследований городского землепользования по всему миру.

Малые спутниковые созвездия и мониторинг в реальном времени

Рост CubeSats и небольших спутниковых группировок - таких как флот Planet Labs Dove (сотни 3U CubeSats) - теперь обеспечивает ежедневные изображения с разрешением 3-5 м во всем мире. Эта возможность в режиме реального времени преобразует мониторинг быстро меняющихся городских условий, таких как строительные бумы или последствия стихийных бедствий. В сочетании с автоматизированными алгоритмами обнаружения изменений планировщики могут получать оповещения в течение нескольких часов после изменения наземного покрова. Задача заключается в управлении обширными потоковыми данными и обеспечении согласованного качества через гетерогенные датчики.

Интеграция с географическими информационными системами (ГИС) и цифровыми двойниками

Данные дистанционного зондирования все чаще интегрируются в муниципальные базы данных ГИС и городские цифровые двойники - динамические 3D-репликации городов, которые имитируют сценарии. Изображения LiDAR и VHR вливаются в этих близнецов, позволяя планировщикам моделировать влияние предлагаемых разработок на трафик, затенение, использование энергии и риск наводнений. Инициатива Европейской комиссии DestinE и виртуальный Сингапур Сингапура являются ведущими примерами. Такая интеграция позволяет принимать решения на основе фактических данных, в разных секторах.

Достижения в гиперспектральном и тепловом зондировании из космоса

Новые спутниковые миссии расширяют доступность гиперспектральных и тепловых данных. EMIT НАСА (Исследование источника минеральной пыли на поверхности Земли) и предстоящая миссия ESA CHIME (Copernicus Hyperspectral Imaging Mission for the Environment) предоставят доступные гиперспектральные изображения для картирования городских материалов. Аналогичным образом, миссия ECOSTRESS и запланированный ESA LSTM (Наблюдение температуры поверхности Земли) предоставят тепловые данные высокого разрешения для городских исследований тепла. Эти датчики позволят проводить более тонкие городские анализы, такие как количественная оценка энергоэффективности зданий или картирование пластиковых отходов.

Наука и краудсорсинговая валидация

Для преодоления проблем валидации земли некоторые проекты используют гражданскую науку. Платформы, такие как Zooniverse, позволяют добровольцам классифицировать спутниковые изображения городских районов - идентифицируя здания, дороги или типы землепользования. В сочетании с официальными данными краудсорсинговые метки улучшают наборы данных для обучения моделей машинного обучения. Сообщество OpenStreetMap также играет жизненно важную роль, оцифровывая городские функции со спутниковых изображений, создавая бесплатные, современные карты, используемые для планирования и реагирования на стихийные бедствия.

Заключение

Методы дистанционного зондирования коренным образом изменили то, как мы отслеживаем изменения в урбанизации и землепользовании. От мультиспектральных и LiDAR до радаров и тепловых датчиков, множество доступных инструментов предоставляет планировщикам и исследователям богатые, многомерные данные об эволюционирующей городской ткани. Приложения в количественной оценке разрастания, обнаружении переходов наземного покрова, оценке воздействия на окружающую среду, планировании инфраструктуры и управлении стихийными бедствиями демонстрируют универсальность и ценность технологии.

Тем не менее, проблемы сохраняются - объем данных, сложность обработки, затраты с высоким разрешением, проверка точности и нехватка опыта. Сближение облачных вычислений, машинного обучения, малых спутниковых созвездий и политики открытых данных быстро устраняет эти барьеры. По мере развития этих технологий дистанционное зондирование станет еще более неотъемлемой частью создания устойчивых, устойчивых и справедливых городов.

Для тех, кто работает в области городского планирования, географии, науки об окружающей среде или государственной политики, освоение основ дистанционного зондирования больше не является обязательным - это важно. Возможность видеть город сверху и измерять его трансформацию с течением времени дает нам знания, необходимые для мудрого управления ростом и сохранения естественных систем, которые лежат в основе городской жизни. Будущее городского мониторинга - это не только лучшие датчики, но и более интеллектуальные, более интегрированные системы, которые превращают петабайт изображений в действенные идеи для лиц, принимающих решения.