Analiza zmian powierzchni nieprzepuszczalnych w badaniu suburbanizacji na przykładzie Poznania

• Autorzy: Wojciech Łachowski

Warianty tytułu

Analysis of Impervious Surface Changes in Suburbanization Research. The case Study of Poznań

• Języki publikacji: PL

Abstrakty

Tereny nieprzepuszczalne to miejsca powstałe głównie w wyniku działalności człowieka, w które nie może infiltrować woda. Do materiałów nieprzepuszczalnych zalicza się m.in. asfalt czy beton, czyli podstawowy budulec miast. W zależności od udziału terenów nieprzepuszczalnych zdefiniować można klasy gęstości tkanki miejskiej. Przykładowo, wartość wskaźnika w przedziale 10-30% świadczy o niskiej gęstości i jest charakterystyczna dla zabudowy jednorodzinnej rozproszonej. Zastosowanie metody analizy zmian tego wskaźnika może być pomocne w określeniu zasięgu suburbanizacji. Aby ocenić przydatność wspomnianej metody, przenalizowałem zmiany w udziale powierzchni nieprzepuszczalnych dla strefy demograficznej suburbanizacji Poznania w latach 1992-2018. W tym celu wykorzystałem otwarte dane satelitarne Landsat. Pobrane zdjęcia poddałem klasyfikacji pikselowej pozwalającej na stworzenie mapy obszarów przepuszczalnych i nieprzepuszczalnych. W pierwszym kroku wyłączyłem z analizy obszary wodne, roślinność oraz większość gleb, używając metody progowania wskaźników spektralnych NDVI (pokazujących kondycję roślinności), NDWI (pozwalających na detekcję obiektów wodnych) oraz DBSI (pozwalających na odróżnienie gleb od powierzchni nieprzepuszczalnych). Pozostałe obszary poddałem klasyfikacji z wykorzystaniem algorytmu maszyny wektorów nośnych (SVM). Wyniki zostały zagregowane do siatki 25 ha heksagonów. Porównanie rezultatów dla dwóch okresów pozwoliło na wskazanie, w których miejscach poziom zainwestowania rósł najszybciej. W tych obszarach występowała suburbanizacja. Dla Poznania powierzchnie nieprzepuszczalne przyrastały najintensywniej na obszarze znajdującym się za jego zachodnią granicą. Przedstawiona metoda okazała się przydatna w określeniu zasięgu występowania procesów suburbanizacyjnych. Wskaźnik nieprzepuszczalności nie może być jednak stosowany jako samodzielny wskaźnik rozlewania się miast, gdyż pokazuje tylko jeden z wymiarów tego zjawiska(abstrakt oryginalny)

EN

Impervious surfaces are structures created mainly as a result of human activity, made of water-resistant materials such as asphalt or concrete which is one of the most frequently used building materials for cities. Depending on the share of impermeable areas, urban fabric density classes can be determined. For example, the indicator value in the range of 10-30 percent indicates low density and is characteristic of single-family, dispersed housing. Applying the change analysis method can help determine the extent of suburbanization. To assess the usefulness of this method, I analyzed the changes in the share of impervious surfaces in the demographic suburbanization zone of Poznań, in the years 1992-2018. To this end, Landsat's open satellite data was used. The downloaded imageries were subjected to pixel-based classification, allowing a map of pervious and impervious areas to be created. In the first step, water areas, vegetation, and most of the soils were excluded from the analysis using the NDVI spectral indexing method (measuring the state of plant health), NDWI (allowing detection of water bodies), and DBSI (allowing differentiation of soil from impervious surfaces). The remaining areas were classified using the Support Vector Machines algorithm (SVMs). The results were aggregated into a grid of 25 ha hexagons. The comparison of the results for two periods of time allowed to indicate in which places the level of investment grew the fastest - there was suburbanization in these areas. In the case of Poznań, the increase in impervious surfaces was the most intense in the area beyond its western border. The presented method is very helpful in determining the extent of the occurrence of suburbanization processes. The impervious surface index cannot, however, be used as an independent indicator of urban sprawl because it only shows one dimension of this phenomenon.(original abstract)

Słowa kluczowe

PL

Suburbanizacja

EN

Suburbanization

• Czasopismo: Problemy Rozwoju Miast
• Rocznik: 2020
• Tom: 66
• Strony: 45--58

Twórcy

autor

Wojciech Łachowski

• Instytut Rozwoju Miast i Regionów

Bibliografia

• Arnold C.L., Gibbons C.J., 1996, Impervious surface coverage : The emergence of a key environmental indicator, Journal of the American Planning Association, 62(2), 243-258.
• Ban Y., 2016, Multitemporal Remote Sensing: methods and applications, Springer. DOI: https://doi.org/10.1007/978-3-319-47037-5.
• Batisani N., Yarnal B., 2009, Urban expansion in Centre County, Pennsylvania: Spatial dynamics and landscape transformations, Applied Geography, 29(2), 235-249. DOI: https://doi.org/10.1016/j.apgeog.2008.08.007
• Beim M., 2009, Modelowanie procesu suburbanizacji w aglomeracji poznańskiej, Bogucki Wydawnictwo Naukowe, Poznań.
• Bhatta B., 2010, Analysis of urban growth and sprawl from remote sensing data, Springer. DOI: https://doi.org/10.1007/978-3-642-05299-6.
• Burgess E.W., 1967, The growth of the city: An introduction to a research project, [w:] R.E. Park, E.W. Burgess (red.), The city, University of Chicago Press, Chicago, 47-62. DOI: https://doi.org/10.1007/978-0-387-73412-5_5
• CEMAT, 2007, European Conference of Ministers responsible for Regional / Spatial Planning (CEMAT), Strasburg.
• Ciok S., 2014, Budownictwo mieszkaniowe w strefie podmiejskiej Wrocławia, Space - Society - Economy, 13, 127-147.
• Degórska B., 2007, Spontaniczny rozwój zabudowy mieszkaniowej na obszarze metropolitalnym Warszawy jako przykład istotnego problemu planowania przestrzennego, [w:] S. Kozłowski, P. Legutko-Kobus (red.), Planowanie przestrzenne - szanse i zagrożenia środowiskowe, KUL, Lublin, 292-311.
• European Comission, 20016, Mapping Guide for a European Urban Atlas, European Commision. Dostępne na: https://land.copernicus.eu/user-corner/technical-library/urban-atlas-mapping-guide [data dostępu: 01.06.2020].
• Flynn M.S., 2006, Suburban Typologies Historical Examples and Alternatives, Library and Archives Canada.
• Friedl M.A., Davis F.W., Michaelsen J., Moritz M.A., 1995, Scaling and uncertainty in the relationship between the NDVI and land surface biophysical variables: An analysis using a scene simulation model and data from FIFE, Remote Sensing of Environment, 54(3), 233-246. DOI: https://doi.org/10.1016/0034-4257(95)00156-5
• Gao B.C., 1996, NDWI - A normalized difference water index for remote sensing of vegetation liquid water from space, Remote Sensing of Environment, 58(3), 257-266. DOI: https://doi.org/10.1016/S0034-4257(96)00067-3
• Guest A.M., 1984, The city, [w:] M. Micklin, H.M. Choldin (red.), Sociological human ecology, Routledge, Nowy Jork, 277-322.
• Hardin P.J., Jackson M.W., Otterstrom S.M., 2007, Mapping, measuring, and modeling Urban growth, [w:] R.R. Jensen, J.D. Gatrell, D. McLean (red.), Geo-Spatial Technologies in Urban Environments (Second Edition): Policy, Practice, and Pixels, Springer Berlin Heidelberg, 141-176. DOI: https://doi.org/10.1007/978-3-540-69417-5_8.
• Idczak P., Mrozik K., 2016, Peryurbanizacja w Poznańskim Obszarze Metropolitalnym, Studia i Prace WNEiZ, 46 (February 2017), 243-254. DOI: https://doi.org/10.18276/sip.2016.46/2-21.
• Jabkowska A., 2007, Wielorodzinne budownictwo mieszkaniowe w Poznaniu po 1989 roku, Instytut Geografii Społeczno-Ekonomicznej i Gospodarki Przestrzennej UAM Poznań.
• Jancz A., 2016, Suburbanizacja a sytuacja mieszkaniowa w aglomeracji poznańskiej, Świat Nieruchomości, 95, 53-60.
• Jat M.K., Garg P.K., Khare D., 2008, Monitoring and modelling of urban sprawl using remote sensing and GIS techniques, International Journal of Applied Earth Observation and Geoinformation, 10(1), 26-43. DOI: https://doi.org/10.1016/j.jag.2007.04.002.
• Jensen J.R., Hodgson M.E., Tullis J.A., Raber G.T., 2005, Remote sensing of impervious surfaces and building infrastructure, [w:] R.R. Jensen, J.D. Gatrell, D. McLean (red.), Geo-Spatial Technologies in Urban Environments, Springer Berlin Heidelberg, 5-21. DOI: https://doi.org/10.1007/3-540-26676-3_2.
• Kaczmarek T., Mikuła Ł., 2016, Koncepcja Kierunków Rozwoju Przestrzennego Metropolii Poznań, CBM, Poznań.
• Kranjčić N., Medak D., Župan R., Rezo M., 2019, Support Vector Machine Accuracy Assessment for Extracting Green Urban Areas in Towns, Remote Sensing. DOI: https://doi.org/10.3390/rs11060655.
• Liang C., Penghui J., Wei C., Manchun L., Liyan W., Yuan G., Yuzhe P., Nan X., Yuewei D., Qiuhao H., 2015, Farmland protection policies and rapid urbanization in China: A case study for Changzhou City, Land Use Policy, 48, 552-566. DOI: https://doi.org/10.1016/j.landusepol.2015.06.014.
• Lisowski M., Grochowski A., 2008, Procesy suburbanizacji. Uwarunkowania, formy i konsekwencje, [w:] K. Saganowski, M. Zagrzejewska-Fiedorowicz, P. Żuber (red.), Ekspertyzy do Koncepcji Zagospodarowania Przestrzennego Kraju, Ministerstwo Rozwoju Regionalnego, Warszawa.
• Longley P.A., Mesev V., 2000, Measuring Urban Morphology Using Remotely-Sensed Imagery, [w:] J.-P. Donnay, M.J. Barnsley, P.A. Longley (red.), Remote Sensing and Urban Analysis: GISDATA 9, Taylor & Francis, London, 163-190.
• Maik W., 1997, Podstawy geografii miast, UMK, Toruń. Dostępne na: https://fbc.pionier.net.pl/details/nnz1fWS [data dostępu: 01.06.2020].
• Masek J.G., Lindsay F.E., Goward S.N., 2000, Dynamics of urban growth in the Washington DC metropolitan area, 1973-1996, from Landsat observations, International Journal of Remote Sensing, 21 (18), 3473-3486. DOI: https://doi.org/10.1080/0143116007500 37507.
• Masik G., 2018, Suburbanizacja demograficzna i przestrzenna na Obszarze Metropolitalnym Gdańsk-Gdynia-Sopot, Studia Obszarów Wiejskich, 50 (January 2018), 155-170. DOI: https://doi.org/10.7163/sow.50.9
• McGarigal K., 2008, Fragstat - Spatial Pattern Analysis Program for Quantifying Landscape Structure, 97331. DOI: https://doi.org/DOI: 10.1016/B978-008045405-4.00218-4.
• Mikuła Ł., 2016, Rozwój funkcji mieszkaniowej w aglomeracji poznańskiej w świetle polityki przestrzennej samorządów lokalnych, UAM, Poznań, 91-112.
• Ministerstwo Rozwoju Regionalnego, 2013, Kryteria delimitacji miejskich obszarów funkcjonalnych ośrodków wojewódzkich, Ministerstwo Rozwoju Regionalnego, Warszawa.
• Mitra P., Uma Shankar B., Pal S.K., 2004, Segmentation of multispectral remote sensing images using active support vector machines, Pattern Recognition Letters, 25(9), 1067-1074. DOI: https://doi.org/10.1016/j.patrec.2004.03.004.
• Nalej M., 2019, Problem zmiennych jednostek odniesienia (MAUP) w badaniach pokrycia terenu. Przykład Łódzkiego Obszaru Metropolitalnego, Uniwersytet Łódzki, Łódź.
• Radeloff V.C., Hammer R.B., Stewart S.I., 2005, Rural and suburban sprawl in the U.S. Midwest from 1940 to 2000 and its relation to forest fragmentation, Conservation Biology, 19(3), 793-805. DOI: https://doi.org/10.1111/j.1523-1739.2005.00387.x.
• Rasul A., Balzter H., Ibrahim G.R.F., Hameed H.M., Wheeler J., Adamu B., Ibrahim S., Najmaddin P.M., 2018, Applying built-up and bare-soil indices from Landsat 8 to cities in dry climates, Land, 7(3). DOI: https://doi.org/10.3390/land7030081.
• Sarkar Chaudhuri A., Singh P., Rai S.C., 2017, Assessment of impervious surface growth in urban environment through remote sensing estimates, Environmental Earth Sciences, 76(15). DOI: https://doi.org/10.1007/s12665-017-6877-1.
• Śleszyński P., 2013, Delimitacja miejskich obszarów funkcjonalnych stolic województw, Przeglad Geograficzny, 85(2), 173-197. DOI: https://doi.org/10.7163/PrzG.2013.2.2.
• Śleszyński P., 2018, Migracje wewnętrzne, [w:] A. Potrykowska (red.), Sytuacja demograficzna Polski. Ra-port 2017-2018, Rządowa Rada Ludnościowa, Warszawa, 154-195.
• Śleszyński P., Deręgowska A., Kubiak Ł., Sudra P., Zielińska B., 2017, Analiza stanu i uwarunkowań prac planistycznych w gminach w 2017 roku, Instytut Geografii i Przestrzennego Zagospodarowania Polskiej Akademii Nauk, Warszawa.
• Sun Z., Wang C., Guo H., Shang R., 2017, A modified normalized difference impervious surface index (MNDISI) for automatic urban mapping from landsat imagery, Remote Sensing, 9(9), 1-18. DOI: https://doi.org/10.3390/rs9090942.
• Tian Y., 2020, Mapping Suburbs Based on Spatial Interactions and Effect Analysis on Ecological Landscape Change: A Case Study of Jiangsu Province from 1998 to 2018, Eastern China, Land, 9(5), 159. DOI: https://doi.org/10.3390/land9050159.
• Torbick N., Corbiere M., 2015, Mapping urban sprawl and impervious surfaces in the northeast United States for the past four decades, GIScience and Remote Sensing, 52(6), 746-764. DOI: https://doi.org/10.1080/15481603.2015.1076561.
• Wang Z., Gang C., Li X., Chen Y., Li J., 2015, Application of a normalized difference impervious index (NDII) to extract urban impervious surface features based on Landsat TM images, International Journal of Remote Sensing, 36(4), 1055-1069. DOI: https://doi.org/10.1080/01431161.2015.1007250
• Weng Q., 2015, Remote Sensing Applications for the Urban Environment, Taylor & Francis, London. DOI: https://doi.org/10.1201/b18555.
• Xu H., 2010, Analysis of impervious surface and its impact on Urban heat environment using the normalized difference impervious surface index (NDISI), Photogrammetric Engineering and Remote Sensing, 76(5), 557-565. DOI: https://doi.org/10.14358/PERS.76.5.557.
• Yang R., Jargowsky P.A., 2006, Suburban Development and Economic Segregation in the 1990S, Journal of Urban Affairs, 28(3), 253-273. DOI: https://doi.org/10.1111/j.1467-9906.2006.00291.x.
• Yu S.S., Sun Z., Sun L., Wu M.F., 2016, Extraction and Analysis of Mega Cities' Impervious Surface on Pixel-based and Object-oriented Support Vector Machine Classification Technology: A case of Bombay, Journal of Physics: Conference Series, 755(1), 1-9. DOI: https://doi.org/10.1088/1742-6596/755/1/011001.
• Zborowski A., 2004, Podejście funkcjonalno-strukturalne w badaniach delimitacji obszarów metropolitalnych w Polsce (przykład Krakowa), [w:] J. Słodczyk (red.), Przemiany struktury przestrzennej miast w sferze funkcjonalnej i społecznej, Uniwersytet Opolski, Opole, 25-39.

Identyfikatory

DOI

10.2478/udi-2020-0010