Мониторинг использования земель: ЗК РФ Статья 67. Государственный мониторинг земель / КонсультантПлюс

ЗК РФ Статья 67. Государственный мониторинг земель / КонсультантПлюс

ЗК РФ Статья 67. Государственный мониторинг земель

(в ред. Федерального закона от 21.07.2014 N 234-ФЗ)

1. Государственный мониторинг земель является частью государственного экологического мониторинга (государственного мониторинга окружающей среды) и представляет собой систему наблюдений, оценки и прогнозирования, направленных на получение достоверной информации о состоянии земель, об их количественных и качественных характеристиках, их использовании и о состоянии плодородия почв. Объектами государственного мониторинга земель являются все земли в Российской Федерации.

2. Задачами государственного мониторинга земель являются:

1) своевременное выявление изменений состояния земель, оценка и прогнозирование этих изменений, выработка предложений о предотвращении негативного воздействия на земли, об устранении последствий такого воздействия;

2) обеспечение органов государственной власти информацией о состоянии окружающей среды в части состояния земель в целях реализации полномочий данных органов в области земельных отношений, включая реализацию полномочий по государственному земельному надзору;

(в ред. Федерального закона от 11.06.2021 N 170-ФЗ)

3) обеспечение органов местного самоуправления информацией о состоянии окружающей среды в части состояния земель в целях реализации полномочий данных органов в области земельных отношений, в том числе по муниципальному земельному контролю;

4) обеспечение юридических лиц, индивидуальных предпринимателей, граждан информацией о состоянии окружающей среды в части состояния земель.

3. В зависимости от целей наблюдения государственный мониторинг земель подразделяется на мониторинг использования земель и мониторинг состояния земель.

В рамках мониторинга использования земель осуществляется наблюдение за использованием земель и земельных участков в соответствии с их целевым назначением.

В рамках мониторинга состояния земель осуществляются наблюдение за изменением количественных и качественных характеристик земель, в том числе с учетом данных результатов наблюдений за состоянием почв, их загрязнением, захламлением, деградацией, нарушением земель, оценка и прогнозирование изменений состояния земель.

КонсультантПлюс: примечание.

С 01.03.2022 в абз. 4 п. 3 ст. 67 вносятся изменения (ФЗ от 30.12.2021 N 475-ФЗ). См. будущую редакцию.

Осуществление государственного мониторинга земель в отношении земель сельскохозяйственного назначения и земель иных категорий, используемых или предоставленных для нужд сельского хозяйства, регулируется Федеральным законом от 16 июля 1998 года N 101-ФЗ «О государственном регулировании обеспечения плодородия земель сельскохозяйственного назначения».

4. Результаты государственного мониторинга земель систематизируются и хранятся в государственном фонде данных государственного экологического мониторинга (государственного мониторинга окружающей среды). Информация о результатах государственного мониторинга земель является общедоступной.

5. Порядок осуществления государственного мониторинга земель устанавливается уполномоченным Правительством Российской Федерации федеральным органом исполнительной власти.

Открыть полный текст документа

О результатах государственного мониторинга земель

В соответствии с Порядком осуществления государственного мониторинга земель, за исключением земель сельскохозяйственного назначения, утвержденного приказом Министерства экономического развития Российской Федерации от 26 декабря 2014 года№ 852 Федеральная служба государственной регистрации, кадастра и картографии (далее – Росреестр) осуществляет государственный мониторинг земель в Российской Федерации, за исключением земель сельскохозяйственного назначения.

 

На территории Свердловской области государственный мониторинг земель (за исключением земель сельскохозяйственного назначения) осуществляет Управление Росреестра по Свердловской области. Государственный мониторинг земель является частью государственного экологического мониторинга (государственного мониторинга окружающей среды) и представляет собой систему наблюдений, оценки и прогнозирования, направленных на получение достоверной информации о состоянии земель, об их количественных и качественных характеристиках, их использовании и о состоянии плодородия почв. Объектами государственного мониторинга земель являются все земли в Российской Федерации.

Источником необходимых сведений при выполнении работ по государственному мониторингу земель служат землеустроительная, градостроительная, лесоустроительная документации, утвержденные в установленном порядке, а также решения и акты органов государственной власти и органов местного самоуправления по распоряжению земельными участками.

В зависимости от целей наблюдения государственный мониторинг земель подразделяется на мониторинг использования земель и мониторинг состояния земель. В рамках мониторинга использования земель осуществляется наблюдение за использованием земель и земельных участков в соответствии с их целевым назначением. В рамках мониторинга состояния земель осуществляются наблюдение за изменением количественных и качественных характеристик земель, в том числе с учетом данных результатов наблюдений за состоянием почв, их загрязнением, захламлением, деградацией, нарушением земель, оценка и прогнозирование изменений состояния земель.

В ходе выполнения работ по мониторингу земель ежегодно осуществляется сбор информации о показателях состояния и использования земель на территориях муниципальных образований, с дальнейшим обобщением на уровне области. 

Стоит отметить некоторые показатели мониторинга:
Общая площадь земель Свердловской области по состоянию на 1 января 2019 г. составила 19430,7 тыс. га, из них:

• земли сельскохозяйственного назначения – 4077,4 тыс. га;
• земли населенных пунктов – 744,1 тыс. га;
• земли промышленности, энергетики, транспорта, связи радиовещания, телевидения, информатики, земли для обеспечения космической деятельности, земли обороны, безопасности и земли иного специального назначения – 450,9 тыс. га;
• земли особо охраняемых территорий и объектов – 116,7 тыс. га;
• земли лесного фонда – 13633,9 тыс. га;
• земли водного фонда – 92,5 тыс. га;
• земли запаса – 315,2 тыс. га.

В Свердловской области наиболее характерными негативными процессами являются переувлажнение и заболачивание земель, которым подвержены 880,8 тыс. га (4,6% общей площади Свердловской области). От водной эрозии страдают 85,8 тыс. га (4,4%) сельскохозяйственных угодий, заросло кустарником и мелколесьем 180,9 тыс. га (18,6%) кормовых угодий. 2,8% земель территории области (548,9 тыс. га) нарушено,  2,5% (409,3 тыс. га) – подвержено загрязнению и захламлению.

Результаты осуществления государственного мониторинга земель отражаются в ежегодной краткой информационно-аналитической записке о состоянии земель Свердловской области и ежегодном региональном докладе о состоянии и использовании земель Свердловской области.

Данная информация размещена на сайте Росреестра: Росреестр – Свердловская область –  Землеустройство и мониторинг земель. 
 

Севреестр

Государственный мониторинг земель и землеустройство

Государственный мониторинг земель является частью государственного экологического мониторинга (государственного мониторинга окружающей среды) и представляет собой систему наблюдений за состоянием земель (статья 67 Земельного кодекса Российской Федерации) и осуществляется в соответствии с Положением об осуществлении государственного мониторинга земель, утвержденным Постановлением Правительства Российской Федерации от 28.11.2002 № 846 «Об утверждении положения об осуществлении государственного мониторинга земель».

С 1 апреля 2015 г. вступает в силу приказ Минэкономразвития Российской Федерации от 26.12.2014 № 852 «Об утверждении порядка осуществления государственного мониторинга земель, за исключением земель сельскохозяйственного назначения».

Объектами государственного мониторинга земель являются все земли в Российской Федерации независимо от форм собственности, целевого назначения и характера использования.

Задачами государственного мониторинга земель являются:

• своевременное выявление изменений состояния земель, оценка этих изменений, прогноз и выработка рекомендаций о предупреждении и об устранении последствий негативных процессов;
• информационное обеспечение государственного земельного надзора, иных функций государственного и муниципального управления земельными ресурсами, а также землеустройства;
• обеспечение граждан информацией о состоянии окружающей среды в части состояния земель.

В зависимости от целей наблюдения и наблюдаемой территории государственный мониторинг земель может быть федеральным, региональным и локальным.

Мониторинг земель включает в себя: сбор информации о состоянии земель в Российской Федерации, ее обработку и хранение; непрерывное наблюдение за использованием земель исходя из их целевого назначения и разрешенного использования; анализ и оценку качественного состояния земель с учетом воздействия природных и антропогенных факторов.

Государственный мониторинг земель осуществляется в соответствии с федеральными, региональными и местными программами. Порядок осуществления государственного мониторинга земель устанавливается уполномоченным Правительством Российской Федерации федеральным органом исполнительной власти.

Продукция, полученная в ходе проведения мониторинга земель, содержащая данные о состоянии и использовании земель и результаты оценки состояния земель передаются на хранение в государственный фонд данных, полученных в результате проведения землеустройства.

Результаты мониторинга земель, содержащиеся в документах государственного фонда данных, полученных в результате проведения землеустройства, представляются заинтересованным лицам в порядке, установленном Административным регламентом по предоставлению государственной услуги «Ведение государственного фонда данных, полученных в результате проведения землеустройства», утвержденным приказом Минэкономразвития России от 14.

11.2006 № 376.

Сведения о распределении земельного фонда города Севастополя по состоянию на 01.01.2019

Информация землепользователям

Соглашением между Федеральной службой государственной регистрации, кадастра и картографии и Правительством Севастополя о передаче осуществления полномочий Росреестра, утвержденным Постановлением Правительства Российской Федерации от 23.07.2014 №1380-р и Положением об Управлении государственной регистрации права и кадастра Севастополя (далее — Севреестр), утвержденного постановлением Правительства Севастополя от 05.06.2014 № 55 определены полномочия Севреестра в сфере проведения государственного мониторинга земель.

Севреестр в рамках исполнения своих полномочий по мониторингу земель осуществляет:

• систематизацию и обобщение информации о выполненных работах по мониторингу земель;
• сбор и обработку данных, полученных в ходе проведения мониторинга земель, их хранение;
• информационное обеспечение деятельности органов власти, органов местного самоуправления, юридических лиц и граждан данными мониторинга земель.

Систематизация и обобщение информации о выполненных работах по мониторингу земель осуществляется на основании документов, находящихся в государственном фонде данных, полученных в результате проведения землеустройства, а также сведений, полученных от органов власти и землепользователей.

На Севреестр также возложена задача по составлению ежегодного отчета о наличии земель и распределении их по формам собственности, категориям, угодьям и пользователям в Севастополе, отчетные данные которого являются информационной базой для подготовки государственного (национального) доклада о состоянии и использовании земель в Российской Федерации, ежегодно представляемого в Правительство Российской Федерации.

Управление обращает внимание на обязанность землепользователей:

• представлять отчеты по состоянию на 01 января года следующего за отчетным периодом в двух экземплярах, один из которых возвращается землепользователю с отметкой о принятии;
• подписывать сведения, вносимые в отчетные формы, руководителем организации и заверять печатью;
• представлять копии правоудостоверяющих и правоустанавливающих документов, включая копии документов, подтверждающих переход права к иному лицу;
• указывать площадь земельных участков в строгом соответствии с документами в гектарах с точностью до одного знака после запятой.
• заполнять анкету землепользователя в отношении каждого землепользователя, в пользовании которого находится земельный участок (земельные участки).

Скачать форму: «Анкета землепользователя»

Формы для представления сведений о состоянии и использовании земель, предоставленных для сельскохозяйственного использования:

Отчеты и копии документов просим представлять до 1 декабря отчетного периода любым из предложенных способов

• лично по адресу: г. Севастополь, ул. Демидова, 13, каб. 105, в приемные дни: понедельник, среда с 10.00 до 17.00, пятница с 10.00 до 15.00 обед с 13.00 до 13.45;
• почтовым отправлением (письмом) по вышеуказанному адресу;
• сканированной форме на адрес электронной почты: [email protected] (с пометкой «для отдела землеустройства и мониторинга земель»).

Контактный телефон: 7(8692) 41-77-86

Консультации предоставляются по адресу: г. Севастополь, ул. Демидова, 13, каб. 510, в приемные дни: среда с 14.00 до 17.00.

Непредставление или несвоевременное представление информации, влечет за собой административную ответственность в соответствии со статьей 19.7 Кодекса об административных правонарушениях Российской Федерации.

Государственный мониторинг земель сельхозназначения | Федеральная служба по ветеринарному и фитосанитарному надзору (Россельхознадзор) Управление по Чувашской Республике и Ульяновской области

Государственный мониторинг земель сельскохозяйственного назначения представляет собой систему оперативных, периодических и базовых (исходных) наблюдений за изменением качественного и количественного состояния земель сельскохозяйственного назначения, в том числе мониторинг плодородия таких земель. В рамках государственного мониторинга земель сельскохозяйственного назначения осуществляются выявление изменений состояния земель, оценка качественного состояния земель с учетом воздействия природных и антропогенных факторов, оценка и прогнозирование развития негативных процессов, обусловленных природными и антропогенными воздействиями, выработка предложений о предотвращении негативного воздействия на земли, об устранении последствий такого воздействия, обеспечение органов государственной власти, органов местного самоуправления, юридических лиц, индивидуальных предпринимателей и граждан информацией о состоянии окружающей среды в части состояния земель.                             Государственный мониторинг земель сельскохозяйственного назначения подразделяется на мониторинг использования земель и мониторинг состояния земель. В рамках мониторинга использования земель осуществляется наблюдение за использованием земель и земельных участков в соответствии с их целевым назначением. В рамках мониторинга состояния земель осуществляются наблюдение за изменением количественных и качественных характеристик земель, в том числе с учетом данных результатов наблюдений за состоянием почв, их загрязнением, захламлением, деградацией, нарушением земель, оценка и прогнозирование изменений состояния земель.

Полученные по итогам мониторинга использования земель сведения используются при осуществлении государственного земельного надзора для обеспечения органов государственной власти, органов местного самоуправления, организаций и граждан информацией об использовании земель. 

Государственный мониторинг земель от DATUM Group

DATUM Group выводит на рынок новую услугу для администраций муниципальных образований и региональных представительств Росреестра – государственный мониторинг земель.

«Мы разработали эффективную программу по реализации Приказа Министерства экономического развития Российской Федерации от 26.12.2014 № 852 «Об утверждении Порядка осуществления государственного мониторинга земель, за исключением земель сельскохозяйственного назначения». Имея большой опыт проведения аналогичных работ на территории земель разных категорий, эксперты DATUM Group обладают всем необходимым перечнем компетенций для реализации подобного рода проектов. Наша организация выполняла множество работ, применяя данные картографии и дистанционного зондирования земли для решения таких задач. При этом уровень профессионализма наших специалистов позволяет заявлять готовность проводить работы по государственному мониторингу земель как на региональном, так и муниципальном уровне», — прокомментировала событие руководитель Отдела подготовки и анализа данных Елена Трапезникова.

Мониторинг земель регулярно проводится исполнительными органами власти. Цель этих мероприятий – систематическое наблюдение за состоянием земель в стране. И это не работа ради отчета в министерство: каждый житель нашей страны имеет право знать о состоянии окружающей среды как своего региона, так и страны в целом. Все мы заинтересованы в том, чтобы вокруг было чисто, чтобы на пустующих землях не образовывались свалки, чтобы наши дети дышали свежим воздухом. Данные мониторинга земель открыты для населения и регулярно освещаются в СМИ. Информация о результатах мониторинга (кроме сведений ограниченного доступа) открыто размещается на сайте Росреестра. Доступ к ней также можно получить через Единый портал госуслуг.

Ухудшающаяся с каждым годом мировая экологическая обстановка требует от нашего государства адекватных состоянию экологии мер по стабилизации ситуации. Государственный мониторинг земель как часть государственного мониторинга окружающей среды как раз позволяет обнаружить изменения состояния земель, нуждающиеся в реагировании. Систематическое наблюдение за состоянием и использованием земель, которое с июля готовы проводить специалисты DATUM Group, поможет выявить причины негативных процессов, возникающих в почве. Для устранения последствий этих негативных процессов наши эксперты по результатам работ выдвинут ряд рекомендаций по предотвращению негативного воздействия.

Одной из важных составляющих проведения государственного мониторинга земель является формирование перечня земель с явными нарушениями земельного законодательства. Ведь зачастую именно человек – будь то крупная организация, индивидуальный предприниматель или частный собственник, своими недальновидными действиями делает землю непригодной для дальнейшего использования. По результатам работ, проводимых DATUM Group, заказчику предоставляется картограмма с отметками соответствующих территорий и все необходимые отчеты. Итоговые материалы мониторинга  накапливаются и хранятся в архивах (фондах) и базах данных автоматизированной информационной системы государственного мониторинга земель.

 

В целом в комплекс работ по мониторингу входит:

1.       Сбор информации и материалов о состоянии и использовании земель;

2.        Анализ картографических данных и сведений;

3.       Актуализация информации о состоянии и использовании земель с привлечением материалов ДЗЗ, корректировка карт материалов;

4.       Определение несоответствия фактических и плановых показателей площадей земельных участков;

5.       Формирование перечня земельных участков с признаками видов нарушений земельного законодательства;

6.       Составление Карты, отображающей выявленные признаки нарушений;

7.       Составление Карты состояния земель и Карты динамики развития негативных процессов.

Контактные данные

для получения более подробной информации или консультации по услуге:

(863) 303-20-64, доб. 562

Воловская Евгения

Зачем нужен мониторинг земель? | Сокольский район

В современном мире актуальным вопросом существования людей является сохранение природных ресурсов и охрана окружающей среды. Земельные ресурсы, как часть окружающей природной среды, являются необходимой  составляющей для жизнедеятельности человека. В целях отслеживания и оценки состояния земель создана система государственного мониторинга земель (как составная часть государственного экологического мониторинга).

Государственный мониторинг земель представляет собой систему наблюдений, оценки и прогнозирования, направленных на получение достоверной информации о состоянии земель, об их качественных и количественных характеристиках, их использовании и о состоянии плодородия почв. Государственный мониторинг земель охватывает все земли в Российской Федерации.

В перечень задач государственного мониторинга земель входят: систематические наблюдения за фактическим состоянием и использованием земель, выявление изменений состояния земель, оценка качественного состояния земель с учетом воздействия природных и антропогенных факторов, оценка и прогнозирование развития негативных процессов, обусловленных природными и антропогенными воздействиями, выработка предложений о предотвращении негативного воздействия на земли, об устранении последствий такого воздействия, обеспечение органов государственной власти, органов местного самоуправления, юридических лиц, индивидуальных предпринимателей и граждан информацией о состоянии окружающей среды в части состояния земель.

Управление Росреестра по Вологодской области ежегодно готовит государственный (национальный) доклад о состоянии  и использовании земель в Вологодской области. Данные, полученные в ходе мониторинга земель, используются для информационного обеспечения деятельности органов государственной власти и органов местного самоуправления  (Доклад о состоянии земель ежегодно предоставляется в Правительство области, Департамент природных ресурсов и охраны окружающей среды Вологодской области).

В 2017 году на территории Вологодской области  были выполнены работы по мониторингу состояния и использования земель на территории Вытегорского района.

Объем работ по государственному мониторингу земель составил 1308,11тыс.га, по результатам которого выполнены следующие работы:

— наблюдение за использованием земель и земельных участков в соответствии с их целевым назначением — выявление признаков нарушений земельного законодательства в пределах границ земельных участков земель различных категорий;

— выявление современного состояния развития негативных процессов и динамики развития негативных процессов.

В качестве базового периода мониторинга были рассмотрены материалы последних проводимых почвенных обследований по состоянию на 1966-1985 г.г. В настоящее время для выявления негативных процессов используются архивные материалы спутниковой съемки, если отсутствуют материалы предыдущих обследования.

В соответствии со сведениями о динамике площадей развития негативных процессов на территории Вытегорского района в процессе вышеуказанных работ выявлены  следующие негативные процессы:

-водная эрозия – 11810,65 га;

-переувлажнение – 831842,26 га

— подтопление – 361,36 га;

-заболачивание – 287685,12;

-затопление -52982,55 га;

— абразионные процессы -51,54 га;

— участки антропогенных изменений территорий – 97707,22га.

По результатам вышеуказанных работ подготовлены прогнозы и рекомендации по предупреждению и устранению негативных процессов на территории Вытегорского района.

Материалы по выполнению работ по мониторингу земель состояния и использования земель, на территории Вытегорского района, переданы в  государственный фонд данных, полученных в результате проведения землеустройства Управления.

  Для более эффективного управления земельными ресурсами с ее разнообразными природно-хозяйственными природными условиями, а также в целях разработки комплекса почвозащитных мероприятий, мероприятий по экономическому стимулированию собственников и пользователей в рациональном использовании и охране земель, крайне необходимы пространственно обобщенные, систематизированные и сопоставимые данные о земле.  Государственный мониторинг земель является инструментом для  решения данных задач, в том числе рационального использования земель различных категорий.

 

Пресс-служба Управления Росреестра по Вологодской области

Мониторинг земель

Мониторинг земель

Мониторинг земель

  Мониторинг земель является видом мониторинга окружающей среды [1], и представляет собой систему постоянных наблюдений за состоянием земель и их изменением под влиянием природных и антропогенных факторов, а также за изменением состава, структуры, состояния земельных ресурсов, распределением земель по категориям, землепользователям и видам земель в целях сбора, передачи и обработки полученной информации для своевременного выявления, оценки и прогнозирования изменений, предупреждения и устранения последствий негативных процессов, определения степени эффективности мероприятий, направленных на сохранение и воспроизводство плодородия почв, защиту земель от негативных последствий.
 Согласно инструкции об организации работ по проведению мониторинга земель [2] , мониторинг земель осуществляется по следующим направлениям:
 • наблюдения за составом, структурой и состоянием земельных ресурсов;
 • наблюдения за химическим загрязнением земель.
 • наблюдения за состоянием почвенного покрова земель;
  В соответствии с законодательством об охране и использовании земель данные о составе, структуре и распределении земель содержатся в реестре земельных ресурсов Республики Беларусь, содержание и порядок ведения которого устанавливает Государственный комитет по имуществу (далее – Госкомимущество). В реестре земельных ресурсов Республики Беларусь их состав, структура и распределение дифференцированы по категориям земель и землепользователей, по видам (подвидам, разновидностям) земель, формам собственности на землю и видам прав на нее, а также по административно-территориальным единицам (районам, городам областного подчинения, областям и г. Минску, стране в целом).
  Наблюдения за химическим загрязнением земель проводятся государственным учреждением «Республиканский центр по гидрометеорологии, контролю радиоактивного загрязнения и мониторингу окружающей среды» (далее – Белгидромет) по следующим направлениям: наблюдения за химическим загрязнением земель на фоновых территориях, наблюдения за химическим загрязнением земель в населенных пунктах, наблюдения за химическим загрязнением земель в придорожных полосах автомобильных дорог.
  Наблюдения за состоянием почвенного покрова земель проводятся РУП «Институт почвоведения и агрохимии» по следующим направлениям: наблюдения за процессами водной эрозии, наблюдения за компонентным составом почвенного покрова и интенсивностью ветровой эрозии осушенных почв.
  Сбор, хранение, обработку и анализ данных, получаемых в результате проведения мониторинга земель от организаций, его осуществляющих, обеспечивает информационно-аналитический центр мониторинга земель Национальной системы мониторинга окружающей среды в Республике Беларусь (далее – ИАЦ мониторинга земель).
  ИАЦ мониторинга земель передает обобщенную экологическую информацию, полученную в результате проведения мониторинга земель, в главный информационно-аналитический центр Национальной системы мониторинга окружающей среды в Республике Беларусь (далее – ГИАЦ НСМОС), а также осуществляет информационный обмен с информационно-аналитическими центрами других видов мониторинга Национальной системы мониторинга окружающей среды в Республике Беларусь.
  Предоставление экологической информации, полученной в результате проведения мониторинга земель, государственным органам, другим государственным организациям, иным юридическим лицам и гражданам, а также ее распространение осуществляются в соответствии с законодательством об охране окружающей среды и рациональном использовании природных ресурсов, законодательством об информации и информатизации.
  Экологическая информация, полученная в результате проведения мониторинга земель, предоставляется Госкомимуществом в установленном порядке республиканским органам государственного управления, местным исполнительным и распорядительным органам, юридическим лицам и должны учитываться при подготовке проектов государственных программ рационального использования природных ресурсов и охраны окружающей среды, программ использования земельных ресурсов, прогнозов и программ социально-экономического развития, территориальных комплексных схем рационального использования природных ресурсов и охраны окружающей среды, схем землеустройства административно-территориальных единиц, территориального планирования, проектов землеустройства, градостроительных проектов, а также использоваться для информирования граждан о состоянии земель, мерах по их охране и других целей.

---

[1] Постановление Совета Министров Республики Беларусь от 28.03.2007 № 386 (ред. от 10.06.2008) «Об утверждении Положения о порядке проведения в составе Национальной системы мониторинга окружающей среды в Республике Беларусь мониторинга земель и использования его данных».

[2] Постановление Государственного комитета по имуществу Республики Беларусь от 22.12.2009 № 68 «Об утверждении Инструкции об организации работ по проведению мониторинга земель»

границ | Картирование земного покрова в условиях дефицита данных: проблемы и возможности

1. Введение

Точные и своевременные карты земного покрова играют решающую роль в различных секторах развивающегося мира, включая продовольственную безопасность, планирование землепользования, гидрологическое моделирование и планирование управления природными ресурсами. Такие страны, как Камбоджа и Вьетнам, страдают от значительных потерь урожая риса, и понимание пространственного распределения таких переменных урожаев имеет решающее значение для сельскохозяйственного планирования в целях обеспечения продовольственной безопасности (Pandey et al. , 2007; Саах и др., 2019). В национальных планах развития растительный покров используется как основа для понимания изменений в природном капитале страны, что, в свою очередь, формирует основу для бюджетных приоритетов и ассигнований (Tucker et al., 1985; Bounoua et al., 2002; Foley et al., 2005). ; Юнг и др., 2006; Бег, 2008). Карты земного покрова также лежат в основе гидрологических моделей, которые используются правительствами для информирования о рисках наводнений и готовности к ним с целью повышения устойчивости к изменению климата (Ge et al., 2007; Hibbard et al., 2010; Imaoka et al., 2010; Гонг и др., 2013 г.; Толентино и др., 2016). Лесоводы используют карты растительного покрова для разработки планов рационального управления лесозаготовками, включения вопросов сохранения биоразнообразия и участия в инициативах по финансированию борьбы с изменением климата, таких как сокращение выбросов в результате обезлесения и деградации лесов, а также роль сохранения, устойчивого управления лесами и увеличения запасов углерода в лесах в развивающихся странах. (REDD+) или Национальные действия по смягчению последствий (NAMA) (Buchanan et al., 2008; Hall et al., 2011; Потапов и др., 2019). Однако многим развивающимся регионам не хватает скоординированного потенциала для производства своевременных, точных и сопоставимых во времени продуктов геопространственных данных, достаточных для удовлетворения их управленческих потребностей (Jha and Chowdary, 2007).

В регионах Нижнего Меконга (LMR) и Гиндукуша-Гималаев (HKH) наблюдается ускорение темпов изменения земного покрова, что влияет на долгосрочную устойчивость экосистемных услуг, включая продукты питания, воду и энергию. Местные лица, принимающие решения, используют редко обновляемые национальные карты, не имея возможности осуществлять своевременный или комплексный мониторинг.Кроме того, существующие системы классификации не всегда отвечают потребностям группы пользователей, продукты данных часто не используются широко между агентствами и учреждениями, а оценка точности часто отсутствует. Пользователи и разработчики этих карт, как правило, из разных организаций, с разными приоритетами и техническими знаниями. Эти различия создают множество проблем, которые часто создают препятствия для эффективного использования соответствующих данных о земном покрове для разработки политики, планирования, управления и других контекстов принятия решений.В результате продукты глобального земного покрова часто используются в качестве наилучшей доступной альтернативы, когда соответствующие и своевременные карты недоступны на региональном, национальном или субнациональном уровнях. Глобальные продукты имеют свои ограничения в том, что они были созданы с использованием разных датчиков и разных методов и различаются по пространственному разрешению и типологии классификации, а также содержат несоответствия в глобальных (Hansen and Reed, 2000; McCallum et al., 2006; Herold et al. , 2008; Hansen et al., 2013) и региональных (Fritz et al., 2010; Перера и др., 2010; Leinenkugel et al., 2013, 2014) весы. Эти несоответствия препятствуют более широкому и эффективному использованию данных о земном покрове для внесения ценного вклада в разработку политики, планирование, управление и другие процессы, в которых, как известно, более эффективные, прозрачные и обоснованные решения приводят к лучшим результатам в реальном мире.

Чтобы понять основные пробелы и проблемы, возникающие при составлении карт земного покрова на региональном, национальном и субнациональном уровне, и отреагировать на них, мы собрали существующую информацию, предприняли упреждающие и целенаправленные действия по оценке потребностей, а также собрали другую информацию, относящуюся к этой теме, из множества текущих деятельности и коммуникаций.В этом документе обобщаются детали и результаты этих усилий и предлагается структура для решения выявленных проблем. Цель этого документа состоит в том, чтобы рассмотреть основные проблемы картирования и мониторинга земного покрова в Нижнем Меконге и районе Гонконга, а также наметить принципы проектирования для совместной разработки региональной системы мониторинга земного покрова.

Процесс совместной разработки согласованной и гибкой региональной системы мониторинга земного покрова (RLCMS) в нескольких странах Юго-Восточной Азии и Южной Азии позволит создать единый пул данных о земном покрове и архитектуру картирования/мониторинга земного покрова, который можно будет совместно использовать во всех странах. агентств и стран.Такая RLCMS также позволит проводить последовательный анализ изменений в будущем и, возможно, по всей исторической спутниковой записи. Такая система будет представлять собой знаковое улучшение доступности продуктов данных на основе дистанционного зондирования для использования в планировании и управлении.

2. Область исследования и исторический контекст

SERVIR — это уникальное партнерство между Агентством США по международному развитию (USAID) и Национальным агентством по аэронавтике и исследованию космического пространства США (НАСА), целью которого является предоставление космических технологий лицам, принимающим решения в области охраны окружающей среды, в развивающихся регионах. SERVIR представлен в разных частях мира через региональные хабы. Программа использует космические технологии дистанционного зондирования и открытые данные для решения проблем развития, связанных с устойчивостью к изменению климата. В качестве программы развития, направленной на поощрение использования и развития региональных геопространственных данных, SERVIR работает в партнерстве с ведущими региональными организациями, чтобы помочь странам в узловых регионах использовать информацию, предоставляемую спутниками наблюдения Земли и геопространственными технологиями, для управления климатическими рисками и повышения готовности к стихийным бедствиям.Услуги программы определяются оценкой потребностей партнерских агентств. Мы выбрали центры SERVIR в регионах LMR и HKH, чтобы определить, какие проблемы существуют при создании и использовании продуктов данных о земном покрове из-за его многомерного разнообразия, которое включает политические различия, градиенты растительности и различные потребности в земном покрове и его использование (рис. 1). Хаб Меконга был запущен в 2014 году, и работа в течение первого года была сосредоточена на проведении оценки потребностей с организациями, работающими в странах-партнерах.Хаб SERVIR HKH был создан до хаба Меконга, и, хотя их методы работы с общественностью немного различались, они также проводят оценку потребностей с заинтересованными сторонами в своих странах. Проблемы картирования/использования земельного покрова и мониторинга, с которыми сталкиваются наши заинтересованные стороны, были собраны в течение первого года на этапе оценки потребностей пользователей в Меконге и текущей работы по оценке потребностей в HKH, и послужили основой для этой рукописи.

Рисунок 1 . Карта исследуемой области с указанием Юго-Юго-Восточной Азии с Гиндукушем-Гималаями (HKH) и регионом Нижнего Меконга (LMR) и странами, на которые направлено внимание.

2.1. Регион Нижнего Меконга (LMR)

БМР занимает площадь 1,9 млн км ² , имеет население 240 млн человек и включает пять континентальных стран Юго-Восточной Азии: Камбоджу, Лаос, Мьянму, Таиланд и Вьетнам (рис. 1). LMR находится в основном в тропиках, с субтропическими расширениями в Лаосе, Мьянме и Вьетнаме и небольшими участками умеренной растительности в Северной Мьянме (Peel et al., 2007). Этот регион находится в зоне биоразнообразия Индо-Бирмы, и более трех четвертей населения прямо или косвенно зависит от сельского хозяйства (Kityuttachai et al., 2016) и другие виды экономической деятельности, включая туризм, лесное хозяйство, рыболовство, производство и производство энергии (Costenbader et al., 2015). В период с 1973 по 2009 год LMR потерял почти треть своего лесного покрова, при этом сокращение на национальном уровне составило 43% во Вьетнаме и Таиланде, 24% в Лаосской Народно-Демократической Республике и Мьянме и 22% в Камбодже (Watch, 2015). Основные непосредственные факторы изменения растительного покрова за последнее десятилетие включали расширение сельскохозяйственных угодий и плантаций, развитие инфраструктуры и поселений, добычу полезных ископаемых и газа, строительство плотин и водной инфраструктуры, вырубку леса и лесные пожары (Curtis et al. , 2018). Основными движущими силами изменения земного покрова были рост населения и экономический рост, часто усиливаемый слабым управлением (Stibig et al., 2013; Costenbader et al., 2015; Poortinga et al., 2019).

2.2. Гималайский регион Гиндукуш (HKH)

Район HKH простирается на 3500 км по всей или части восьми стран от Афганистана на западе до Мьянмы на востоке (рис. 1). В число восьми стран входят Афганистан, Бангладеш, Бутан, Китай, Индия, Мьянма, Непал и Пакистан.В этом регионе находится самое большое количество горных вершин в мире, в том числе Эверест. Преобладающим растительным покровом региона являются пастбища (54%), за ними следуют сельское хозяйство (26%) и леса (14%) (Singh et al., 2011). Он является источником десяти крупных азиатских речных систем и обеспечивает воду, экосистемные услуги и основу средств к существованию для населения численностью около 210 миллионов человек. Эти речные бассейны обеспечивают водой 1,3 миллиарда человек, пятую часть населения мира. Он поддерживает большое разнообразие генофондов, видов, экосистем и эндемичных видов, имеющих глобальное значение; составляющие четыре глобальные горячие точки биоразнообразия — Гималаи, Индо-Бирма, горы Юго-Западного Китая и горы Центральной Азии (Myers et al., 2000).

Несмотря на упор на сохранение, 39% земель которого находятся под охраняемыми территориями (Chettri et al., 2008), регион HKH сталкивается со значительной вырубкой лесов (Ives and Messerli, 2003; Pandit et al., 2007). Зависимость от топливной древесины и древесины из лесов, давление населения на преобразование лесов в сельское хозяйство и сельское хозяйство в застроенные территории, сменная обработка земли и лесные пожары входят в число многих антропогенных и естественных причин изменения растительного покрова. Отсутствие исторических карт земного покрова с использованием сопоставимой и последовательной методологии и схемы классификации затрудняет анализ изменений земного покрова внутри стран, в то время как несоответствие типологий между разными странами затрудняет разработку региональных согласованных карт земного покрова для регионального анализа, исследований и моделей. .

3. Методы

3.1. Взаимодействие с заинтересованными сторонами

Имеется значительный и растущий объем данных о том, что значимое участие заинтересованных сторон в выявлении проблем и формулировании соответствующих решений имеет многочисленные преимущества, особенно в контексте сложных междисциплинарных проблем (Reed, 2008). Чтобы понять потребности заинтересованных сторон в HKH и LMR и соответствующим образом сфокусировать свои программные стратегии, каждый центр провел как общую оценку потребностей геопространственных пользователей, так и последующий семинар, специально посвященный проблемам, связанным с картированием и мониторингом земного покрова.

3.1.1. Оценка геопространственных потребностей

Транспортный узел Меконг завершил этап общей оценки потребностей совсем недавно, с конца 2014 до середины 2015 года. Данные были собраны посредством (1) литературного обзора соответствующих отчетов и статей, (2) личных консультаций с региональными заинтересованными сторонами (частично во время региональных семинаров и фокус-групп) и (3) онлайн-анкеты. Кампания по привлечению заинтересованных сторон, проведенная центром HKH, была аналогичной. Конкретные цели оценки заключались в определении потребностей в геопространственных данных и технологиях в следующих тематических областях:

• Ключевые области, в которых геопространственная информация считается важной для принятия решений, таких как управление и управление земельными ресурсами, руководство и управление водными ресурсами, адаптация к изменению климата, оценка риска бедствий и т. д.

• Требования к наращиванию потенциала, такие как базовые навыки работы с ГИС, управление сложными серверными структурами и т. д.

• Наличие геопространственных данных, таких как продукты дистанционного зондирования Landsat, карты земного покрова, карты прогнозов наводнений и т. д.

• Практика и протоколы обмена данными, такие как обмен данными государственных учреждений с общественностью, обмен данными между учреждениями, стандарты метаданных и качества данных для облегчения обмена и т. д.

• Доступ к геопространственным инструментам и приложениям, включая инструменты поддержки принятия решений, информационные онлайн-порталы, настраиваемые настольные приложения и т. д.

Была использована стратегия выборки «снежный ком», которая влечет за собой создание первоначального размера выборки за счет регистрации соответствующих заинтересованных сторон, сделанных участниками в ходе исследования (Biernacki and Waldorf, 1981). В результате был составлен список страновых и региональных заинтересованных сторон из государственных учреждений, академических и исследовательских учреждений, неправительственных организаций (НПО) и других организаций гражданского общества, многосторонних и двусторонних агентств по оказанию помощи, учреждений Организации Объединенных Наций и аналогичных вненациональных органов управления и вспомогательные учреждения, организации частного сектора и отдельные граждане.Выборка не является вероятностной, однако целевые организации хорошо представлены по типам (например, правительство, гражданское общество) и по странам. Более подробная информация представлена ​​в Приложении A.

3.1.1.1. Фокус-группы и региональные семинары

Консультации с заинтересованными сторонами проводились в двух форматах с участием 199 человек из 128 организаций. В период с декабря 2014 г. по май 2015 г. были проведены консультационные поездки в Камбоджу, Вьетнам, Мьянму, Таиланд и Лаосскую НДР.Эти поездки включали в себя круглые столы и прямые встречи.

3.1.1.2. Онлайн-анкета

Приглашение заполнить онлайн-анкету было разослано по электронной почте более чем 300 потенциальным респондентам, которые, как считается, обладают ценным мнением по вышеуказанным темам. Респондентам был задан вопрос об их профессиональной роли, принадлежности к какой-либо организации, а также опыте работы с ГИС и дистанционным зондированием; точки зрения на потребности и пробелы в геопространственных данных, проблемы обмена данными, технологические проблемы, потребности и пробелы в емкости, а также инструменты и приложения для поддержки принятия решений. Были предприняты особые усилия для охвата заинтересованных сторон, которые не смогли присутствовать на консультациях с заинтересованными сторонами в прямом эфире, с помощью вопросника.

3.1.1.3. Обзор литературы

Соответствующие опубликованные научные отчеты, статьи и документы были использованы для дополнения первичных данных, собранных в ходе личных консультаций и онлайн-анкеты. Полный список рассмотренных документов включен в Приложение А.

3.1.2. Семинары по картированию земного покрова

В период с 2016 по 2017 год в районе Меконга впервые была проведена серия из четырех семинаров по картированию земного покрова.На первом семинаре основное внимание было уделено потребностям и задачам пользователей, а также намечалась схема системы для решения этих задач. Выводы, представленные в этой рукописи, обобщают результаты этого события. Также было три последующих семинара: два производственных цеха и запуск продукта. Во время этих четырех региональных семинаров по картированию земного покрова восемьдесят заинтересованных сторон из LMR представили точки зрения и идеи. Участники были вовлечены во все, от концептуализации до классификации и разработки алгоритмов для возникающих проблем в ходе дискуссий.

В 2018 г. с региональными партнерами в HKH был применен тот же подход, заключающийся в проведении как минимум четырех семинаров, с некоторыми небольшими изменениями. Первоначальной оценкой потребностей был региональный семинар, в котором приняли участие участники из Афганистана, Бангладеш, Непала и Мьянмы. В ходе мероприятия участники обсудили и согласовали концептуальную основу и подход к типологии и алгоритму в региональном масштабе. Однако два последующих производственных семинара были организованы как отдельные мероприятия с каждым картографическим агентством, в отличие от серии объединенных региональных производственных семинаров.Эти семинары на страновом уровне проводятся с более широкими группами заинтересованных сторон для рассмотрения потребностей и подходов к настройке структуры в соответствии с конкретными потребностями страны. Этот подход позволил привлечь большее количество участников от каждого агентства, сосредоточил внимание на создании данных в одном геопространственном регионе и помог привлечь агентство к участию в национальном продукте. По завершении национальных семинаров продукция по земному покрову будет интегрирована в региональный набор данных.

Готовятся отдельные рукописи для описания полученного продукта земного покрова и совместно разработанной системной архитектуры, созданной в результате этих производственных семинаров (Poortinga et al., 2019; Potapov et al., 2019; Saah et al., 2019, в печати) . Текущая рукопись обобщает только результаты, касающиеся проблем и принципов проектирования, из кампании по оценке геопространственных потребностей и первого семинара, посвященного земному покрову.

4. Результаты

Результаты представлены в двух разделах.Во-первых, это описание основных проблем картографирования земного покрова, с которыми сталкиваются правительство и организации гражданского общества в регионах LMR и HKH. Эти результаты обобщают результаты оценки геопространственных потребностей, семинаров и опыта картографирования местного земного покрова, проводимого различными агентствами, странами и программами. Во-вторых, мы представляем совместно разработанное решение, которое было разработано во время семинара по мониторингу земного покрова, направленного на разработку решений для решения этих проблем.Цель состояла в том, чтобы разработать систему, которая может быть реализована в долгосрочной устойчивой манере.

4.1. Выявление проблем и пробелов в практике картирования и мониторинга земного покрова

Участники региональной оценки геопространственных потребностей определили два основных типа проблем. Во-первых, недостаточная приверженность усилиям по картированию земного покрова, а во-вторых, проблема доступа к геопространственной инфраструктуре. Первая основная проблема касается вопросов интеграции, связанных с людьми, финансами и приоритетами.Эти проблемы являются общими для многих организационных структур, но имеют особые последствия при разработке картографических продуктов земного покрова в развивающихся странах.

4.1.1. Резюме вкладов заинтересованных сторон

Онлайн-анкета была разослана 300 лицам в регионе LMR с 55 ответами, и 199 человек участвовали в личных встречах и обсуждениях на этапе запуска хаба LMR SERVIR в 2015 году. Из респондентов онлайн-опроса 81% были знакомы с ГИС и инструментами интернет-картографирования, а 60% сообщили о знакомстве с дистанционным зондированием.Аналогичным образом, 72% респондентов указали, что их организация получает данные ГИС не реже одного раза в год, а 54,5% указали, что они получают данные дистанционного зондирования не реже одного раза в год. Большинство (52 из 53) респондентов указали, что первоочередное применение геопространственных данных было для целей управления, включая уменьшение опасности стихийных бедствий, системы раннего предупреждения, а также мониторинг наводнений и управление ими. Реагирование на пробелы в обмене данными и наращивании потенциала показано на рисунке 2 (см. также таблицы 1–5 в Приложении B).Эти результаты указывают на понимание и потребность в геопространственных данных и обучении в регионе LMR.

Рисунок 2 . Информация об ответах заинтересованных сторон и представительстве в процессе оценки потребностей из онлайн-анкеты, распространенной в районе Меконга.

Этот онлайн-опрос не заполнялся лицами, присутствовавшими на очных консультациях, и не проводился в регионе HKH. Однако участники региональных семинаров по оценке геопространственных потребностей, фокус-групп или семинара по мониторингу земного покрова выявили схожие проблемы.

Вовлечение заинтересованных сторон способствовало участию, которое оказалось критически важным для создания духа сотрудничества и доверия. На основе собранных общих данных были выявлены следующие существенные проблемы и пробелы, которые привели к совместной разработке жизнеспособной стратегии для решения ключевых вопросов картирования земного покрова.

4.1.2. Текущие проблемы и пробелы в практике картирования и мониторинга земного покрова

Ключевые проблемы, обнаруженные в результате оценки, изложены ниже.В целом участники указали на недостаточную приверженность предоставлению ресурсов, наращиванию потенциала и установлению нереально сжатых сроков работы над геопространственными приложениями. Было отмечено, что в рамках этих выявленных пробелов отсутствие координации привело к разобщению рабочих процессов, что усугубило многие другие заявленные проблемы. Было обнаружено, что взаимосвязанными недостатками являются отсутствие доступа к данным, вычислительной мощности, наличия технических возможностей и надлежащих процедур, а также моделирования и использования согласованных карт земного покрова.

Что касается проблем с данными, то отсутствие последовательных (пространственно и во времени) предварительно обработанных спутниковых данных было названо общим препятствием, которое часто приводило к созданию устаревших карт. Это также означало, что заинтересованные стороны не могли удовлетворить требования пользователей или предоставляли продукты, несовместимые с потребностями пользователей. Еще одним побочным продуктом этой практики является создание нескольких карт для нужд различных ведомств, которые не основывались на одних и тех же исходных данных. Участники также упомянули политические/бюрократические проблемы, которые часто связаны с научными процедурами и решениями — часто эти ограничения не документированы или не признаются (например,ж. , сбор и составление справочных данных, процедуры картирования и т.д.). Одним из примеров, который часто упоминался в обсуждениях, было сопротивление использованию обновленных карт земного покрова Комиссии по реке Меконг (MRC), поскольку они не были подготовлены в соответствии с четко утвержденными процедурами. Дальнейший анализ вклада заинтересованных сторон также выявил отсутствие надлежащего понимания структур ошибок в процессе создания карт и конечных картографических продуктах. Этот вывод можно объяснить отсутствием надлежащей коммуникации геопространственной науки и связанных с ней технологий в регионе.

Результаты оценки потребностей в HKH показывают, что в картировании земного покрова участвуют несколько агентств, и у них есть несоответствия, связанные со схемой классификации, используемыми базовыми наборами спутниковых данных и методами интерпретации. Несоответствия в пространственных и временных измерениях создают проблемы при сравнении продуктов земного покрова и анализе изменений. Топографическая изменчивость в регионе HKH также создает проблемы для интерпретации земного покрова и сбора полевых данных для обучения и проверки.Ограничения на обмен данными различаются в зависимости от страны. В то время как несколько агентств в одной стране независимо друг от друга составляют свои собственные карты земного покрова, создавая избыточные наборы данных с противоречивой статистикой. Используемые типологии также различаются в разных странах, что затрудняет согласование наборов данных по региону.

Серьезным ограничением было выделение ресурсов и доступ к ним. Ограничения ресурсов включали как финансовые, так и человеческие ресурсы.Организации с хорошим финансированием часто не могли найти нужный персонал, другие сообщали, что организациям с адекватным персоналом было трудно удерживать квалифицированных членов команды. Для картографирования земного покрова часто требуются разные команды, обладающие техническими навыками и понимающие потребности ведомств. Мы обнаружили, что в представленных организациях эти люди часто были перегружены работой и не имели достаточных ресурсов. Кроме того, местные программы картирования земного покрова часто частично финансируются для конкретного проекта или программы, связанной с донорской деятельностью страны, без основного финансирования для устойчивой поддержки программ мониторинга земного покрова.

Местным специалистам по картографированию земного покрова было трудно оставаться в курсе новых данных, новейших технологий и последних достижений науки. Во многих организациях страны-доноры разработали стандартные операционные процедуры, основанные на доступе к коммерческим данным, которые не были обновлены для использования преимуществ новых потоков данных и информационных продуктов. Это часто приводило к тому, что отделы использовали устаревшие продукты данных, которые вносили временные лаги. Специалистам в области геопространственных данных часто не хватало доступа к появляющимся новым технологиям из-за бюджетных ограничений, проблем с лицензированием или языковых барьеров.Профессиональный геопространственный рост зависел от участия в донорской деятельности, ориентированной на бесплатные решения с открытым исходным кодом. То же самое верно и для доступа к данным.

4.2. Обеспечение объединенных рабочих процессов: совместная разработка системы мониторинга земного покрова

Ключевым результатом процесса взаимодействия с заинтересованными сторонами, направленного на решение указанных выше проблем, стало решение заинтересованных сторон сотрудничать в совместной разработке региональной системы мониторинга земного покрова (RLCMS).Эта система может служить средством для совместного процесса развития и наращивания потенциала. В конечном итоге он служит примером работающей системы мониторинга растительного покрова, основанной на передовом опыте и использующей самые современные технологии.

Первым компонентом системы является представление схемы земного покрова или типология. Дизайн типологии руководствуется следующим списком из 10 принципов, которые были установлены на основе обзора литературы (например, Running et al., 1994; Triepke et al., 2008; Lillesand et al., 2014) и групповые обсуждения:

1 Взаимодействие с заинтересованными сторонами: Заинтересованные стороны определяют свои потребности в качестве основы для типологии

2 Целеустремленность: типология способствует достижению целей заинтересованных сторон

3 Простота: типология не сложнее, чем необходимо для достижения целей заинтересованных сторон

4 Исчерпывающий: Каждое местоположение на карте представлено в типологии

5 Целостность между классами: классы являются взаимоисключающими и имеют явные границы классов

6 Непротиворечивость: Типология одинакова от одной области карты к другой и от одного поколения карт земного покрова к другому для поддержки мониторинга тенденций

7 Четкие определения: классы карт отражают измеримые, диагностические и биофизические характеристики

8 Отличие землепользования от земного покрова: Типология разделяет темы землепользования и земного покрова

9 Картографируемость: типология технологически и операционно осуществима при заданном бюджете и временных ограничениях

10 Учитывает существующие схемы земного покрова: по возможности использует компоненты существующих типологий для обеспечения максимальной совместимости, возможности совместного использования и использования доступных картографических технологий, данных и приложений.

Заинтересованные стороны также предложили, чтобы любая система мониторинга земного покрова, подходящая для регионального или национального использования, отвечала (как минимум) следующим критериям проектирования:

1 Гибкость

• Система учитывает типологии земного покрова, которые различаются в зависимости от страны, путем реализации процесса создания и сборки слоев биофизического земного покрова, называемых примитивами. Это непрерывные слои биофизических признаков, таких как частичный лесной покров и высота леса.

• Примитивы земного покрова можно заменить на самый современный продукт, доступный в любое время.

2 Консистенция

• Каждая страна использует одни и те же примитивы и одну и ту же систему сборки, но может настраивать логику сборки для создания карт, учитывающих различные в регионе семантику и цели земного покрова.

3 На основе данных дистанционного зондирования

• Система управляется данными с доступом к общедоступным большим наборам геоданных наблюдения Земли, предоставляемым платформами облачных вычислений.

4 Явная количественная оценка неопределенности

• Методы Монте-Карло будут использоваться в сочетании с наборами данных независимой проверки, чтобы включить неопределенность на примитивном уровне, чтобы обеспечить основанные на пикселях оценки неопределенности земного покрова конечного картографического продукта.

5 Наращивание потенциала

• Совместный характер системы облегчает обмен информацией и технологиями.

• По возможности используются бесплатные и общедоступные открытые инструменты.

На основе этих принципов была совместно разработана базовая структура типологии и архитектуры RLCMS, и процесс совместной разработки был завершен посредством серии из четырех семинаров и производственных сегментов с 2016 по 2017 год в Меконге. Регион HKH начал этот процесс в 2018 году.Во время первого регионального производственного семинара партнеры определили цели своих конечных пользователей, единую типологию земного покрова, требования к данным и изложили совместный процесс проектирования и производства (этапы 1 и 2 на рис. 3). Предлагаемый производственный процесс системы мониторинга земного покрова включает шесть элементов: разработка типологии, алгоритмы земного покрова, справочные данные, оценка точности, сборка алгоритмов земного покрова и производство/метаданные. По завершении первого семинара участники Mekong сформировали шесть групп совместной разработки, каждая из которых сосредоточилась на одном из шести ключевых процессов, задуманных как центральные в примере системы.Тем не менее, подход в HKH был организован как отдельные производственные мероприятия с каждым картографическим агентством.

Рисунок 3 . Операционная структура репрезентативной региональной системы мониторинга земного покрова для LMR. Стрелки представляют направление процесса, а пунктирные линии представляют итеративные фазы развития системы.

В Меконге разработка каждого из шести компонентов системы мониторинга земного покрова будет завершена и уточнена в ходе трех последующих семинаров. Во время второго регионального семинара были разработаны прототипы алгоритмов для создания примитивов земного покрова, а также документация по инструментам, процедурам и справочным данным, необходимым для успешного выполнения алгоритмов (этапы 3 и 4 на рис. 3). Участники работали над тремя задачами во время третьего семинара, включая (1) разработку гибкого, настраиваемого протокола сборки для объединения тематических карт примитивов в окончательную классификацию земного покрова с конкретными целевыми классами земного покрова пользователей, (2) указание оценки точности процедуры и (3) документирование потребностей конечного пользователя для обеспечения реакции системы (шаги 5 и 6 на рис. 3).Кульминацией заключительного семинара стала презентация предварительных карт земного покрова и дорожной карты, чтобы помочь конечным пользователям настроить продукты для удовлетворения своих конкретных потребностей. Этап производства HKH также следовал этому трехступенчатому подходу мастерской. Однако их внимание было сосредоточено на тестировании, уточнении и, при необходимости, настройке принципов и алгоритмов проектирования, разработанных командой Mekong, для удовлетворения потребностей нового набора заинтересованных сторон. Эти этапы производства были реализованы совместно с хабом Mekong SERVIR, чтобы гарантировать передачу извлеченных уроков между двумя хабами для продолжения совместного улучшения системы.

4.3. Примеры операционной системы и архитектуры

Система реализована в Google Earth Engine, свободно доступной инфраструктуре облачных вычислений (Gorelick et al., 2017). Для первой итерации большинство примитивов было построено с использованием классификатора случайного леса, построенного в основном с данными из архива Landsat (Saah et al., в печати). Программа Landsat предоставила свободный доступ к полному архиву данных среднего разрешения с большим временным диапазоном (Wulder et al., 2012; Рой и др., 2014). Однако, поскольку система является модульной, доступны и тестируются другие подходы к классификации, такие как нейронные сети. Кроме того, в зависимости от временных требований примитивных слоев, некоторые из них создаются путем слияния данных между Landsat, MODIS (Justice et al. , 1998), Sentinel-1 и Sentinel-2 (Berger et al., 2012) или климатическими данными. опасные инфракрасные осадки (CHIRPS) (Funk et al., 2015), наборы данных, и это лишь некоторые из них. Например, карты плантаций каучука и пальмового масла были составлены с использованием данных Sentinel-1 и Sentinel-2 (Poortinga et al., 2019). Логика сборки включает определяемое пользователем дерево решений. Окончательный продукт карты земного покрова создается с помощью серии итераций Монте-Карло логики сборки и примитивных коэффициентов ошибок. Коэффициенты ошибок генерируются как для примитивных продуктов, так и для продуктов земного покрова с использованием независимых наборов вероятностных эталонных данных. Для получения полной информации об архитектуре системы и совместно разработанных продуктах см. Poortinga et al. (2019), Саах и др. (2019), Саах и др. (в печати), Потапов и др.(2019 г.); ожидаются другие рукописи. Данные по Меконгу доступны по адресу https://rlcms-servir.adpc.net/en/. Дата запуска информационных продуктов HKH запланирована на 2020 год.

5. Обсуждение

Мониторинг земного покрова является ключевым видом деятельности, который помогает обеспечить здоровье и устойчивость экосистем. Наблюдения за Землей и геопространственные технологии играют все более важную роль в этом отношении (Poortinga et al., 2017; Simons et al., 2017). В этом документе мы изложили подход с привлечением заинтересованных сторон при содействии SERVIR к выявлению потребностей и основных проблем, с которыми сталкиваются страны Нижнего Меконга и Гиндукуша в Гималаях.Заинтересованные стороны в регионе, работающие над картированием земного покрова, разделяют мнение о том, что существуют значительные пробелы в возможностях, технических инструментах и ​​системах, а также в данных, необходимых для проведения эффективного картирования земного покрова. Это включает в себя отсутствие выделения ресурсов и поддержки со стороны соответствующих органов и разрозненные рабочие процессы из-за ограниченного доступа к данным, вычислительной мощности и доступности технических возможностей. Подобные проблемы были повторены во время семинаров для заинтересованных сторон в регионе Гонконга.В странах Гонконга было реализовано множество проектов по разработке карт земного покрова для конкретных целевых лет. В большинстве случаев эти карты были созданы с использованием разных источников данных и типологий, что затрудняет понимание изменений. Кроме того, неоднородность топографии и рельефа в регионе HKH создает дополнительные проблемы для точного картографирования и мониторинга земного покрова.

Мы сочли этот подход полезным, поскольку он способствовал сотрудничеству и доверию, что привело к совместной разработке RLCMS, целью которой является решение всех поднятых вопросов и обеспечение значительно улучшенного доступа к продуктам данных о земном покрове и повышения их качества.Тем не менее, проблемы обмена данными и представления о неопределенности данных остаются серьезными препятствиями для анализа и принятия продуктов пространственных данных. Первое связано с существующей политикой обмена данными, а второе отражает широко распространенное мнение о том, что ошибка и/или неопределенность являются недостатком, а не неотъемлемой чертой как научных измерений, так и моделирования. Неопределенность, как правило, рассматривалась как негатив, который люди с обеих сторон процесса принятия решений должны минимизировать до такой степени, что она может быть недопредставлена ​​или просто исключена из того, как результаты представляются лицам, определяющим политику.Однако представление неопределенности в сочетании с издержками принятия неверных решений может иметь жизненно важное значение при использовании научных данных для обоснования принятия решений (Reckhow, 1994). Fischhoff and Davis (2014) представили полезную схему того, как продуктивно обдумывать и представлять неопределенность в контексте принятия решений: тщательное определение основного вопроса, на который необходимо ответить, оценка степени и характера неопределенности в отношении методов, используемых для ответа. вопрос и передать эту неопределенность ясным и точным способом, который устраняет любые пробелы, которые могут существовать в ментальных моделях мира, используемых лицами, принимающими решения, по сравнению с учеными или аналитиками. В конечном счете, это сводится к пониманию важной роли неопределенности как естественной части исследования и принятия решений, которая зависит от всего: от точно поставленного вопроса, от того, был ли выбран один метод вместо другого, от реальных условий, в которых проводится работа. место, а также пригодность данного продукта данных для ответа на заданный вопрос. Этот процесс может быть облегчен за счет разработки и применения стандартов пространственных данных со стандартизированным представлением и уровнем допустимой ошибки, которые могут применяться ко многим продуктам данных.Это может быть выражено в терминах стандартов полноты охвата, доверительных интервалов и среднеквадратичной ошибки местоположения или других критериев.

Респонденты как в онлайн-анкете, так и в личных обсуждениях упомянули о проблемах с доступом к данным и обменом ими. Производители данных обеспокоены безопасностью данных и правами собственности, что приводит к тому, что поставщики данных присваивают или защищают использование своих продуктов данных, сохраняя их в своих отделах и сводя к минимуму доступность для других рабочих групп или агентств. Хотя это удивительно распространено на многих уровнях правительства по всему миру, такое поведение противоречит эффективному управлению ресурсами и сильно мешает группам эффективно работать вместе над крупномасштабными проектами, такими как MRV для соответствия международным программам, таким как REDD+. Эти взгляды и поведение в отношении обмена данными в конечном итоге приводят к несогласованности данных в разных регионах, что препятствует прогрессу в области экологического мониторинга и политики. Переход к открытой, непатентованной модели сотрудничества и обмена данными имеет важное значение для создания устойчивых, высокоэффективных институциональных механизмов, необходимых для устойчивого развития и решения проблем, связанных с изменением климата (GFOI, 2016).Многие из этих пробелов могут быть устранены за счет применения хорошо зарекомендовавших себя передовых методов, таких как (1) стандартизация данных, (2) сборы метаданных, (3) общие форматы данных и (4) открытые и прозрачные методы (т. е. бесплатные и открытый исходный код). Продвижение этих лучших практик способствует функциональной совместимости, обмену данными между различными учреждениями и снижению барьеров для доступа к данным.

К счастью, во многих случаях затраты и технические знания, необходимые для применения этих технологий и методов для устранения пробелов, в целом снижаются.Доступность высококачественных данных дистанционного зондирования и данных ГИС неуклонно росла благодаря пакетам обработки и большим общедоступным хранилищам данных, таким как хранилище Google Earth Engine (GEE), которое теперь свободно доступно для академического, неправительственного и государственного секторов (Gorelick et al., 2017; Markert et al., 2018; Poortinga et al., 2018). Появилось много новых инструментов, сайтов и организаций, чтобы увеличить мощность и упростить веб-картографию, веб-карты и ГИС-сервисы, одновременно снижая стоимость и другие барьеры для входа.Точно так же становится все более доступным высококачественное техническое обучение работе с такими инструментами, как GEE, QGIS, Python, R, SEPAL, OpenFORIS и другими бесплатными или недорогими инструментами пространственного анализа. В дополнение к этим инструментам, которые можно использовать для самостоятельного обучения и совершенствования, многие организации (включая авторов этого документа) работают над проведением семинаров, которые разрабатывают новые инструменты и помогают наращивать институциональный потенциал.

6. Заключение

Подводя итог, можно сказать, что наш подход, основанный на участии заинтересованных сторон, потенциально может быть применен в других контекстах для стимулирования совместной работы по решению схожих проблем и создания партнерских отношений и сетей, включая учреждения, агентства и экспертов из разных стран с общими целями.В нашем случае этому процессу разработки способствовало активное участие региональных групп конечных пользователей в обсуждениях, консультациях и наращивании потенциала, чтобы обеспечить эффективное внедрение RLCMS в формулирование и реализацию политики на всех региональных уровнях, а также в качестве средства расширения региональных сотрудничество в сфере землеустройства.

Заявление о доступности данных

Наборы данных, созданные для этого исследования, доступны по запросу соответствующему автору.

Вклад авторов

Все перечисленные авторы внесли существенный, непосредственный и интеллектуальный вклад в работу и одобрили ее для публикации.

Конфликт интересов

КТ, ПК, АП и РБ работают в ООО «Группа пространственной информатики». NC работает в Google. MP, IH и PM работают в RedCastle Resources.

Остальные авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы благодарим участвующие агентства, организации гражданского общества и университетских партнеров за то, что они рассказали об основных проблемах, с которыми они сталкиваются при создании и использовании геопространственных данных для принятия обоснованных решений, а также за определение критериев проектирования для руководства совместной разработкой общей региональной системы мониторинга земного покрова. .Поддержка этой работы была оказана через совместную инициативу Агентства США по международному развитию (USAID) и Национального управления по аэронавтике и исследованию космического пространства (НАСА) SERVIR и Миссии USAID по региональному развитию в Азии.

Дополнительный материал

Дополнительный материал к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/fenvs.2019.00150/full#supplementary-material

.

Ссылки

Бергер, М., Морено, Дж., Йоханнессен, Дж. А., Левелет, П. Ф., и Ханссен, Р. Ф. (2012). Дозорные миссии ЕКА в поддержку науки о земной системе. Дистанционный датчик окружающей среды. 120, 84–90. doi: 10.1016/jrse.2011.07.023

Полнотекстовая перекрестная ссылка | Академия Google

Бернаки П. и Вальдорф Д. (1981). Выборка «снежный ком»: проблемы и методы выборки по цепочке направлений. Соц. Методы Рез. 10, 141–163. дои: 10.1177/0048101000205

Полнотекстовая перекрестная ссылка | Академия Google

Бунуа, Л. , DeFries, R., Collatz, GJ, Sellers, P., and Khan, H. (2002). Влияние преобразования земного покрова на приземный климат. Клим. Изменение 52, 29–64. дои: 10.1023/A:1013051420309

Полнотекстовая перекрестная ссылка | Академия Google

Buchanan, G.M., Butchart, S.H., Dutson, G., Pilgrim, J.D., Steininger, M.K., Bishop, K.D., et al. (2008). Использование дистанционного зондирования для информирования оценки состояния сохранения: оценки недавних темпов обезлесения в Новой Британии и воздействия на эндемичных птиц. биол. Консерв. 141, 56–66. doi: 10.1016/j.biocon.2007.08.023

Полнотекстовая перекрестная ссылка | Академия Google

Четтри Н., Шакья Б., Тапа Р. и Шарма Э. (2008). Статус системы охраняемых территорий в Гиндукуш-Гималаях: анализ покрытия. Междунар. Дж. Биодайверс. науч. Управлять. 4, 164–178. doi: 10.3843/Biodiv.4.3:4

Полнотекстовая перекрестная ссылка | Академия Google

Костенбадер Дж., Бродхед Дж. , Ясми Ю. и Дерст П.Б. (2015). Факторы, влияющие на изменение лесов в субрегионе Большого Меконга (GMS): обзор . Рим: ФАО.

Академия Google

Кертис, П. Г., Слей, К. М., Харрис, Н. Л., Тюкавина, А., и Хансен, М. К. (2018). Классификация факторов глобальной утраты лесов. Наука 361, 1108–1111. doi: 10.1126/science.aau3445

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Фоли, Дж. А., ДеФрис, Р., Аснер, Г. П., Барфорд, К., Бонан, Г., Carpenter, S.R., et al. (2005). Глобальные последствия землепользования. Наука 309, 570–574. doi: 10.1126/science.1111772

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Фриц, С., См., Л., и Рембольд, Ф. (2010). Сравнение глобальных и региональных карт земного покрова со статистической информацией по сельскому хозяйству в Африке. Междунар. J. Дистанционный датчик 31, 2237–2256. дои: 10.1080/014311606598

Полнотекстовая перекрестная ссылка | Академия Google

Функ, К. , Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., et al. (2015). Климат опасен инфракрасными осадками со станциями — новый экологический рекорд для мониторинга экстремальных явлений. наук. Данные 2:150066. doi: 10.1038/sdata.2015.66

Полнотекстовая перекрестная ссылка | Академия Google

Ге, Дж., Ци, Дж., Лофгрен, Б., Мур, Н., Торбик, Н., и Олсон, Дж. (2007). Влияние точности классификации землепользования/покрова на моделирование регионального климата. Ж. Геофиз. Рез. 112, D05107, 1–12. дои: 10.1029/2006JD007404

Полнотекстовая перекрестная ссылка | Академия Google

ГФОИ (2016). Интеграция дистанционного зондирования и наземных наблюдений для оценки выбросов и абсорбции парниковых газов в лесах: методы и рекомендации Глобальной инициативы по наблюдению за лесами, издание 2.0. Рим: Продовольственная и сельскохозяйственная организация, 1–224.

Академия Google

Гун, П., Ван, Дж., Ю, Л., Чжао, Ю. , Чжао, Ю., Лян Л. и др. (2013). Наблюдение с более высоким разрешением и мониторинг глобального земного покрова: первые результаты картографирования с использованием данных landsat tm и etm+. Междунар. J. Дистанционный датчик 34, 2607–2654. дои: 10.1080/01431161.2012.748992

Полнотекстовая перекрестная ссылка | Академия Google

Горелик Н., Ханчер М., Диксон М., Ильющенко С., Тау Д. и Мур Р. (2017). Google Earth Engine: геопространственный анализ планетарного масштаба для всех. Дистанционный датчик окружающей среды. 202, 18–27.doi: 10.1016/jrse.2017.06.031

Полнотекстовая перекрестная ссылка | Академия Google

Холл, Д., Хирш, П., и Ли, Т. М. (2011). Введение в права исключения: земельные дилеммы в Юго-Восточной Азии . Сингапур: Издательство Национального университета Сингапура; Гонолулу, Гавайи: Издательство Гавайского университета.

Академия Google

Хансен М.С., Потапов П.В., Мур Р., Ханчер М., Турубанова С. А., Тюкавина А. и соавт. (2013). Глобальные карты изменения лесного покрова в 21 веке в высоком разрешении. Наука 342, 850–853. doi: 10.1126/science.1244693

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Хансен, М.К., и Рид, Б. (2000). Сравнение продуктов глобального земного покрова IGBP Discover и Университета Мэриленда на 1 км. Междунар. J. Remote Sens. 21, 1365–1373. дои: 10.1080/014311600210218

Полнотекстовая перекрестная ссылка | Академия Google

Герольд М., Майо П., Вудкок К., Баччини А. и Шмуллиус К. (2008).Некоторые проблемы картографирования глобального земного покрова: оценка согласованности и точности существующих наборов данных размером 1 км. Дистанционный датчик окружающей среды. 112, 2538–2556. doi: 10.1016/jrse.2007.11.013

Полнотекстовая перекрестная ссылка | Академия Google

Hibbard, K., Janetos, A., van Vuuren, D.P., Pongratz, J., Rose, S.K., Betts, R., et al. (2010). Приоритеты исследований в области землепользования и изменения земного покрова для системы Земли и моделирования для комплексной оценки. Междунар. Дж. Климатол. 30, 2118–2128.doi: 10.1002/joc.2150

Полнотекстовая перекрестная ссылка | Академия Google

Имаока К., Качи М., Фуджи Х., Мураками Х., Хори М., Оно А. и др. (2010). Миссия по наблюдению за глобальными изменениями (gcom) для мониторинга углерода, водных циклов и изменения климата. Проц. IEEE 98, 717–734. doi: 10.1109/JPROC.2009.2036869

Полнотекстовая перекрестная ссылка | Академия Google

Айвз, Дж. Д., и Мессерли, Б. (2003). Гималайская дилемма: примирение развития и сохранения .Лондон; Нью-Йорк, штат Нью-Йорк: Рутледж.

Академия Google

Джа, М.К., и Чоудари, В. (2007). Проблемы использования дистанционного зондирования и ГИС в развивающихся странах. Гидрогеол. J. 15, 197–200. doi: 10.1007/s10040-006-0117-1

Полнотекстовая перекрестная ссылка | Академия Google

Юнг М. , Хенкель К., Герольд М. и Чуркина Г. (2006). Использование синергии продуктов глобального земного покрова для моделирования углеродного цикла. Дистанционный датчик окружающей среды. 101, 534–553.doi: 10.1016/jrse.2006.01.020

Полнотекстовая перекрестная ссылка | Академия Google

Джастис, К.О., Вермоте, Э., Тауншенд, Дж.Р., Дефрис, Р., Рой, Д.П., Холл, Д.К., и другие. (1998). Спектрорадиометр среднего разрешения (modis): дистанционное зондирование земли для исследования глобальных изменений. IEEE Trans. Geosci. Дистанционный датчик 36, 1228–1249. дои: 10.1109/36.701075

Полнотекстовая перекрестная ссылка | Академия Google

Китюттачай, К., Хенг, С., и Соу, В. (2016).«Карта земного покрова нижней части бассейна Меконга», в Техническом документе (Вьентьян).

Академия Google

Leinenkugel, P., Kuenzer, C., Oppelt, N., and Dech, S. (2013). Характеристика фенологии земной поверхности и земного покрова на основе спутниковых данных среднего разрешения в районах, подверженных облачности, — новый продукт для бассейна Меконга. Дистанционный датчик окружающей среды. 136, 180–198. doi: 10.1016/j.rse.2013.05.004

Полнотекстовая перекрестная ссылка | Академия Google

Ляйненкугель, П., Оппельт, Н., и Куэнцер, К. (2014). Новая карта растительного покрова Меконга: крупнейшего трансграничного речного бассейна Юго-Восточной Азии. Пасифик. География. 41, 10–14.

Академия Google

Лиллесанд, Т., Кифер, Р. В., и Чипман, Дж. (2014). Дистанционное зондирование и интерпретация изображений . Хобокен, Нью-Джерси: John Wiley & Sons.

Академия Google

Маркерт К., Шмидт К., Гриффин Р., Флорес А., Поортинга А., Саах Д. и др. (2018). Исторический и оперативный мониторинг поверхностных отложений в бассейне нижнего Меконга с использованием облачных вычислений landsat и google earth engine. Дистанционный датчик 10:909. дои: 10.3390/rs10060909

Полнотекстовая перекрестная ссылка | Академия Google

МакКаллум И., Оберштайнер М. , Нильссон С. и Швиденко А. (2006). Пространственное сравнение наборов данных о глобальном земном покрове размером 1 км, полученных с помощью четырех спутников. Междунар. Дж. Заявл. Обсерватория Земли. Геоинформ. 8, 246–255. doi: 10.1016/j.jag.2005.12.002

Полнотекстовая перекрестная ссылка | Академия Google

Пандей, С., Бхандари, Х.С., и Харди, Б. (2007). «Экономические издержки засухи и механизмы выживания фермеров, выращивающих рис: межстрановой сравнительный анализ», в Международном научно-исследовательском институте риса (Лос-Баньос).

Академия Google

Пандит, М., Содхи, Н.С., Кох, Л.П., Бхаскар, А., и Брук, Б.В. (2007). Незарегистрированная, но массовая вырубка лесов приводит к утрате эндемического биоразнообразия в Индийских Гималаях. Биодайвер. Консерв. 16, 153–163. doi: 10.1007/s10531-006-9038-5

Полнотекстовая перекрестная ссылка | Академия Google

Пил М., Финлейсон Б. и МакМахон Т. (2007). Обновлена ​​карта мира по классификации климата Коппен-Гейгера. Гидр. Земля Сист.науч. 11, 1633–1644.

Академия Google

Перера, К., Херат, С., Апан, А., и Самаракун, Л. (2010). Картирование растительного покрова Меконга с разрешением 250 м без наблюдений на месте . Азиат Ж. Геоинформ. 10, 31–41.

Академия Google

Poortinga, A., Bastiaanssen, W., Simons, G., Saah, D., Senay, G., Fenn, M., et al. (2017). Самокалибрующаяся модель дистанционного зондирования стока и речного стока для неизмеряемых бассейнов с использованием данных наблюдения Земли в открытом доступе. Дистанционный датчик 9:86. дои: 10.3390/rs

86

Полнотекстовая перекрестная ссылка | Академия Google

Poortinga, A., Clinton, N., Saah, D., Cutter, P., Chishtie, F., Markert, K., et al. (2018). Оперативная платформа до и после воздействия (BACI), разработанная для мониторинга растительности в планетарном масштабе. Дистанционный датчик 10:760. дои: 10.3390/rs10050760

Полнотекстовая перекрестная ссылка | Академия Google

Поортинга А. , Теннесон К., Шапиро А., Нгуен К., Сан Аунг, К., Чишти, Ф., и др. (2019). Картирование плантаций в Мьянме путем слияния данных landsat-8, sentinel-2 и sentinel-1, а также количественная оценка систематических ошибок. Дистанционный датчик 11:831. дои: 10.3390/rs11070831

Полнотекстовая перекрестная ссылка | Академия Google

Потапов П., Тюкавина А., Турубанова С., Талеро Ю., Эрнандес-Серна А., Хансен М. и др. (2019). Годовые непрерывные поля структуры древесной растительности в нижнем течении реки Меконг за период с 2000 по 2017 год во временном ряду. Дистанционный датчик окружающей среды. 232:111278. doi: 10.1016/j.rse.2019.111278

Полнотекстовая перекрестная ссылка | Академия Google

Рекхоу, К. Х. (1994). Важность научной неопределенности в принятии решений. Окружающая среда. Управлять. 18, 161–166. дои: 10.1007/BF02393758

Полнотекстовая перекрестная ссылка | Академия Google

Рид, Массачусетс (2008). Участие заинтересованных сторон в управлении окружающей средой: обзор литературы. биол. Консерв. 141, 2417–2431.doi: 10.1016/j.biocon.2008.07.014

Полнотекстовая перекрестная ссылка | Академия Google

Рой, Д. П., Вулдер, М., Лавленд, Т. Р., Вудкок, К., Аллен, Р., Андерсон, М., и соавт. (2014). Landsat-8: научное и продуктовое видение для исследования глобальных изменений на Земле. Дистанционный датчик окружающей среды. 145, 154–172. doi: 10.1016/jrse.2014.02.001

Полнотекстовая перекрестная ссылка | Академия Google

Бег, С. В., Лавленд, Т. Р., и Пирс, Л. Л. (1994). Логика классификации растительности, основанная на дистанционном зондировании, для использования в глобальных биогеохимических моделях. Амбио 23, 77–81.

Академия Google

Саах, Д., Джонсон, Г., Эшмолл, Б., Тондапу, Г., Теннесон, К., Паттерсон, М., и др. (2019). Собери землю: онлайн-инструмент для систематического сбора справочных данных в приложениях о растительном покрове и использовании. Окружающая среда. Модель. ПО 118, 166–171. doi: 10.1016/j.envsoft.2019.05.004

Полнотекстовая перекрестная ссылка | Академия Google

Саах, Д., Теннесон, К., Поортинга, А., Нгуен, К., и Чишти, Ф. (в печати).Примитивы как строительные блоки для построения карт земельного покрова. Междунар. Дж. Заявл. Обсерватория Земли. Геоинформ .

Академия Google

Simons, G., Poortinga, A., Bastiaanssen, W.G., Saah, D., Troy, D., Hunink, J., et al. (2017). О пространственно распределенных гидрологических экосистемных услугах: восполнение пробела в количественной информации с использованием дистанционного зондирования и гидрологических моделей . Вода Будущего.

Академия Google

Сингх, С. П., Бассигнана-Хадка, И., Сингх Карки, Б., и Шарма, Э. (2011). Изменение климата в Гиндукуше-Гималаях: современные знания . Технический отчет, Международный центр комплексного развития горных районов (ICIMOD).

Академия Google

Стибиг Х. , Ачард Ф., Карбони С., Раши Р. и Миеттинен Дж. (2013). Изменение покрова тропических лесов Юго-Восточной Азии с 1990 по 2010 гг. Biogeosci. Обсудить 10, 12625–12653. doi: 10.5194/bgd-10-12625-2013

Полнотекстовая перекрестная ссылка | Академия Google

Толентино, П.L., Poortinga, A., Kanamaru, H., Keesstra, S., Maroulis, J., David, C.P.C., et al. (2016). Прогнозируемое воздействие изменения климата на гидрологический режим на Филиппинах. PLoS ONE 11:e0163941. doi: 10.1371/journal.pone.0163941

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Трипке, Ф.Дж., Брюэр, С.К., Ливелл, Д.М., и Новак, С.Дж. (2008). Картирование лесных союзов и ассоциаций с использованием нечетких систем и классификаторов ближайших соседей. Дистанционный датчикОкружающая среда. 112, 1037–1050. doi: 10.1016/jrse.2007.07.014

Полнотекстовая перекрестная ссылка | Академия Google

Вулдер, М. А., Масек, Дж. Г., Коэн, В. Б., Лавленд, Т. Р., и Вудкок, К. Э. (2012). Открывая архив: как бесплатные данные помогли науке и мониторингу Landsat. Дистанционный датчик окружающей среды. 122, 2–10. doi: 10.1016/j.rse.2012.01.010

Полнотекстовая перекрестная ссылка | Академия Google

Мониторинг и прогнозирование изменений в землепользовании и земном покрове с использованием дистанционного зондирования и методов ГИС — тематическое исследование холмистой местности, Цзянле, Китай

Abstract

Исследование землепользования и изменения растительного покрова применялось к оползням, эрозии, планированию земель и глобальным изменениям.На основе модели CA-Маркова это исследование прогнозирует пространственные модели землепользования в 2025 и 2036 годах на основе динамических изменений моделей землепользования с использованием дистанционного зондирования и географической информационной системы. CA-Markov объединяет преимущества клеточных автоматов и анализа цепей Маркова для прогнозирования будущих тенденций землепользования на основе исследований изменений землепользования в прошлом. На основе изображений Landsat 5 TM за 1992 и 2003 годы и изображений Landsat 8 OLI за 2014 год в рамках этого исследования была получена карта классификации землепользования для каждого года.Затем с помощью программного обеспечения IDRISI была получена вероятность генетического перехода с 1992 по 2003 год. На основе СА-марковской модели получена прогнозная карта землепользования на 2014 г., которая подтверждена фактическими результатами землепользования 2014 г. с индексом Каппа 0,8128. Наконец, были определены модели землепользования на 2025 и 2036 годы в округе Цзянле. Это исследование может дать предложения и основу для планирования городского развития в округе Цзянле.

Образец цитирования: Липин С., Юджун С., Саид С. (2018) Мониторинг и прогнозирование изменений в землепользовании и растительном покрове с использованием методов дистанционного зондирования и ГИС — тематическое исследование холмистой местности, Цзян, Китай.ПЛОС ОДИН 13(7): e0200493. https://doi.org/10.1371/journal.pone.0200493

Редактор: Андреас Вестергаард-Нильсен, Университет Копенгагена, ДАНИЯ

Поступила в редакцию: 4 ноября 2017 г.; Принято: 27 июня 2018 г .; Опубликовано: 13 июля 2018 г.

Авторское право: © 2018 Liping et al. Это статья с открытым доступом, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Данные дистанционного зондирования доступны в Геологической службе США (http://glovis.usgs.gov) бесплатно. ASTER GDEM доступен бесплатно в облаке геопространственных данных (http://www.gscloud.cn/).

Финансирование: Это исследование было поддержано проектом «Внедрить науку и технологию многофункционального управления лесами системы Forplan» (№ 2015-4-31). Спонсоры не участвовали в разработке исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.

Введение

Программы исследований в области землепользования в глобальном масштабе стали центральными в международных исследованиях изменения климата и окружающей среды с момента запуска проекта изменения землепользования и растительного покрова (LULC)[1]. LULC имеет две отдельные терминологии, которые часто используются взаимозаменяемо[2]. Почвенный покров относится к биофизическим характеристикам земной поверхности, включая распределение растительности, воды, почвы и другие физические характеристики земли.В то время как землепользование относится к тому, как земля использовалась людьми и их средой обитания, обычно с акцентом на функциональную роль земли для экономической деятельности [3–5]. Например, с точки зрения урбанизации большое количество сельскохозяйственных/лесных угодий было преобразовано в городские земли, а горнодобывающая деятельность/эксплуатация нефти происходила по всему миру для удовлетворения потребностей людей и может прямо и очевидно привести к LUCC[6, 7]. В прошлых исследованиях глобальные экологические изменения, такие как выбросы парниковых газов, глобальное изменение климата, потеря биоразнообразия и потеря почвенных ресурсов, были тесно связаны с изменениями LULC[8].Землепользование и изменение растительного покрова (LULCC) представляет собой преобразование различных типов землепользования и является результатом сложных взаимодействий между людьми и физической средой[9]. LULCC является основной движущей силой глобальных изменений и оказывает значительное влияние на экосистемные процессы, биологические циклы и биоразнообразие[7, 10, 11]. Более того, LULCC также тесно связана с устойчивым развитием социальной экономики[12, 13]. Огромные площади земной поверхности подверглись LULCC[14–16]. При быстром экономическом развитии землепользование меняется быстрее, а также увеличивается контраст между типами землепользования[17].

Различные методы анализа обнаружения изменений LULC обсуждались Лу и др. [18]. Можно создать модель для прогнозирования тенденций в землепользовании в определенный период времени путем изучения прошлых изменений в землепользовании, что может обеспечить некоторую основу для научного и эффективного планирования землепользования, управления и восстановления окружающей среды в изучаемой области. и руководство для регионального социально-экономического развития. Таким образом, для понимания и оценки изменений LULC необходима точная и актуальная информация об изменении земного покрова.Дистанционное зондирование (ДЗ) и географическая информационная система (ГИС) являются важными инструментами для получения точных и своевременных пространственных данных о землепользовании и растительном покрове, а также для анализа изменений на изучаемой территории[19–21]. Изображения дистанционного зондирования могут эффективно фиксировать ситуации землепользования и обеспечивать превосходный источник данных, из которых обновленная информация и изменения LULC могут быть извлечены, проанализированы и эффективно смоделированы с помощью определенных средств[22, 23]. Поэтому дистанционное зондирование широко используется для обнаружения и мониторинга землепользования в различных масштабах[24–27].ГИС обеспечивает гибкую среду для сбора, хранения, отображения и анализа цифровых данных, необходимых для обнаружения изменений[19, 28, 29].

Моделирование изменения земного покрова означает временную интерполяцию или экстраполяцию, когда моделирование превышает известный период[30]. Обычно используемые модели для оценки изменений земного покрова включают аналитические модели на основе уравнений[31], статистические модели[32], эволюционные модели[33], клеточные модели[34], марковские модели[35], гибридные модели[36], экспертные системы. модели[37] и многоагентные модели[38].В настоящее время наиболее широко используемыми моделями для мониторинга и прогнозирования изменений в землепользовании являются клеточные и агентные модели или смешанная модель, основанная на этих двух типах моделей[39–42]. Модель цепи Маркова и клеточных автоматов (CA-Markov), одна из смешанных моделей, представляет собой гибрид моделей клеточных автоматов и марковской модели. Эта модель эффективно сочетает в себе преимущества долгосрочных прогнозов марковской модели и способность модели клеточных автоматов (CA) моделировать пространственные изменения в сложной системе, и эта смешанная модель может эффективно моделировать изменение земного покрова[43]. .Модель КА представляет собой динамическую модель с локальными взаимодействиями, отражающими эволюцию системы, где пространство и время рассматриваются как дискретные единицы, а пространство часто представляется в виде регулярной решетки из двух измерений[44]. Модели на основе СА обладают сильной способностью представлять нелинейные, пространственные и стохастические процессы. Однако модель ЦА не может представить макромасштабные социальные, экономические и культурные движущие силы, которые хорошо влияют на расширение городов. Таким образом, интеграция агентов в модели CA приводит к улучшенной модели CA-Markov[40].В марковской модели изменение площади резюмируется рядом вероятностей перехода из одного состояния в другое за определенный период времени. Эти вероятности могут быть впоследствии использованы для прогнозирования свойств землепользования в определенные моменты времени в будущем[45]. Использование модели CA-Маркова в исследованиях LULCC имеет такие преимущества, как возможность динамического моделирования; высокая эффективность с данными, дефицит и простая калибровка; и способность моделировать несколько земных покровов и сложные узоры[17, 46]. Многие исследователи применяли модель CA-Маркова для мониторинга землепользования и изменений ландшафта и прогнозов [23, 36, 47, 48]. Поэтому мы приняли этот метод для получения надежных результатов для Jiangle. В этом исследовании LULC 2025 и 2036 годов были предсказаны на основе состояния LULC 2003 и 2014 годов.

В последние десятилетия быстрая миграция населения из сельских районов в городские и улучшение экономических условий в Китае привели к беспрецедентным изменениям LULC и темпам роста городов[6]. Необходимо учитывать движущие силы урбанизации и изменения в городском планировании[48].Многие исследования были сосредоточены на LULCC в масштабе от крупных городов до провинций с точки зрения поверхностного стока, городской непроницаемой поверхности, поверхностных городских островов тепла и т. д. [1, 6, 8, 49, 50]. В то время как есть несколько исследований по небольшим городам, таким как Цзянле, округ, который находится к западу от провинции Фуцзянь. Провинция Фуцзянь, одна из наиболее экономически развитых провинций Китая, расположенная в юго-восточной холмистой местности, играет важную роль в Китае. Более того, провинция Фуцзянь является основным регионом политики «Один пояс, один путь»[51].Jiangle является представительным округом холмистой местности и владеет государственной лесной фермой. В «Плане строительства национальной производственной базы стратегических запасов древесины (2013–2020 годы)» Цзянгл является одной из баз. Поэтому понимание LULC в этой области и прогнозирование будущего LULC может иметь большое значение.

Это исследование направлено на использование данных дистанционного зондирования и инструментов ГИС для анализа LULCC в округе Цзянле в провинции Фуцзянь, Китай, с целью обнаружения изменений в этом районе путем сравнения изображений за два года.На основе марковской модели была установлена ​​вероятность перехода по данным 1992 и 2003 гг., а прогнозные данные 2014 г. обработаны с использованием карт вероятности перехода и пригодности в модели СА. После проверки были спрогнозированы землепользование и земной покров в 2025 и 2036 годах. Наконец, обеспечивается научная основа для принятия решений по охране окружающей среды региона и оптимальному распределению ресурсов.

Изучаемый район

Jiangle, расположенный в западной части провинции Фуцзянь, имеет широту между «26°25′ 31″~27°4’8» северной широты и долготу между 117°5’2″~117°39′. 56” в.д. (рис. 1).Район исследований находится в зоне субтропического муссонного климата с характеристиками морского и континентального климата. Среднегодовая температура составляет 18,7°C. Среднегодовое количество осадков с 2011 по 2015 год составило 1802,16 мм, а безморозный период составляет примерно 273 дня[52]. Осадки за апрель—август составляют более 60 % годовой суммы осадков. Район исследования находится в середине основной части гор Уи со средней высотой 540 м, а его самая высокая вершина на юго-западе — гора Лунси высотой 1620 м.Высота в центре изучаемой области ниже, чем высота вокруг края области. Рельеф имеет наклон с северо-запада на юго-восток. Рельеф сложный, 90% территории района представляет собой горно-холмистый рельеф. Река Цзиньси протекает через округ. Основным типом почв исследуемой территории являются красноземы. Основные типы растительности: естественный вторичный лес, искусственная пихта, Pinus massoniana и Phyllostachys pubescens .

Сбор данных и методы исследования

Рис. 2 иллюстрирует структуру процесса прогнозирования.Основные этапы включают (1) подготовку данных; (2) определение результатов классификации за три года; и (3) применение модели CA-Маркова для получения прогнозов LULC в 2025 и 2036 годах.

Сбор данных

В этом исследовании используются спутниковые снимки дистанционного зондирования Landsat 1992, 2003 и 2014 годов с разрешением 30 м и номерами треков 120/41, 120/42. Подробные данные приведены в таблице 1. Такие документы, как Используются «Классификация статуса землепользования» из национальных стандартов, а также «Экологический бюллетень Фуцзянь» и «Статистический ежегодник Фуцзяня».

Предварительная обработка изображений дистанционного зондирования и проверка точности

Данные изображений дистанционного зондирования за 1992, 2003 и 2014 годы были откалиброваны по радиусу и скорректированы с учетом атмосферы. Относительная геометрическая коррекция трех изображений была проведена для устранения геометрических искажений, вызванных датчиком или вращением Земли. Из-за различий датчиков ТМ и OLI геометрическая коррекция 2002 г. производилась по данным ЦМР изучаемой территории. Затем изображения 1992 и 2014 годов были привязаны к изображению 2002 года[48].Ошибки были менее 1 пикселя. Наконец, была проведена коррекция рельефа и сшивка изображений. Принимая во внимание «Систему классификации земель Китая» и цель данного исследования, типы землепользования были разделены на пять категорий: сельскохозяйственные угодья (включая засушливые земли и рисовые поля), лесные угодья (лесные площади), воды, земли под застройку (включая поселения и дороги) и голая земля. На основе снимков Google Earth, данных Инвентаризации лесов и данных Landsat за разные периоды были отобраны обучающие выборки и проверочные данные за разные периоды.С помощью метода максимального правдоподобия на этих трех изображениях была проведена классификация. Проверка точности проводилась с использованием индекса Каппа и общей точности классификации [53, 54]. Обработка изображений была основана на проекционной системе UTM WGS 1984 (50N). Использовали программное обеспечение ENVI 5.1 и ArcGIS 10.2.

Прогноз будущей динамики LULC

Анализ цепи Маркова.

Анализ цепей Маркова часто используется для моделирования сложных процессов, таких как изменение землепользования.Он в основном используется для изучения вероятности перехода между начальным состоянием и конечным состоянием, чтобы определить тенденцию перехода между различными состояниями землепользования. Анализ цепей Маркова — это случайный процесс, дискретный как по времени, так и по состоянию [55–57]. Процесс моделирования модели в основном создает матрицу переноса площади землепользования и матрицу переноса вероятностей для прогнозирования тенденций изменения землепользования. Здесь модель цепи Маркова может быть описана как набор состояний S = {S ₀ , S ₁ , S ₂ , …, S _n }, предполагая, что текущее состояние S _t , а затем переходит в состояние S _j на следующем шаге с вероятностью, обозначаемой вероятностями перехода p _ij . Таким образом, состояние S _t+1 в системе может быть определено бывшим этапом S _t в цепи Маркова по следующей формуле [58, 59]: (1) (2) где P _ij – матрица вероятности перехода состояния, n – номер вида землепользования; S – статус землепользования, т; t+1 — момент времени. В данном исследовании анализ цепей Маркова проводился в два периода: с 1992 по 2003 год и с 2003 по 2014 год. Таким образом, были получены матрица перехода площади землепользования и матрица вероятности перехода.

Модель клеточного автомата.

Cellular Automata (CA) — это восходящая динамическая модель с пространственно-временным расчетом. Он дискретен в пространстве-времени и состоянии и может выполнять сложные пространственно-временные симуляции[43]. Данные для каждой ячейки в состоянии S _t+1 определяются самой ячейкой и ее соседними ячейками в состоянии S _t , что означает, что изменение в ячейке определяется правилами. Модель Cellular Automata состоит в основном из ячейки, пространства ячейки, соседа, правила и времени.Соседи определяются фильтром модели CA. Чем ближе расстояние между ядерной клеткой и соседней, тем больше будет весовой коэффициент. Весовой коэффициент комбинируется с вероятностями перехода для прогнозирования состояния соседних ячеек сетки, так что изменение землепользования не является полностью случайным решением. Обычно используются районы Мура , расширенного Мура и фон Неймана . В этом исследовании мы использовали окрестности фон Неймана .Правила представляют собой карты пригодности, которые показывают возможность перехода ячейки из одного состояния в другое. Выражение модели: (3) где S — множество состояний конечных ячеек. t и t+1 — разные моменты; N — окрестности ячеек; а f — правило преобразования локального пространства.

CA-марковская модель.

В марковской модели нет пространственных переменных, тогда как статус ячеек в модели CA тесно связан с пространственными переменными. Модель CA-Маркова объединяет способность модели CA моделировать пространственные изменения в сложных системах и преимущества долгосрочных прогнозов модели Маркова. Компонент модели цепи Маркова управляет временной динамикой среди классов LULC на основе вероятностей перехода, в то время как пространственная динамика контролируется локальными правилами, определяемыми либо пространственным фильтром CA, либо картами переходного потенциала. Матрица переходных вероятностей, созданная моделью цепи Маркова, является одним из входных данных модели CA[23].Марковская модель CA эффективно сочетает в себе преимущества модели Маркова и модели CA. В то же время можно эффективно моделировать точность пространственного прогнозирования[60]. Процесс прогнозирования с помощью модели CA-Маркова состоит из 1) построения атласа пригодности на основе MCE, 2) создания матрицы перехода и матрицы вероятности перехода состояния с использованием модели Маркова и 3) прогнозирования будущего LULC с использованием модели CA. .

Подготовка карт пригодности.

Для использования Cellular Automata атлас пригодности для всех классов считается предварительным требованием[17].Атлас пригодности содержит ряд карт пригодности, которые обычно строятся с помощью многокритериальной оценки (MCE). Основная цель MCE — интегрировать различные правила для получения единого индекса оценки[61]. MCE включает две части: ограничения (жесткие правила) и факторы (мягкие правила). Ограничения — это критерии, ограничивающие расширение классов. Ограничения выражаются в виде логических карт, где неподходящим областям будет присвоено значение 0, а подходящим областям будет присвоено значение 1.Факторы определяют степень пригодности области для изменения (в основном на основе расстояния) [62]. Процесс подготовки данных показан на рис. 2. Он включает 3 этапа: (1) идентификация и разработка критериев, (2) стандартизация критериев и (3) агрегирование критериев для получения карты пригодности для каждого класса.

Из-за сложности местности, социальной застройки и Положения о проведении почво-водосберегающих работ, существующий уклон, дорога, строительная площадка, вода принимаются для построения правил. Район воды и строительства был получен из карт LULC. Дорога была загружена с OpenStreetMap и проверена по данным изображений каждого года. Уклон получен по данным ЦМР района исследования с разрешением 30×30 м. Изображения факторов и ограничений были впервые подготовлены в ArcGIS 10.0. Затем изображения были импортированы в IDRISI 17.0 для дальнейшей обработки. С помощью модуля Decision Wizard в IDRISI были получены карты пригодности (Вода, Строительство, Голая земля, Лес и Сельскохозяйственные угодья) (рис. 3).Во-первых, ограничения на 2014 год были стандартизированы в логические карты. Здесь мы использовали два ограничения: воду и существующую застройку, потому что никакие изменения не могут происходить в водоемах и существующих строительных площадках. Во-вторых, для обработки стандартных факторов использовалась нечеткая функция в сочетании с взвешенной линейной комбинацией (WLC). В ходе стандартизации коэффициенты были растянуты от 0 до 255 с использованием различных нечетких функций и контрольных точек. Для различных типов факторов нечеткие функции могут быть сигмоидальными, J-образными и линейными, с монотонно возрастающими/убывающими или симметричными.Для контрольных точек мы устанавливаем их в соответствии со статистическими результатами или постановлениями правительства. Веса факторов были получены с помощью функции AHP в модуле WLC. В-третьих, в модуле MCE обрабатывалась карта пригодности определенного класса с ограничениями, факторами и весами. Наконец, с помощью редактора коллекций в IDRISI был получен атлас пригодности.

Рис. 3. Исходные данные и карты пригодности.

Строительство (b), Голая земля (c), Лес (d), Сельхозугодья (e) и Вода (a) являются картами пригодности.Уклон (f), высота (g), дорога (h) и конструкция (i) являются входными данными.

https://doi.org/10.1371/journal.pone.0200493.g003

Прогноз изменения LULC.

В этом исследовании ячейка представляет собой ячейку сетки изображения, размер единицы составляет 30×30 мм, а пространственная структура землепользования в целом представляет собой пространство ячейки. Интервал времени составляет 11 лет, поэтому количество циклов для клеточного автомата равно 11. Сначала вычисляются матрица перехода землепользования и матрица вероятности перехода состояний с 1992 по 2003 год и с 2003 по 2014 год с использованием марковского модуля IDRISI 17.0. На основе карты пригодности MCE для определения пригодности используется модуль многокритериального принятия решений (многокритериальная оценка, MCE) в IDRISI[63]. После сравнения результатов, полученных при использовании фильтра 3 × 3, с фильтром 5 × 5 в процессе моделирования CA, мы приняли фильтр 5 × 5, что означает, что изменение статуса центральной ячейки будет зависеть от соседних ячеек 5 × 5. . Наконец, прогнозы землепользования на 2025 и 2036 годы на основе данных 2003 и 2014 годов были выполнены с использованием модуля CA-Markov, интегрированного в IDRISI.

Проверка модели CA-Маркова.

Калибровка и проверка модели — важный этап в процессе прогнозирования модели. Полезность модели зависит от выходных данных модели проверки. Индекс Каппа — один из наиболее популярных методов количественной оценки предсказательной силы модели[23]. То есть сравнить прогнозируемые данные с эталонными данными с помощью модуля VALIDATE. Используя модуль CROSSTAB в IDRISI, предсказанный LULC 2014 года сравнивается с наблюдаемыми результатами 2014 года для получения индекса Каппа.Когда индекс Каппа является приемлемым, можно прогнозировать землепользование и растительный покров в 2025 и 2036 годах.

Результаты и обсуждение

Результаты классификации и анализа

Результаты классификации предварительно обработанных изображений 1992, 2003 и 2014 гг. представлены на рис. 4. По результатам классификации статистика за три года различных типов площадей землепользования и их пропорции приведены в табл. Из Таблицы 2 и Рис. 4 следует, что площадь лесного массива является наибольшей на изучаемой территории.Площадь лесов составляет 2012,78 км ² , 2020,76 км ^{2 ,} и 1997,88 км ² в 1992, 2003 и 2014 годах соответственно. Площадь застройки постепенно увеличивается в течение 22 лет с 1992 по 2014 год, что характерно для процесса урбанизации Китая. Площадь акватории имеет тенденцию сначала к уменьшению, а затем к увеличению. По снимкам лет и соответствующим данным были разработаны и углублены водоемы. На ранней стадии существовало значительное оборудование для добычи песка, и наносы накапливались.Ширина реки в 2014 г. была меньше, чем в 1992 г., поэтому площадь акватории резко уменьшилась. Изменения в лесах и голых землях коррелируют с расширением городов и вырубкой леса. В государственном лесном хозяйстве Jiangle преобладает пихта китайская, которую вырубают и сажают в течение определенного периода времени.

В этом исследовании для оценки точности классификации случайным образом выбраны 163 полигона для Landsat TM и 172 полигона для Landsat OLI. Данные проверки выбираются случайным образом и вручную на основе карт Google и инвентаризации управления лесами.Таблица 3 содержит результаты оценки трех периодов изображений. Точность производителя и точность пользователя получаются с помощью матрицы путаницы. Общая точность классификации в 1992, 2003 и 2014 годах составляет 94,94%, 92,12% и 92,33% соответственно с индексами Каппа 0,9254, 0,8964 и 0,8746 соответственно.

Анализ изменений в землепользовании

На рис. 5 представлена ​​схема каждого вида землепользования в периоды 1992–2003 гг. (рис. 5(A)), 2003–2014 гг. (рис. 5(B)) и 1992–2014 гг. (рис. 5(C)), а диаграммы показывают увеличение и уменьшение каждого вида землепользования.Таблица 4 представляет собой статистическую таблицу изменений в землепользовании в Цзянле. Рассматривая Рис. 5 и Таблицу 4, можно сделать вывод, что изменения в землепользовании очевидны в течение трех периодов. Рис. 6 представляет собой схематическую карту увеличения и уменьшения различных типов землепользования с 1992 по 2014 год. Для определенного землепользования и типа земного покрова зеленые ячейки означают, что в этот период тип LULC ячейки переносится из другого LULC. введите в этот конкретный тип LULC. Напротив, красные ячейки означают, что определенный тип землепользования LULC передается другим типам.На рис. 7 показано взаимное преобразование различных типов землепользования с 1992 по 2014 гг. На рис. 7 каждый цвет представляет один вид преобразования.

В период с 1992 по 2003 год чистые изменения площади акватории и площади сельскохозяйственных угодий относительно велики и составляют более 30%. Площадь акватории и сельскохозяйственных угодий, переведенных в другие виды землепользования, составляет 6,32 км ² и 30,20 км ² , что составляет 44,58% и 53,50% соответственно. Процент других видов землепользования, которые переходят в воду и сельскохозяйственные угодья, составляет 19.35% и 32,77% соответственно. Согласно изображениям дистанционного зондирования и материалам, добыча песка и разведка шахт проводились вокруг реки Цзиньси, которая протекала через округ Цзянле; поэтому река Цзиньси стала уже. Сельскохозяйственные угодья переходят в земли под застройку и пустыри под влиянием процесса урбанизации. Согласно Таблице 4, площадь земель под застройку увеличилась на 9,21 км ² , что составляет 17,05%. Кроме того, процент этой земли под застройку, которая передается другим видам землепользования, составляет 57.55%, а количество площадей, переданных под застройку, составляет 63,74%. Чистое увеличение голых земель составляет 19,33 км ² , что составляет 27,08% площади, а процент площади, которая переходит в голые земли и из них, составляет 76,26% и 69,93% соответственно. Чистый прирост площади лесов составляет 7,98 км ² , что составляет 0,4% площади. Площадь, которая переходит в лесные массивы и из них, составляет 3,26% и 2,87% соответственно. Из-за зрелости лесов и развития экономики в этот период относительно высок процент голых земель.

Из площади, которая изменилась в период с 2003 по 2014 год, вода претерпела наибольшее изменение, на 45,34%, с чистым увеличением площади на 6,29 км ² . Процент площади, которая переходит из воды в другой тип землепользования, составляет 9,42%, а процент площади, которая переходит в воду, составляет 37,68%. Согласно анналам округа Джинагле, площадь акватории резко увеличивается из-за ряда улучшений, очистки от песка, уменьшения выемки песка и т. д., которые были частью дноуглубительных работ на реке Цзиньси.Площадь сельскохозяйственных угодий увеличилась на 28,93% по сравнению с 2003 г., с чистым увеличением площади на 19,6 км ² . Процент площади, которая переходит в сельскохозяйственные угодья и из сельскохозяйственных угодий, составляет 65,08% и 55,08% соответственно. Площадь земли под строительство увеличивалась медленно, с чистым увеличением на 5,86 км ² , что составляет 9,27%. Процент площади, которая переходит в землю под застройку и из нее, составляет 56,31% и 55,08% соответственно. Площадь голых земель и лесных массивов уменьшается. Площадь голой земли уменьшается 8.86 км ² , что составляет 9,77%. Процент площади, которая переходит в голую землю и из нее, составляет 66,80% и 70,08% соответственно. Площадь лесного массива уменьшается на 22,88 км ² , что составляет 1,13%. Процент площади, которая переходит в лесную зону и из нее, составляет 2,72% и 3,81% соответственно.

По изменениям с 1992 по 2014 г. акватория равнинная, а изменения с 1992 по 2003 г. и с 2003 по 2014 г. демонстрируют динамические изменения за счет благоустройства реки Цзиньси.В целом площадь застройки увеличилась с 54,01 км ² до 69,08 км ² , что составляет 27,09% от увеличения площади. Процент площади, которая переходит в застройку и из нее, составляет 66,06% и 56,57% соответственно. Площадь голой земли увеличивается с 71,36 км ² до 81,83 км ² , что составляет 14,67%, а процент площади, которая превратилась в голую землю и из нее, составляет 87,72% и 85,98%, соответственно, и эти изменения являются результатом экономического развития и рубки леса.Площадь сельскохозяйственных угодий уменьшается с 97,94 км ² до 87,34 км ² , что составляет 10,82% уменьшающейся площади. Процент площади, которая переходит в сельскохозяйственные угодья и из нее, составляет 54,13% и 59,18% соответственно, и эти изменения являются комплексными результатами рубки леса и экономического развития. Процент площади лесов изменился незначительно и составил 0,74%.

Анализ скорости изменения между двумя разными моделями

В табл. 5 и 6 приведены статистические таблицы динамики изменения землепользования в Цзянге в 1992–2003 и 2003–2014 гг.Самая быстрая скорость изменения с 1992 по 2003 г. – это голая земля, которая составляет 15,17 км ² .a ^-1 , а ее скорость передачи и коэффициент усиления составляют 6,36 км ² .a ^-1 и 8,82 км ^{2 .} .а ^-1 соответственно. Индекс динамики голой земли составляет 6,36 км ² .a ^-1 . На втором месте по скорости изменения находится площадь земли под застройку, которая составляет 12,01 км ² .a ^-1 . Коэффициент передачи и прироста площади земель под застройку составляет 5,23 км ² .а ^-1 и 6,78 км ² .а ^-1 соответственно, а динамическая скорость земли под застройку составляет 5,23 км ² . а ^-1 . Темпы изменения воды и сельскохозяйственных угодий низкие, а именно 5,26 км ² .а ^-1 и 6,92 км ² .а ^-1 соответственно. Однако их динамические скорости самые высокие: 4,05 км ² .а ^-1 и 4,86 ​​км ² .а ^-1 соответственно. Скорость изменения и динамическая скорость леса самые низкие, а именно 0.56 км ² .а ^-1 и 0,26 км ² .а ^-1 соответственно. За период 2003–2014 гг. сельхозугодья имеют самую высокую скорость изменения, которая составляет 12,64 км ² .a ^-1 , а ее скорость переноса и коэффициент прироста составляют 5,01 км ² .a ^-1 и 7,64. км ² .а ^-1 соответственно. Динамическая скорость сельхозугодий составляет 5,01 км ² .a ^-1 . Следующим по скорости изменения является голая земля, которая составляет 11,86 км ² . ^-1 . Скорость передачи и коэффициент усиления голой земли составляют 6,37 км ² .a ^-1 и 5,48 км ² .a ^-1 соответственно. Динамическая скорость голой земли составляет 6,37 км ² .a ^-1 . Скорость изменения земли под застройку составляет 10,34 км ² .a ^-1 , а ее динамическая скорость составляет 4,75 км ² .a ^-1 . Скорости смены воды и леса ниже и составляют 5,84 км ² .а ^-1 и 0,59 км ² .а ^-1 соответственно. Их динамические скорости составляют 0,86 км ² .a ^-1 и 0,35 км ² .a ^-1 соответственно.

Можно сделать следующие выводы: скорость изменения больше, чем динамическая скорость. В течение этих двух периодов скорость передачи, скорость усиления, скорость изменения и динамическая скорость относительно велики, что означает интенсивное изменение LULC. Однако скорость изменения значительно выше, чем динамическая скорость, поэтому динамическая скорость отдельного землепользования не может правильно описать динамические изменения LULCC. Для всей области динамическая скорость такая же, как и скорость изменения.

Анализ матриц изменения землепользования

Таблица 7 и Таблица 8 представляют собой соответственно матрицу изменения землепользования и матрицу переноса. Передаточная матрица Маркова выявляет различные типы вероятностей передачи, количественно демонстрируя процесс передачи землепользования. Строки таблицы обозначают статус землепользования и ситуацию перевода в предварительном состоянии t1 изменения землепользования, а столбцы таблицы представляют статус землепользования и ситуацию перевода в конечном состоянии.Как показано в таблицах, наибольшая доля чистого прироста площади приходится на голые земли, чистая площадь которых составляет 19,33 км ² , а чистая площадь прироста составляет 27,08%. Основной причиной увеличения является передача из лесных массивов и сельскохозяйственных угодий, а объемы их площадей передачи составляют 35,51 км ² и 23,93 км ² соответственно с вероятностью перехода 0,1065 и 0,2761 соответственно. На втором месте по чистому приросту площади стоит строительство, на которое приходится 17.05% чистой площади увеличения, с чистой площадью увеличения 9,21 км ² . Чистое увеличение площади земель под застройку происходит в основном за счет передачи лесных и сельскохозяйственных угодий, а их площади передачи составляют 19,61 км ² и 12,99 км ² соответственно с вероятностью перехода в другое состояние 0,2263 и 0,0393, соответственно. Площадь чистого прироста лесов составляет 7,98 км ² , и она имеет самый низкий процент чистого прироста на уровне 0,40%. Площадь чистого прироста лесных угодий в основном обусловлена ​​передачей голых земель, площадь передачи которых и вероятность передачи равны 43.37 км ² и 0,6472 соответственно. Площади воды и сельскохозяйственных угодий уменьшаются. Акватория уменьшилась на 6,32 км ² и имеет долю уменьшения 31,29%. Вода в основном переходит в землю под застройку, площадь отвода которой составляет 4,52 км ² с вероятностью 0,0266. Площадь отвода сельскохозяйственных угодий составляет 30,20 км ² , что составляет 30,83%. Сельскохозяйственные угодья в основном переходят в голые земли и земли под застройку, площадь которых составляет 23,93 км ² и 19,6 км ² соответственно, с вероятностью перехода состояния, равной 0.1065 и 0,0393 соответственно.

Таблица 9 и Таблица 10 представляют собой матрицу переноса изменений в землепользовании и матрицу вероятности перехода, соответственно. Предварительный этап и окончательное состояние изменений – 2003 и 2014 годы с интервалом в 11 лет. Как видно из таблицы, вода имеет самый высокий процент полезной площади для изменений в землепользовании в течение 2003–2014 гг. Площадь чистого увеличения составляет 6,29 км ² , с долей 45,34%. Чистое увеличение площади в основном связано со строительством, которое составляет 3.77 км ² , а вероятность перехода состояния равна 0,0677. На втором месте по проценту чистой площади находятся сельскохозяйственные угодья, на которые приходится 29,93%. Площадь увеличения сельскохозяйственных угодий составляет 19,60 км ² , которые в основном приходятся на лесные и бесплодные земли с переходными площадями 26,47 км ² и 18,27 км ² соответственно, и с вероятностью перехода 0,0628 и 0,2127 соответственно. Земля под застройку имеет чистую долю увеличения 9,27%, а ее чистая площадь увеличения составляет 5,86 км ² .Увеличение земель под застройку в основном происходит за счет передачи лесных и сельскохозяйственных угодий, а их площади для передачи составляют 21,14 км ² и 10,51 км ² соответственно с вероятностью перехода состояния 0,0501 и 0,1744 соответственно. Для голой земли доля чистого уменьшения составляет 9,77%, с чистым уменьшением 8,86 км ² . Необработанные земли в основном переходят в лесные угодья, сельскохозяйственные угодья и земли под застройку с площадью отвода 38,57 км ² , 18,27 км ² и 6.10 км ² соответственно и вероятности перехода 0,4538, 0,2127 и 0,0718 соответственно. Доля чистого изменения площади лесных угодий является самой низкой, с долей уменьшения 1,13%. Тем не менее, чистая величина изменения площади лесных угодий является самой высокой и составляет 22,88 км ² . Леса в основном переходят в голые земли, сельскохозяйственные угодья и земли под застройку, площадь которых составляет 28,01, 26,47 и 21,14 км ² соответственно. Соответствующие вероятности перехода равны 0,0657, 0,0628 и 0,0501 соответственно.

Проверка результатов (наблюденные LULC 2014 г., смоделированные LULC 2014 г.)

Матрица площади переходных состояний и матрица вероятностей переходных состояний создаются по картам землепользования 1992 и 2003 гг., которые можно получить, запустив модель CA-Маркова в ПО IDRISI на основе уже созданного атласа пригодности. Карта прогнозных результатов на 2014 год получена с помощью фильтра смежности 5×5, рабочий цикл которого составляет 11 лет. Рис. 8 представляет собой предсказанную карту 2014 года. Следующим шагом является использование модуля CROSSTAB в IDRISI. Прогнозные результаты анализируются путем наложения действительно классифицированной карты землепользования 2014 года. Как правило, если индекс Каппа меньше или равен 0,4, землепользование сильно изменилось, а соответствие между двумя изображениями плохое. Если индекс Каппа составляет 0,4–0,75, то между двумя изображениями есть общие соответствия и очевидные различия. В противном случае существует высокая согласованность между двумя изображениями[58]. Обычно значения Каппа находятся в диапазоне от 0 до 1.Значения 0,61–0,80 означают существенное, а 0,81–1 – почти идеальное [68, 69]. Здесь индекс Каппа между предсказанной картой и наблюдаемой картой 2014 года составляет 0,8128, что выше 0,75, что свидетельствует о надежности результатов. Существует высокая согласованность между фактическими наблюдаемыми результатами и прогнозируемыми результатами. Точность правильных прогнозов относительно высока; следовательно, этот метод можно использовать для прогнозирования результатов в 2025 и 2036 годах.

Прогноз результатов

Матрица площади переходных состояний и матрица вероятностей переходных состояний создаются на основе карт землепользования за 2003 и 2014 гг., а результаты на 2025 и 2036 гг. прогнозируются тем же методом (рис. 9).Для предсказания 2025 года интервал времени составляет 11 лет, а для 2036 года интервал времени составляет 22 года. Таблица 11 представляет собой статистическую таблицу, основанную на прогнозных результатах в 2025 и 2036 годах. В целом, в 2025 и 2036 годах площадь лесных угодий сильно сократилась, а оставшаяся площадь земель увеличилась на определенную величину, особенно в 2036 году, а площадь лесных угодий значительно снизился. Поэтому, чтобы учитывать экологию, при планировании необходима защита лесных массивов.

Заключение

В последние годы в связи с экономическим развитием и влиянием деятельности человека землепользование округа претерпело существенные изменения с 1990-х годов.В этом исследовании данные изображений Landsat5 TM и Landsat8 OLI использовались для получения карт землепользования за 1992, 2003 и 2014 годы. Затем было смоделировано и предсказано строение землепользования изучаемой территории на основе модели CA-Маркова.

По результатам классификации лесистость округа Цзянэ была высокой, а площади лесов в 1992, 2003 и 2014 годах составляли 2012,78, 2020,76 и 977,88 км ² соответственно. Земля под застройку увеличивалась с 1992 по 2014 год из года в год.Изменения площади воды, голой земли и сельскохозяйственных угодий были тесно связаны с деятельностью человека.

Под влиянием деятельности человека изменения землепользования в округе Цзянле с 1992 по 2014 год были очевидны. Площадь акватории сначала уменьшилась, а затем увеличилась. В 1992–2003 годах на реке Цзиньси было построено большое количество оборудования для добычи песка, а на берегу реки отложилось большое количество наносов, в результате чего площадь акватории резко сократилась. В 2003–2014 годах значительно сократилась техника добычи речного песка, а река была очищена, что привело к постепенному восстановлению акватории. Площадь лесного массива велика по размеру, хотя измененная площадь велика, а доля невелика. Изменения площади лесов в основном связаны с заготовкой древесины и расширением городов. Результаты показали, что в 2025 и 2036 годах площадь лесов резко сократилась. Принимая во внимание экологические функции лесных угодий, при планировании следует обращать внимание на объем лесозаготовок.

В процессе эксперимента были некоторые моменты, которые повлияли на результаты предсказания.Во-первых, были некоторые трудности с получением данных из-за расположения изучаемой территории. Кроме того, район исследования находится в холмистой местности, где рельеф местности меняется по высоте, что оказывает определенное влияние на величину пикселя изображения и в конечном итоге приводит к неточности результатов классификации. Во-вторых, настройка набора данных о пригодности оказала некоторое влияние на прогнозы LULC. Наконец, было некоторое антропогенное воздействие на типы землепользования, особенно изменения земель под застройку. Следовательно, за счет улучшения качества входных данных и настройки соответствующих параметров можно повысить точность прогнозируемых сценариев LULC.

Благодарности

Авторы благодарят редакторов и анонимных рецензентов за их полезный вклад. Кроме того, спасибо Сидни М. Гринфилду за пересмотр и редактирование на английском языке.

Каталожные номера

1. 1. Хань Х., Ян С., Сонг Дж. Моделирование сценариев и прогнозирование землепользования и изменения земного покрова в Пекине, Китай. Устойчивое развитие-Базель. 2015;7(4):4260–79.
2. 2. Рават Дж.С., Кумар М. Мониторинг изменения землепользования/покрова с использованием методов дистанционного зондирования и ГИС: тематическое исследование блока Хавалбаг, район Альмора, Уттаракханд, Индия.Египетский журнал дистанционного зондирования и космической науки. 2015;18(1):77–84. https://doi.org/10.1016/j.ejrs.2015.02.002.
3. 3. МакКоннелл В.Дж. Изменение земель: слияние динамики земельного покрова и землепользования A2 — Райт, Джеймс Д. Международная энциклопедия социальных и поведенческих наук (второе издание). Оксфорд: Эльзевир; 2015. с. 220–3.
4. 4. Ламбин Э. Оценка и мониторинг земного покрова. Энциклопедия аналитической химии: John Wiley & Sons, Ltd; 2006.
5. 5. Арсанджани Дж. Моделирование динамического землепользования / изменения покрова: геомоделирование и агентное моделирование. Вена: Венский университет; 2011.
6. 6. Ли Л., Лу Д., Куанг В. Изучение распределения непроницаемой городской поверхности и ее динамических изменений в мегаполисе Ханчжоу. Дистанционный Сенс-Базель. 2016;8(3).
7. 7. Basommi LP, Guan Qf, Cheng Dd, Singh SK. Динамика изменения землепользования в районе добычи полезных ископаемых: пример района Надовли, Гана. J Mt Sci.2016;13(4):633–42.
8. 8. Li X, Wang Y, Li J, Lei B. Физические и социально-экономические движущие силы изменений в землепользовании и растительном покрове: пример города Ухань, Китай. Дискретный Дин Нат Соц. 2016.
9. 9. Пилке Р.А., старший, Питман А., Нийоги Д., Махмуд Р., Макалпайн С., Хоссейн Ф. и др. Землепользование/изменения растительного покрова и климат: анализ моделирования и данные наблюдений. Провода Клим Меняй. 2011;2(6):828–50.
10. 10. Verburg PH, Eck JRRv, Nijs TCMd, Dijst MJ, Schot P.Детерминанты моделей изменения землепользования в Нидерландах. Environ Plann B. 2004;31(1):125–50.
11. 11. Бехера М.Д., Борат С.Н., Панда С.Н., Бехера П.Р., Рой П.С. Моделирование и анализ динамики водораздела с использованием клеточных автоматов (CA) – модели Маркова – геоинформационного подхода. Дж. Земля Сист. наук. 2012;121(4):1011–24.
12. 12. Инь Дж., Инь З., Чжун Х., Сюй С., Ху С., Ван Дж. и др. Мониторинг роста городов и изменений в землепользовании / растительном покрове в столичном районе Шанхая во время переходной экономики (1979–2009 гг.) В Китае.Оценка окружающей среды. 2011;177(1–4):609–21. пмид:20824336
13. 13. Калдас М., Уокер Р., Арима Э., Перц С., Олдрич С., Симмонс С. Теоретическое обоснование изменения земельного покрова и землепользования: крестьянская экономика колонизации в бассейне Амазонки. Ann Assoc Am Geogr. 2007;97(1):86–110.
14. 14. Галисия Л., Гарсия-Ромеро А. Землепользование и изменение растительного покрова в высокогорных лесах умеренного пояса в национальном парке Изта-Попо, центральная Мексика. Маунт Рез Дев. 2007;27(1):48–57.
15. 15.Скэнлон Б.Р., Риди Р.С., Стоунстром Д.А., Прудик Д.Э., Деннехи К.Ф. Влияние землепользования и изменения растительного покрова на пополнение запасов и качество подземных вод на юго-западе США. Глоб Изменение Биол. 2005;11(10):1577–93.
16. 16. Фокс Дж., Фоглер Дж. Б. Изменение землепользования и растительного покрова в горной материковой части Юго-Восточной Азии. Управление окружением. 2005;36(3):394–403. пмид:16132447
17. 17. Хянди С., Марц Л. В. Марковская и клеточно-автоматическая модель прогнозирования изменения землепользования в водосборном бассейне Усангу.Int J Remote Sens. 2017;38(1):64–81.
18. 18. Лу Д., Маусель П., Брондицио Э., Моран Э. Методы обнаружения изменений. Int J Remote Sens. 2004; 25 (12): 2365–401.
19. 19. Рейс С. Анализ изменений землепользования/почвенного покрова с использованием дистанционного зондирования и ГИС в Ризе, северо-восток Турции. Датчики. 2008;8(10):6188–202. пмид:27873865
20. 20. Первез В., Уддин В., Хан С.А., Хан Дж.А. Спутниковое картографирование землепользования: сравнительный анализ изображений Landsat-8, Advanced Land Imager и больших данных Hyperion.Приложение J Appl Remote Sens. 2016;10.
21. 21. Шривастава П.К., Сингх С.К., Гупта М., Тхакур Дж.К., Мукерджи С. Моделирование воздействия траекторий изменения землепользования на качество подземных вод с использованием дистанционного зондирования и ГИС. Environ Eng Manag J. 2013;12(12):2343–55.
22. 22. Прадхан Б., Ли С., Мансор С., Бухройтнер М., Джамалуддин Н., Худжайма З. Использование данных оптического дистанционного зондирования и инструментов географической информационной системы для регионального анализа опасности оползней с использованием модели биномиальной логистической регрессии.Приложение J Appl Remote Sens. 2008;2.
23. 23. Сингх С.К., Лаари П.Б., Мустак С., Сривастава П.К., Сабо С. Моделирование изменения земельного покрова землепользования с использованием наборов данных наблюдений за землей в бассейне реки Тонс, Мадхья-Прадеш, Индия. Геокарто Интернешнл. 2017: 1–34.
24. 24. Хуа АК. Землепользование Изменения земельного покрова при определении качества воды: исследование, основанное на дистанционном зондировании и многомерной статистике. Журнал экологии и общественного здоровья. 2017;2017:7515130-. пмид:28377790
25. 25.Олокеогун О.С., Ийола К., Ийола О.Ф. Применение дистанционного зондирования и ГИС для картирования землепользования/почвенного покрова и обнаружения изменений в лесном заповеднике Шаша, Нигерия. ISPRS — Int Arch Photogramm. 2014;XL-8(8):613–6.
26. 26. Рай П.К., Вишвакарма К.А., Такур С., Камаль В., Мукерджи С. Изменение траекторий движения суши: пример из Индии с использованием подхода, основанного на дистанционном зондировании. Европейский журнал географии. 2016;7(2):63–73.
27. 27. Мишра В.Н., Рай П.К., Кумар П., Прасад Р.Оценка точности классификации землепользования/почвенного покрова с использованием изображений дистанционного зондирования с различным разрешением. Географический форум. 2016;XV(1):45–53.
28. 28. Хан С., Касим С., Амбрин Р., Сайед ЗУХ. Пространственно-временной анализ изменения землепользования/растительного покрова Пишинского района с использованием спутниковых снимков и ГИС. Журнал географической информационной системы. 2016;8(3):361–8.
29. 29. Зелеке Г., Хурни Х. Влияние динамики землепользования и растительного покрова на деградацию горных ресурсов в северо-западной части Эфиопского нагорья. Маунт Рез Дев. 2001;21(2):184–91.
30. 30. Пэгелоу М., Олмедо МТС. Возможности и ограничения перспективного моделирования земного покрова с помощью ГИС — сравнительный пример: Garrotxes (Франция) и Alta Alpujarra Granadina (Испания). Int J Geogr Inf Sci. 2005;19(6):697–722.
31. 31. Шамси СРФ. Интеграция линейного программирования и аналитической иерархической обработки в растровую ГИС для оптимизации схемы землепользования на уровне водораздела. Журнал прикладных наук и экологического менеджмента.2010;14(2):81–5.
32. 32. Хайандье С. Применение ГИС и модели логит-регрессии в землепользовании/изменении и распределении земельного покрова в водосборе Усангу. Американский журнал дистанционного зондирования 2015; 3 (1): 6–16.
33. 33. Эйткенхед М.Дж., Алдерс И.Х. Прогнозирование земного покрова с использованием методов ГИС, Байеса и эволюционного алгоритма. J Управление окружающей средой. 2009;90(1):236–50. пмид:18079039
34. 34. Сингх С.К., Мустак С., Сривастава П.К., Сабо С., Ислам Т. Прогнозирование пространственных и десятилетних изменений LULC с помощью моделей цепи Маркова сотовых автоматов с использованием наборов данных наблюдения Земли и геоинформации.Экологические процессы. 2015;2(1):61–78.
35. 35. Ян X, Чжэн X-Q, Lv L-N. Пространственно-временная модель изменения землепользования на основе оптимизации муравьиной колонии, цепи Маркова и клеточных автоматов. Экол Модель. 2012; 233:11–9.
36. 36. Субеди П., Субеди К., Тапа Б. Применение гибридной модели клеточного автомата-Маркова (CA-Markov) в прогнозировании изменений в землепользовании: пример дренажного бассейна Сэддл-Крик, Флорида. Научное образование. 2013;1(6):126–32.
37. 37.Стефанов В.Л., Рэмси М.С., Кристенсен П.Р. Мониторинг изменения растительного покрова городов: подход экспертной системы к классификации растительного покрова от полузасушливых до засушливых городских центров. Окружающая среда удаленных датчиков. 2001;77(2):173–85.
38. 38. Ralha CG, Abreu CG, Coelho CGC, Zaghetto A, Macchiavello B, Machado RB. Многоагентная модельная система для моделирования изменений в землепользовании. Окружающая среда удаленных датчиков. 2013;42:30–46.
39. 39. Sohl TL, Claggett PR. Ясность против сложности: моделирование землепользования как практический инструмент для лиц, принимающих решения.J Управление окружающей средой. 2013; 129: 235–43. https://doi.org/10.1016/j.jenvman.2013.07.027. пмид:23954777
40. 40. Чжао Л, Пэн З-Р. LandSys: агентная модель Cellular Automata изменения землепользования, разработанная для анализа транспорта. J Transp Geogr. 2012;25:35–49. https://doi.org/10.1016/j.jtrangeo.2012.07.006.
41. 41. Стивенс Д., Драгичевич С. Модель нерегулярных клеточных автоматов изменения землепользования на основе ГИС. Environ Plann B 2007;34(4):708–24.
42. 42.Мьинт С.В., Ван Л. Многокритериальный подход к принятию решений об изменении растительного покрова в землепользовании с использованием анализа цепей Маркова и подхода клеточных автоматов. Can J Remote Sens. 2006;32(6):390–404.
43. 43. He D, Zhou J, Gao W, Guo H, Yu S, Liu Y. Интегрированная CA-марковская модель для динамического моделирования изменений землепользования в водоразделе озера Дяньчи. Beijing Daxue Xuebao (Ziran Kexue Ban)/Acta Scientiarum Naturalium Universitatis Pekinensis. 2014;50(6):1095–105.
44. 44. Хэ С, Окада Н, Чжан Ц, Ши П, Чжан Дж.Моделирование сценариев расширения городов путем объединения модели клеточных автоматов и системной динамической модели в Пекине, Китай. заявл геогр. 2006;26(3):323–45. https://doi.org/10.1016/j.apgeog.2006.09.006.
45. 45. Ву Ц-Д, Ченг Ц-С, Ло Х-С, Чен Ю-К. Применение моделей SEBAL и Маркова для моделирования будущего потока с помощью дистанционного зондирования. Управление водными ресурсами. 2010;24(14):3773–97.
46. 46. Мемариан Х., Баласундрам С.К., Талиб Дж.Б., Сунг КТБ, Суд А.М., Аббаспур К. Валидация CA-Markov для моделирования землепользования и изменения растительного покрова в бассейне Лангат, Малайзия. Журнал географической информационной системы. 2012;4(6):542–54.
47. 47. Рендана М., Рахим С.А., Мохд Р.И.В., Лихан Т., Рахман З.А. CA-Markov для прогнозирования изменений в землепользовании в тропической зоне водосбора: тематическое исследование в Камерон-Хайленд, Малайзия. Журнал прикладных наук. 2015;15(4):689–95.
48. 48. Nguyen TA, Le PMT, Pham TM, Hoang HTT, Nguyen MQ, Ta HQ и др. На пути к устойчивому городу завтрашнего дня: гибридное марковско-клеточное моделирование эволюции городского ландшафта в городе Ханой (Вьетнам) в 1990–2030 гг.Окружающая среда, развитие и устойчивость. 2017.
49. 49. У И, Ли С, Ю С. Мониторинг расширения городов и его воздействия на землепользование и изменения растительного покрова в городе Гуанчжоу, Китай. Оценка окружающей среды. 2016; 188(1). пмид: 26700678
50. 50. Li Yy, Zhang H, Kainz W. Модели мониторинга городских островов тепла в быстрорастущем мегаполисе Шанхая, Китай: использование временных рядов данных Landsat TM/ETM+. Int J Appl Earth Obs. 2012;19:127–38.
51. 51. Линь С, Гао Дж, Чжан Ю.Превосходство и пути развития строительства «Морского шелкового пути» в провинции Фуцзянь. Морская экономика. 2014.
52. 52. Xv H, Sun Y, Wang X, Wang J, Fu Y. Линейные модели со смешанными эффектами для описания ширины кроны отдельного дерева для китайской пихты в провинции Фуцзянь, юго-восточный Китай. Плос Один. 2015;10(4):e0122257. пмид:25876178
53. 53. Конгалтон Р.Г. Обзор оценки точности классификаций данных дистанционного зондирования. Окружающая среда удаленных датчиков. 1991;37(1):35–46.https://doi.org/10.1016/0034-4257(91)

    -B.

54. 54. Кешткар Х., Фойгт В., Ализаде Э. Классификация земного покрова и анализ изменений с использованием классификаторов машинного обучения и многовременных изображений дистанционного зондирования. Арабский журнал наук о Земле. 2017;10(6).
55. 55. Мишра В.Н., Рай П.К. Дистанционное зондирование помогло провести многоуровневый анализ цепи персептрон-Марков для прогнозирования землепользования и изменений растительного покрова в округе Патна (Бихар), Индия. Арабский журнал наук о Земле.2016;9(4).
56. 56. Чжу Х, Сюбинь ЛИ. Обсуждение индексного метода изменения регионального землепользования. Acta Geographica Sinica. 2003;58(5):643–50.
57. 57. Аль-Шариф ААА, Прадхан Б. Мониторинг и прогнозирование изменений в землепользовании в столичном городе Триполи с использованием интегрированной цепи Маркова и моделей клеточных автоматов в ГИС. Арабский журнал наук о Земле. 2014;7(10):4291–301.
58. 58. Yousheng W, Xinxiao Y, Kangning H, Qingyun L, Yousong Z, Siming S.Динамическое моделирование изменения землепользования в водоразделе Цзихэ на основе модели CA-Маркова. Труды Китайского общества сельскохозяйственной инженерии. 2011; 2011(12).
59. 59. Ma C, Zhang GY, Zhang XC, Zhao YJ, Li HY. Применение марковской модели к динамике изменений водно-болотных угодий в прибрежной зоне Тяньцзиня, Китай. Procedia Environ Sci. 2012;13:252–62. https://doi.org/10.1016/j.proenv.2012.01.024.
60. 60. Фан-цзюнь ЛЯО З Д-с. Изменения моделей лесного ландшафта и динамическое моделирование национального природного заповедника Наньлин, провинция Гуандун.НАУКА ГЕОГРАФИКА СИНИКА. 2014;34(9):1099–107.
61. 61. Эль-Халлак М.А., Хаббуб М.О. Использование ГИС для анализа временных рядов Мертвого моря по данным дистанционного зондирования. Открытый журнал гражданского строительства. 2014: 386–96.
62. 62. Мишра В.Н., Рай П.К., Мохан К. Прогнозирование изменений в землепользовании на основе программы моделирования изменений земель (LCM) с использованием дистанционного зондирования: пример Музаффарпура (Бихар), Индия. Журнал Географического института Jovan Cvijic Sasa. 2014;64(1):111–27.
63. 63. Мао JX, Ян XP. Влияние коридора городской транспортной артерии на землепользование — пример проспекта Гуанчжоу. География и геоинформатика. 2004;20(5):58–61.
64. 64. ЦЗИН Юньцин ЗФ, ЧЖАН Юэ. Изменение и прогноз землепользования/покрова в природном заповеднике водно-болотных угодий озера Эбинур на основе модели CA-Маркова. Китайский журнал прикладной экологии. 2016;27(11):3649–58. /j.1001-9332.201611.027. пмид:29696864
65. 65. Чжан Ронтянь JH.Эволюция и моделирование модели землепользования/ландшафта в холмистой местности Нин-Чжэнь-Ян. Наука съемки и картографирования. 2016;41(3):85–90.
66. 66. Xiao M, Wu J, Chen Q, Jin M, Hao X, Zhang Y. Динамическое изменение землепользования в нижнем течении водораздела Чанхуа на основе модели CA-Маркова. Труды Китайского общества сельскохозяйственной инженерии. 2012;28(10):231–238.
67. 67. Лю С.Х., Шу-Джин Х.Е. Модель пространственного анализа для измерения скорости изменения землепользования.Журнал природных ресурсов. 2002;17(5):533–40.
68. 68. Файнштейн А.Р., Чиккетти Д.В. Высокое согласие, но низкая каппа: I. Проблемы двух парадоксов. Дж. Клин Эпидемиол. 1990;43(6):543–9. пмид: 2348207
69. 69. Чиккетти Д.В., Файнштейн А.Р. Высокая степень согласия, но низкая каппа: II. Разрешение парадоксов. Дж. Клин Эпидемиол. 1990;43(6):551–8. пмид: 2189948

Североамериканская система мониторинга земельных изменений

Североамериканская система мониторинга земельных изменений

Продукты

NALCMS могут использоваться для различных приложений, в том числе для анализа депонирования углерода, картирования мест обитания диких животных, мониторинга экосистем, экологического планирования, оценки качества воды и оценки потенциала производства биотоплива.

Карты, созданные в рамках этой инициативы, представляют земной покров в 2005, 2010 и 2015 годах и основаны либо на ежемесячных композитных изображениях спектрорадиометра формирования изображений со средним разрешением (MODIS) с пространственным разрешением 250 м; Ландсат-7; или спутниковые снимки RapidEye с пространственным разрешением 30 м.

Девятнадцать классов земного покрова NALCMS основаны на стандарте Системы классификации земного покрова (LCCS), разработанном Продовольственной и сельскохозяйственной организацией Объединенных Наций (ФАО).

Публикации

Вот научные публикации экспертов Североамериканской системы мониторинга изменений земель:

Фотограмметрическая инженерия и дистанционное зондирование

Авторы: Кольдиц, Р.Р. Пулиот, Д., Ламас Р.М., Гомер, К., Латифович, Р., Рессл, Р.А., Менесес Товар, К., Виктория Эрнандес, А., Ричардсон, К., 2014. Обнаружение северной Изменение растительного покрова Америки между…

Дистанционное зондирование землепользования и земного покрова: принципы и применение

Авторы: Латифович Р., Гомер К., Рессл Р., Пулио Д., Хоссейн С.Н., Колдитц Р.Р., Олтхоф И., Гири К., Виктория А., 2012. Североамериканский система мониторинга изменений земель…

Дистанционное зондирование окружающей среды

Авторы: Кольдиц, Р. Р., Лопес Салданья, Г., Маэда, П., Аргумедо Эспиноза, Х., Менесес Товар, К., Виктория Эрнандес, А., Орнелас де ла Анда, Х.-Л., Зерменьо Бенитес, К., Крус Лопес, И., Рессл, Р., 2012

Мониторинг землепользования и обнаружение изменений земного покрова с использованием многовременного дистанционного зондирования и анализа временных рядов провинций Кена-Луксор (QLG), Египет

Абдалла, Ф., и Мубарк, К. (2018). Оценка критериев эффективности скважины и характеристик водоносного горизонта с использованием ступенчатых испытаний на понижение и гидрогеохимических данных, к западу от района Кена, Египет. Журнал африканских наук о Земле, 138 , 336–347.

Артикул Google Scholar

Аддаббо П., Фокарета М., Маркуччо С., Вотто К. и Улло Л. С. (2016). Вклад данных Sentinel-2 для приложений мониторинга растительности. ACTA IMEKO, 5 (2), 44. https://doi.org/10.21014/acta_imeko.v5i2.352.

Артикул Google Scholar

Абд Эль-Кави, О.Р., Ред, Дж. К., Исмаил, Х. А., и Сулиман, А. С. (2011). Определение землепользования и изменения растительного покрова в западной части дельты Нила в Египте с использованием данных дистанционного зондирования. Прикладная география, 31 (2), 483–494.

Артикул Google Scholar

Аллама, М., Бакрб, Н., и Эльбабля, В. (2019). Многовременная оценка изменения землепользования/почвенного покрова в засушливых регионах на основе спутниковых изображений landsat: тематическое исследование в регионе Файюм, Египет. Применение дистанционного зондирования: общество и окружающая среда., 14 , 8–19.

Артикул Google Scholar

Альфан, Х., Дойгун, Х., и Унлукаплан, И.Ю. (2009). Постклассификационное сравнение земного покрова с использованием мультивременных изображений Landsat и ASTER: случай Кахраманмараша, Турция. Мониторинг и оценка окружающей среды, 151 , 327–336.

Артикул Google Scholar

Амна, Б., Рабиа С., Шейх С. А. и Нилам А. (2015). Картирование и анализ изменений в землепользовании с использованием дистанционного зондирования и ГИС: тематическое исследование водораздела Симли, Исламабад, Пакистан. Египетский журнал дистанционного зондирования и космических наук, 18 , 251–259.

Артикул Google Scholar

Бакр, Н., Вайндорф, округ Колумбия, Бахнасси, М., Марей, С.М., и Эль-Бадави, М.М. (2010). Мониторинг изменений земного покрова в недавно освоенном районе Египта с использованием мультивременных данных Landsat. Прикладная география, 30 , 592–605.

Артикул Google Scholar

Кастальди Ф., Шабрилья С. и ван Весемаэль Б. (2019). Стратегии отбора проб для картографирования почвенных свойств с использованием мультиспектральных спутниковых данных Sentinel-2 и гиперспектральных спутников EnMAP. Дистанционное зондирование, 11 , 309.

Артикул Google Scholar

Чен, Дж., Бан Ю. и Ли С. (2014). Открытый доступ к карте земного покрова. Природа, 514 , 434. https://doi.org/10.1038/514434c.

Артикул Google Scholar

Клоуз О., Бенджамин Б., Пети С., Фрипиат X., Халло Э. (2018). Использование базы данных Sentinel-2 и LUCAS для инвентаризации землепользования, изменений в землепользовании и лесного хозяйства в Валлонии.

Conoco, (1987). Геологическая карта Египта, масштаб 1:500 000, листы NG36NE Quseir, NG36NW Asyut, NG36SE Gebel Hamata и NG36SW Luxor, Египет; Египетская Генеральная Нефтяная Корпорация: Каир, Египет.(2018). Оценка пространственных изменений лесного покрова и темпов обезлесения в высокогорье Восточных Гат штата Одиша, Индия. Журнал экологической биологии, 39 (2), 196–203.

Артикул Google Scholar

Дурга, Р.К.Х.В., Сингх, А.К., и Рой, П.С. (2009). Изучение морфологии и взвешенных отложений верхнего озера Бхопал с использованием метода пространственного моделирования и данных дистанционного зондирования. Журнал Индийского общества дистанционного зондирования, 37 , 433–441.

Артикул Google Scholar

Дурайсами, В., Бендапуди, Р., и Джадхав, А. (2018). Выявление горячих точек в изменении земельного покрова землепользования и движущих сил в полузасушливом регионе Индии. Мониторинг и оценка окружающей среды, 190 , 535. https://doi.org/10.1007/s10661-018-6919-5.

Артикул Google Scholar

Фарис, М., Аллам А., Марзук А.М. (1985). Биостратиграфия позднемеловых-раннетретичных пород долины Нила (район Кена), Египет. Анналы геологического выживания Египта, XV, 287–300.

ФАО (картограф). Разведывательная почвенная карта района Наг-Хаммади-Абу-Тиг, Египет. Масштаб 1:200 000. 1962 год; ЭСДАК. Получено 19 мая 2020 г. с https://esdac.jrc.ec.europa.eu.

ФАО (картограф). Рекогносцировочная почвенная карта района Исна-Наг-Хаммади, Египет. Масштаб 1:200 000.1961. ЕСДАК. Получено 19 мая 2020 г. с https://esdac.jrc.ec.europa.eu.

Габер, А., Мохамед, А.К., Эль Галлади, А., Абделькарим, М., Бешр, А.М., и Кох, М. (2020). Картирование потенциала подземных вод в районе Западной Кены, Египет, с использованием интегрированных методов дистанционного зондирования и гидрогеофизических методов. Дистанционное зондирование., 12 , 1559.

Артикул Google Scholar

Халми, М. В.А., Гесслер, П.Е., Хике, Дж.А., и Салем, Б.Б. (2015). Обнаружение и прогнозирование изменения землепользования/почвенного покрова в северо-западной прибрежной пустыне Египта с использованием Markov-CA. Прикладная география, 63 , 101–112.

Артикул Google Scholar

Хансен, М.К., и Лавленд, Т.Р. (2012). Обзор мониторинга изменения растительного покрова на больших площадях с использованием данных Landsat. Среда дистанционного зондирования, 122 , 66–74.

Артикул Google Scholar

https://worldpopulationreview.com/.

https://gpm.nasa.gov/trmm/.

https://glovis.usgs.gov/.

Икбал, М.Ф., и Хан, И.Ф. (2014). Пространственно-временной анализ изменения растительного покрова землепользования и картирование риска эрозии в Азад Джамму и Кашмире, Пакистан. Египетский журнал дистанционного зондирования и космических наук, 17 , 209–229.

Артикул Google Scholar

Иссави, Б., Фрэнсис, М. Х., Юсеф, Э. С. А. А., и Осман, Р. А. (2009). Фанерозойская геология Египта: геодинамический подход (Том 2). Управление минеральных ресурсов Египта (EMRA): Каир, Египет.

Google Scholar

Джоши П.К., Рашид Х. и Рой П.С. (2002). Динамика ландшафта водно-болотных угодий Хокерсар, Джамму и Кашмир — применение геопространственного подхода. Журнал Индийского общества дистанционного зондирования, 30 (1), 1–5.

Артикул Google Scholar

Камель М. и Абу Эль Элла Э. М. (2016). Интеграция ДЗ и ГИС для управления устойчивым развитием на окраинах пустыни долины Нила в мухафазах Асьют-Сохаг, Верхний Египет. Журнал Индийского общества дистанционного зондирования, 44 (5), 759–774. https://doi.org/10.1007/s12524-015-0529-2.

Артикул Google Scholar

Канта Кумар, Л.Н., Ниламсетти, П., (2015). Многовременная классификация землепользования с использованием гибридного подхода. Египетский журнал дистанционного зондирования и космических наук, 18 , 289–295.

Артикул Google Scholar

Халик, А. М. А., Муски М. Ч. (2018 ). Понимание влияния атмосферных переменных на спектральные индексы растительности, полученные из спутниковых временных рядов мультиспектральных изображений.Семинар IEEE по распознаванию образов прикладных изображений (AIPR), IEEE, Вашингтон, округ Колумбия, США (2018 г.), https://doi.org/10.1109/aipr.2018.8707430

Lambin, E. F. (1997). Моделирование и мониторинг процессов изменения земного покрова в тропических регионах. Прогресс в физической географии, 21 , 375–393. https://doi.org/10.1177/0309702100303.

Артикул Google Scholar

Ламбин Э. Ф., Тернер Б.L., Geist, H.J., Agbola, S.B., Angelsen, A., Bruce, J.W., et al. (2001). Причины изменения землепользования и растительного покрова: выйти за рамки мифов. Глобальные экологические изменения, 11 , 261–269.

Артикул Google Scholar

Лейненкугель, Р., Дек, Дж., Хут, М., Оттингер, Б., и Мак., (2019). Потенциал открытых геоданных для автоматизированного крупномасштабного землепользования и классификации земного покрова. Дистанционное зондирование, 11 , 2249.https://doi.org/10.3390/rs111.

Артикул Google Scholar

Лин, Ч. Х., Лин, Б. Ю., Ли, К. Ю., и Чен, Ю. К. (2015). Радиометрическая нормализация и обнаружение облаков на оптических спутниковых изображениях с использованием инвариантных пикселей. Журнал фотограмметрии ISPRS, 106 , 107–111.

Артикул Google Scholar

Лю Ю., Шэн Л.и Лю, Дж. (2015). Влияние изменения водно-болотных угодий на местный климат в полузасушливой зоне Северо-Восточного Китая. Китайская географическая наука, 25 (3), 309–320.

Артикул Google Scholar

Лукас Л., Янссен Ф., Франс Дж. М., ван дер В. (1994). Оценка точности спутниковых данных о землеустройстве: обзор фотограмметрической инженерии и дистанционного зондирования, Vol. 60, № 4, апрель 1994 г., стр. 479–426. 0099 -11.72 I I 4/6 004-4 1 9$03.

Лу, Д., Мозель, П., Брондизио, Э., и Моран, Э. (2004). Методы обнаружения изменений. Международный журнал дистанционного зондирования, 25 (12), 2365–2407.

Артикул Google Scholar

Мак, Б.П., Лейненкугель, К., и Куэнцер, С.Д. (2017). Полуавтоматический подход к созданию нового продукта землепользования и растительного покрова для Германии на основе временных рядов земель и данных lucas in-situ. Письма о дистанционном зондировании, 8 , 244–253. https://doi.org/10.1080/2150704x.2016.1249299.

Артикул Google Scholar

Массетти, А., и Гил, А. (2020). Картирование и оценка быстрых изменений растительного покрова/землепользования и надземных запасов углерода в наземных экосистемах малых океанических островов: тематическое исследование острова Мадейра, Португалия (2009–2011 гг.). Дистанционное зондирование окружающей среды, 239 , 111625.

Артикул Google Scholar

Мохамед, С.А., и Эль-Рей, М.Е. (2019). Классификация земного покрова и анализ обнаружения изменений озер Карун и Вади-эль-Райян с использованием многовременных изображений дистанционного зондирования. Мониторинг и оценка окружающей среды, 191 , 229.

Статья Google Scholar

Мондал М.С.Н., Шарма П.К. и Гарг, М.К. (2016). Тест на статистическую независимость и проверка результатов прогнозирования марковского землепользования CA (LULC). Египетский журнал дистанционного зондирования и космических наук, 19 (2), 259–272.

Артикул Google Scholar

Мондал А., Кхаре Д., Кунду С., Мондал С., Мукерджи С. и Мукхопадхьяй А. (2017). Прогноз пространственного содержания органического углерода в почве (SOC) методом регрессионного кригинга с использованием данных дистанционного зондирования. Египетский журнал дистанционного зондирования и космических наук, 20 , 61–70.

Артикул Google Scholar

Нгуен, Л.Х., Джоши, Д.Р., Клэй, Д.Е., и Хенебри, Г.М. (2020). Характеристика земного покрова/землепользования на основе временных рядов Landsat и MODIS за несколько лет: новый подход с использованием моделирования фенологии поверхности земли и классификатора случайных лесов. Дистанционное зондирование окружающей среды, 238 , 111017.https://doi.org/10.1016/j.rse.2018.12.016.

Артикул Google Scholar

Нитин Б., Кумар М. Д., Анурадха С. и Пардха-Сарадхи П. (2014). Состояние водно-болотных угодий в Индии: обзор степени, экосистемных преимуществ, угроз и стратегий управления. Journal of Hydrology: Regional Studies, 2 , 1–19.

Google Scholar

Омер, А.А. (1996). Геолого-минералогические и геохимические исследования неогеновых и четвертичных отложений бассейна Нила, участок Кена-Ассьют, Египет. Кандидат наук. Диссертация, Университет Южной долины, Сохаг, Египет.

Пфлюгмахер Д., Рабе А., Петерс М. и Хостерт П. (2019). Картирование панъевропейского земного покрова с использованием спектрально-временных показателей landsat и европейской съемки LUCAS. Дистанционное зондирование окружающей среды, 221 , 583–595. https://doi.org/10.1016/j.rse.2018.12.001.

Артикул Google Scholar

Рао Г.В., Кумар А., Кумар А.С. и Шаши М. (2018). Пространственно-временной мониторинг сменной культивации с использованием спутниковых снимков: Мягкий подход к классификации. Журнал Индийского общества дистанционного зондирования, 46 , 1047–1052. https://doi.org/10.1007/s12524-018-0770-6.

Артикул Google Scholar

Рават, Дж.С. и Кумар., (2015). Мониторинг изменения землепользования/покрова с использованием методов дистанционного зондирования и ГИС: тематическое исследование блока Хавалбаг, округ Алмора, Уттаракханд, Индия. Египетский журнал дистанционного зондирования и космических наук, 18 , 77–84.

Артикул Google Scholar

Ребело, Л.М., Финлейсон, К.М., и Нагабхатла, Н. (2009). Дистанционное зондирование и ГИС для инвентаризации водно-болотных угодий, картирования и анализа изменений. Journal of Environmental Management, 90 , 2144–2153.

Артикул Google Scholar

Саид, Р. (1981). Геологическая эволюция реки Нил; Спрингер: Нью-Йорк, штат Нью-Йорк, США.

Шалаби, А., и Татейши, Р. (2007). Дистанционное зондирование и ГИС для картирования и мониторинга изменений растительного покрова и землепользования в северо-западной прибрежной зоне Египта. Прикладная география, 27 (1), 28–41.

Артикул Google Scholar

Сулаймани, К., Арехи, М., Тамарташ, Р., и Мирьяхобзаде, М. (2010). Выявление изменений землепользования/покрова на основе данных дистанционного зондирования (пример из практики; бассейн реки Нека). Журнал сельского хозяйства и биологии Северной Америки . https://doi.org/10.5251/abjna.2010.1.6.1148.1157,1.

Артикул Google Scholar

Стехман, С.В. и Чаплевски Р.Л. (1998). Дизайн и анализ для оценки точности тематических карт: основные принципы. Дистанционное зондирование окружающей среды, 64 , 331–344.

Артикул Google Scholar

Шустер, Б.В., Чен, К., и Боргер, М. (2011). Сравнение методов классификации для поддержки анализа земельного покрова и землепользования в тропических прибрежных зонах. Прикладная география, 31 (2), 525–532.

Артикул Google Scholar

Тауншенд и Джастис. (1986). Анализ динамики африканской растительности с использованием нормализованного разностного вегетационного индекса. Международный журнал дистанционного зондирования, 7(11) 1435–1445

Тассопулу, М., Верде, Н., Маллинис, Г., Георгиадис, К., Каймарис, Д., и Патиас, П. (2019) . Демонстрация потенциала дистанционного зондирования для поддержки достижения целей в области устойчивого развития: тематические исследования по изображениям зондирования Греции. Дистанционное зондирование, 10 , 472.

Google Scholar

USGS, (2019). Веб-сайт EarthExplorer для загрузки данных спутникового дистанционного зондирования. Получено 9 января 2020 г. с https://earthexplorer.usgs.gov/.

Вельдкамп, А., и Ламбин, Э. Ф. (2001). Прогнозирование изменений в землепользовании. Сельское хозяйство, экосистемы и окружающая среда, 85 , 1–6.

Артикул Google Scholar

Ван, Д.ПК (1996). Непредвзятые оценки пропорций классов по тематическим картам. Фотограмметрическая инженерия и дистанционное зондирование, 62 , 409–412.

Google Scholar

Ван, Ф., Гэ, К., Ю, К., Ван, Х., и Сюй, Х. (2017). Воздействие изменений в землепользовании и растительном покрове на речной сток в бассейне реки Хуанхэ за период 1956–2012 гг. Китайская географическая наука, 27 (1), 13–24.

Артикул Google Scholar

Ян, X.и Вен, X. (2011). Обнаружение изменения сравнения после классификации города Гуанчжоу, Китай. Основные инженерные материалы, 467 (469), 19–22. https://doi.org/10.4028/www.scientific.net/KEM.467-469.19.

Артикул Google Scholar

Инь, З.Ю., Стюарт, Д.Дж., Буллард, С., и Маклахлан, Дж.Т. (2005). Изменения в городской застройке и структуре распределения населения в 1986–1999 гг.: тематическое исследование Каира, Египет. Компьютеры, окружающая среда и городские системы Окружающая среда, 29 (5), 595–616. https://doi.org/10.1016/j.compenvurbsys.2005.01.008.

Артикул Google Scholar

Йоханис, К., и Д’Юар, Дж. П. (2014). Оценка современного распространения лесной свиньи (Hylochoerusmeinertzhageni) в Эфиопии. Журнал горной экологии, 3 , 46–48.

Google Scholar

Юсеф, М.А., Галлаб А. (2007). Использование данных дистанционного зондирования, ГИС и полевых исследований для предварительного обсуждения устойчивого развития района Западной Кены, Египет. Бюллетень Университета Асьют по исследованиям окружающей среды, 10 (2).

Юаньбинь К., Хао З., Пэн З. и Вэньбинь П. (2016). Количественная оценка воздействия изменений землепользования/почвенного покрова на городской остров тепла: тематическое исследование области распределения естественных водно-болотных угодий в городе Фучжоу, Китай. Водно-болотные угодья, 36 (2), 285–298.

Артикул Google Scholar

Цзэн, Ю. Н., Ву, Г. П., Чжан, Ф. Б., и Чжан, Х. Х. (2008). Моделирование модели пространственного землепользования с использованием автологистической регрессии. Международный архив фотограмметрии, дистанционного зондирования и пространственных информационных наук, XXXVII , 115–118.

Google Scholar

Чжилян В., Цзунмин В., Бай З., Чунян Л. и Чуньин Р. (2015). Воздействие изменений землепользования/почвенного покрова на экосистемные услуги в бассейне реки Нэньцзян, Северо-Восточный Китай. Экологические процессы , 4 (1), 11. https://doi.org/10.1186/s13717-015-0036-y.

Артикул Google Scholar

Чжоу, К., Ли, Б., и Курбан, А. (2008). Траекторный анализ изменения растительного покрова в аридной среде Китая. Международный журнал дистанционного зондирования, 29 (4), 1093–1107.https://doi.org/10.1080/01431160701355256.

Артикул Google Scholar

Мониторинг изменений в землепользовании и его будущих перспектив с использованием моделирования клеточных автоматов и искусственной нейронной сети для города Ахмедабад, Индия

Абуэлаиш, Б. и Олмедо, М. Т. С. (2016). Сценарий землепользования и изменения растительного покрова в секторе Газа с использованием моделей дистанционного зондирования и ГИС. Arabian Journal of Geosciences, 9 (4), 274.

Google Scholar

Адхварю, Б. (2010). Улучшение городского планирования с использованием упрощенных моделей: SIMPLAN для Ахмадабада, Индия. Прогресс в планировании, 73 (3), 113–207. https://doi.org/10.1016/j.progress.2009.11.001.

Артикул Google Scholar

Адхварю, Б. (2011). Анализ эволюции городской пространственной структуры: пример Ахмедабада, Индия. Окружающая среда и планирование B: Планирование и проектирование, 38 (5), 850–863.

Google Scholar

Адхварю, Б., и Эченик, М. (2012). SIMPLAN: упрощенная модель планирования. Окружающая среда и планирование B: Планирование и проектирование, 39 (1), 96–119.

Google Scholar

Ахмед Б. и Ахмед Р. (2012). Моделирование динамики роста городского земельного покрова с использованием мультивременных спутниковых изображений: тематическое исследование Дакки, Бангладеш. Международный геоинформационный журнал ISPRS, 1 (1), 3–31.

Google Scholar

Аль-Рубхи, А. Н. М., Талал, А. А., и Мохаммед, А. Б. (2017). Анализ и моделирование изменений в землепользовании с использованием тематического исследования с открытым исходным кодом (QGIS): Boasher Willayat . Маскат: Колледж искусств и социальных наук, факультет географии, Университет Султана Кабуса.

Google Scholar

Арая Ю.Х. и Кабрал П. (2010). Анализ и моделирование изменения городского растительного покрова в Сетубале и Сезимбре, Португалия. Дистанционное зондирование, 2 (6), 1549–1563.

Google Scholar

Арсанджани, Дж. Дж. (2018). Характеристика, мониторинг и моделирование динамики земного покрова с использованием GlobeLand30: тематическое исследование с 2000 по 2030 год. Journal of Environmental Management, 214 , 66–75.

Google Scholar

Бадлани, Б., Патель, А. Н., Патель, К., и Калубарме, М. Х. (2017). Мониторинг роста городов с использованием дистанционного зондирования и геоинформатики: пример Гандинагара, штат Гуджарат (Индия). Международный журнал геонаук, 8 (04), 563–576.

Google Scholar

Бомонт, Л.Дж., и Дуурсма, Д. (2012). Глобальные прогнозы изменений землепользования в 21 веке в регионах, прилегающих к охраняемым территориям. PLoS ONE, 7 (8), 1–8.

Google Scholar

Браун Д., Бэнд Л. Э., Грин К. О., Ирвин Э. Г., Джейн А., Ламбин Э. Ф. и др. (2013). Совершенствование моделирования изменений земель: возможности и потребности в исследованиях . Вашингтон, округ Колумбия: Пресса Национального исследовательского совета. ISBN: 9780309288330.

Перепись. (2011). Резюме первичной переписи, Генеральный регистратор Индии, Министерство внутренних дел, правительство Индии. Доступно по адресу: http://www.censusindia.gov.in/2011census/PCA/pca_highlights/pe_data.html. По состоянию на 17 мая 2019 г.

Дахдоу-Гебас, Ф. (2002). Использование дистанционного зондирования и ГИС в устойчивом управлении прибрежной тропической экосистемой. Окружающая среда, развитие и устойчивость, 4 (2), 93–112.

Google Scholar

Дай, Д. Д., и Хили, Дж. Р. (2015). Воздействие изменений в землепользовании на священные леса в ландшафтном масштабе. Глобальная экология и охрана природы, 3 , 349–358.

Google Scholar

Дюрантон, Г. (2009). Являются ли города двигателями роста и процветания развивающихся стран? В М. Спенсе, П. К. Аннезе и Р. М. Бакли (ред.), Урбанизация и рост . Вашингтон, округ Колумбия: Всемирный банк, Комиссия по росту и развитию.

Google Scholar

Датта Б.(2019). Гуджарат: страна стремительного роста . Получено с ElectronicsB2B.com, опубликовано 7 января 2019 г., получено 6 января 2020 г., с https://www.electronicsb2b.com/policy-corner/gujarat-the-land-of-accelerating-growth/.

Гао, П., Ню, X., Ван, Б., и Чжэн, Ю. (2015). Изменения в землепользовании и их движущие силы в холмистой эколого-восстановительной зоне на основе ГИС и ДЗ Северного Китая. Scientific Reports, 5 (октябрь 2014 г.), 1–11.

Google Scholar

Гарг А., Авашиа В. и Парихар С. (2018). Тенденции изменения землепользования в городах Индии: взгляд с высоты птичьего полета: уязвимости незапланированного роста городов . Нью-Дели: Сейдж.

Google Scholar

Гашпарович М. и Йогун Т. (2018). Влияние объединения полос Sentinel-2 на классификацию земного покрова. Международный журнал дистанционного зондирования, 39 (3), 822–841.

Google Scholar

ГИС-лаб. (2018). Анализ изменения ландшафта с помощью MOLUSCE — методы и алгоритмы . https://wiki.gislab.info/w/Landscape_change_analysis_with_MOLUSCE__methods_and_algorithms. По состоянию на 29 января 2018 г.

Goldewijk, KK (2001). Оценка глобальных изменений в землепользовании за последние 300 лет: база данных HYDE. Global Biogeochemical Cycles, 15 (2), 417.

Google Scholar

Гомес, К., Уайт, Дж. К., и Вулдер, Массачусетс (2016). Данные временных рядов оптического дистанционного зондирования для классификации земного покрова: обзор. Журнал фотограмметрии и дистанционного зондирования ISPRS, 116 , 55–72.

Google Scholar

Госвами М. и Хире М. В. (2016). Обнаружение изменений землепользования и растительного покрова для анализа разрастания городов города Ахмадабад с использованием мультивременных данных Landsat. International Journal of Advanced Remote Sensing and GIS, 5 (4), 1670–1677.

Google Scholar

Хан, Х., Ян, К., и Сонг, Дж. (2015). Моделирование сценариев и прогнозирование землепользования и изменения растительного покрова в Пекине, Китай. Устойчивое развитие, 7 (4), 4260–4279.

Google Scholar

Хе, К., Ши, П., Се Д. и Чжао Ю. (2010). Улучшение нормализованного разностного индекса застройки для картирования городских застроенных территорий с использованием подхода полуавтоматической сегментации. Письма о дистанционном зондировании, 1 (4), 213–221.

Google Scholar

Ислам К., Джашимуддин М., Натх Б. и Натх Т.К. (2016). Количественная оценка изменения растительного покрова с использованием данных временных рядов Landsat: пример заповедника дикой природы Чунати (CWS), Бангладеш. Международный журнал окружающей среды и геоинформатики, 3 (2), 45–55.

Google Scholar

Ислам К., Джашимуддин М., Натх Б. и Натх Т.К. (2018a). Классификация землепользования и обнаружение изменений с использованием многовременных изображений дистанционного зондирования: случай заповедника дикой природы Чунати, Бангладеш. Египетский журнал дистанционного зондирования и космических наук, 21 (1), 37–47.

Google Scholar

Ислам, К., Рахман, М.Ф., и Джашимуддин, М. (2018b). Моделирование изменений в землепользовании с использованием клеточных автоматов и искусственной нейронной сети: случай заповедника дикой природы Чунати, Бангладеш. Журнал экологических показателей, 88 , 439–453.

Google Scholar

Джат, М.К., Гарг, П.К., и Харе, Д. (2008). Мониторинг и моделирование разрастания городов с использованием методов дистанционного зондирования и ГИС. International Journal of Applied Earth Observation, 10 (1), 26–43.

Google Scholar

Цзян, X., Линь, М., и Чжао, Дж. (2011). Оценка изменения лесного покрова с использованием деревьев решений, машин опорных векторов и алгоритмов классификации искусственных нейронных сетей. В материалах 4-й международной конференции по интеллектуальным вычислительным технологиям и автоматизации, , Шэньчжэнь, Китай, 28–29 (стр. 312–315).

Йогун Т., Лукич А. и Гашпарович М.(2019). Имитационная модель изменения растительного покрова в постсоциалистической периферийной сельской местности: уезд Пожега-Славония, Хорватия. Hrvatski geografski glasnik, 81 (1), 31–59.

Google Scholar

Кандликар, М., и Рамачандран, Г. (2000). Причины и последствия загрязнения воздуха твердыми частицами в городах Индии: научный синтез. Ежегодные обзоры энергетики и окружающей среды, 25 (1), 629–694.

Google Scholar

Кантакумар Л. Н., Кумар С. и Шнайдер К. (2016). Пространственно-временное расширение городов в мегаполисе Пуна, Индия, с использованием дистанционного зондирования. Habitat International, 51 , 11–22.

Google Scholar

Коткин, Дж. (2010). На фотографиях — самые быстрорастущие города следующего десятилетия . Джерси-Сити: Forbes.

Google Scholar

Кумар, Дж.А.В., Патан, С.К., и Бхандери, Р.Дж. (2007). Пространственно-временной анализ для мониторинга роста городов — пример города Индор, Фотонирвачак. Журнал Индийского общества дистанционного зондирования, 35 (1), 11–20.

Google Scholar

Кумар С., Бхаттачарья Дж. К., Вайдья А. Н., Чакраборти Т., Девотта С. и Аколкар А. Б. (2009). Оценка состояния управления твердыми бытовыми отходами в мегаполисах, столицах штатов, городах класса I и городах класса II в Индии: понимание. Управление отходами, 29 (2), 883–895.

Google Scholar

Ламбин Э. Ф., Тернер Б. Л., Гейст Х. Дж., Агбола С. Б., Ангелсен А., Фольке К. и др. (2001). Причины изменения землепользования и растительного покрова: выйти за рамки мифов. Global Environmental Change, 11 (4), 261–269.

Google Scholar

Лау, К.Х. и Кам, Б. Х. (2005). Модель клеточного автомата для моделирования городского землепользования. Окружающая среда и планирование B: Планирование и проектирование, 32 (2), 247–263.

Google Scholar

Ле Эгара-Маскль, С., Оттле, К., и Герен, К. (2005). Обнаружение изменений земного покрова в грубых пространственных масштабах на основе итеративной оценки и предыдущей информации о состоянии. Дистанционное зондирование окружающей среды, 95 (4), 464–479.

Google Scholar

Липинг С., Юджун С. и Саид С. (2018). Мониторинг и прогнозирование изменений в землепользовании и земном покрове с использованием методов дистанционного зондирования и ГИС — тематическое исследование холмистой местности, Цзянле, Китай. PLoS ONE, 13 (7), e0200493.

Google Scholar

Лопес Э., Бокко Г., Мендоса М. и Духау Э. (2001). Прогнозирование изменения растительного покрова и землепользования на городской окраине. Ландшафт и городское планирование, 55 (4), 271–285.

Google Scholar

Махадевия Д., Десаи Р. и Вьяс С. (2014). Профиль города: Ахмадабад . Рабочий документ CUE: 26.

Маллик, Дж., Кант, Ю., и Бхарат, Б.Д. (2008). Оценка температуры поверхности земли над Дели с помощью Landsat-7 ETM+. Журнал Индийского геофизического союза, 12 (3), 131–140.

Google Scholar

Мегахед, Ю., Кабрал, П., Силва, Дж., и Каэтано, М. (2015). Картографический анализ земного покрова и моделирование роста городов с использованием методов дистанционного зондирования в Большом Каире, Египет. Международный геоинформационный журнал ISPRS, 4 (3), 1750–1769.

Google Scholar

Могадам, Х.С., и Хелбих, М. (2013).Пространственно-временные процессы урбанизации в мегаполисе Мумбаи, Индия: модель роста городов с использованием цепей Маркова и клеточных автоматов. Прикладная география, 40 , 140–149.

Google Scholar

Мохан, М., Патан, С.К., Нарендраредди, К., Кандья, А., и Пандей, С. (2011). Динамика урбанизации и ее влияние на землепользование/почвенный покров: тематическое исследование мегаполиса Дели. Journal of Environmental Protection, 2 (09), 1274.

Google Scholar

МОЛЛЮС. (2018). Модули MOLUSCE для оценки изменений в землепользовании — Быстрая помощь. https://github.com/nextgis/molusce/blob/master/doc/en/QuickHelp.pdf. По состоянию на 29 января 2018 г.

Нгуен Д. Т., Искандар И. и Хо С. (2016). Изменение растительного покрова и запас CO ₂ в городе Алембанг, Индонезия: исследование с использованием дистанционного зондирования, метода ГИС и люменов. Египетский журнал дистанционного зондирования и космических наук .https://doi.org/10.1016/j.ejrs.2016.08.004.

Артикул Google Scholar

Пандья, А. Р., и Джоши, Массачусетс (2011). Сравнительное исследование отношения потребителей к частным торговым маркам: в центре внимания Гуджарат. IUP Journal of Marketing Management, 10 (1), 19.

Google Scholar

Патель А., Крукс А. и Коидзуми Н. (2018). Пространственное агентное моделирование для изучения динамики образования трущоб в Ахмадабаде, Индия.В Ж.-К. Thill & S. Dragicevic (Eds.), Гео-вычислительный анализ и моделирование региональных систем, достижения в области геоинформатики (стр. 121–141). Чам: Спрингер. https://doi.org/10.1007/978-3-319-59511-5_8.

Глава Google Scholar

Патан, С.К., Шукла, В.К., Патель, Р.Г., Патель, Б.Р., и Мехта, К.С. (1991). Картирование городского землепользования: тематическое исследование города Ахмадабад и его окрестностей. Журнал Индийского общества дистанционного зондирования, 19 (2), 95–112.

Google Scholar

Пияновски, Б.К., Браун, Д.Г., Шеллито, Б.А., и Маник, Г.А. (2002). Использование нейронных сетей и ГИС для прогнозирования изменений в землепользовании: модель преобразования земель. Компьютеры, окружающая среда и городские системы, 26 (6), 553–575.

Google Scholar

Понтий Р.Г., Хаффакер Д. и Денман К. (2004). Полезные методы проверки пространственно явных моделей изменения земель. Экологическое моделирование, 179(4) , 445–461.

Google Scholar

Рагхуванши, Т.К., Негасса, Л., и Кала, П.М. (2015). Метод наложения сетки на основе ГИС в сравнении с подходом к моделированию — сравнительное исследование зонирования опасности оползней (LHZ) в районе Мета-Роби в зоне Западная Сёва в Эфиопии. Египетский журнал дистанционного зондирования и космических наук, 18 (2), 235–250.

Google Scholar

Рамачандра, Т.В., Айтал, Б.Х., и Санна, Д.Д. (2012). Взгляд на динамику городов посредством анализа пространственного ландшафта. Международный журнал прикладных наблюдений за Землей и геоинформации, 18 (8), 329–343.

Google Scholar

Рамачандра Т.В., Сеттуру Б., Раджан К.С. и Субаш Чандран, доктор медицинских наук (2016). Стимул проектов развития к динамике ландшафта в Уттара Каннада, Центрально-Западные Гаты. Египетский журнал дистанционного зондирования и космических наук, 19 (2), 175–193.

Google Scholar

Ризк Хегази, И., и Калуп, М. Р. (2015). Мониторинг роста городов и обнаружение изменений в землепользовании с помощью ГИС и методов дистанционного зондирования в провинции Дакахлия, Египет. Международный журнал устойчивой застроенной среды, 4 (1), 117–124.

Google Scholar

Родриг, Дж. П., Комтуа, К., и Слэк, Б. (2016). География транспортных систем (4-е изд.). Нью-Йорк: Рутледж. ISBN: 978–0–203–37118–3 (эбк).

Румельхарт Д., Хинтон Г. и Уильямс Р. (1986). Изучение внутренних представлений путем распространения ошибок. В Д.E. Rumelhart & JL McClelland (Eds.), Параллельная распределенная обработка: исследования микроструктур познания (Том 1, стр. 318). Кембридж: MIT Press.

Google Scholar

Шнайдер, Л. К., и Понтиус, Р. Г. (2001). Моделирование изменений в землепользовании в бассейне реки Ипсвич, штат Массачусетс, США. Сельское хозяйство, экосистемы и окружающая среда, 85 (1–3), 83–94.

Google Scholar

Секертекин А.и Бонафони, С. (2020). Извлечение температуры поверхности земли со спутников Landsat 5, 7 и 8 над сельской местностью: оценка различных алгоритмов извлечения и моделей коэффициента излучения, а также реализация набора инструментов. Дистанционное зондирование, 12 (2), 294. https://doi.org/10.3390/rs12020294.

Артикул Google Scholar

Сикарвар, А., и Чаттопадхьяй, А. (2016). Изменения в землепользовании, земельном покрове и динамике населения: исследование на уровне города в районе города Ахмедабад штата Гуджарат. Международный журнал геоматики и наук о Земле, 7 (2), 225–234.

Google Scholar

Сильва, Э.А., и Кларк, К.С. (2002). Калибровка модели городского роста SLEUTH для Лиссабона и Порту, Португалия. Компьютеры, окружающая среда и городские системы, 26 (6), 525–552.

Google Scholar

Синха С., Шарма Л.К. и Натхават, М.С. (2015). Усовершенствованная классификация землепользования/почвенного покрова полузасушливых лиственных лесов с использованием теплового дистанционного зондирования. Египетский журнал дистанционного зондирования и космических наук, 18 (2), 217–233.

Google Scholar

Сивакумар, В. (2014). Картографирование городов и прогноз роста с использованием методов дистанционного зондирования и ГИС, Пуна, Индия. ISPRS – Международный архив фотограмметрии, дистанционного зондирования и пространственных информационных наук, XL-8 (декабрь), 967–970.

Google Scholar

Спенс, М., Аннез, П. К., и Бакли, Р. М. (2009). Урбанизация и рост. Комиссия по росту и развитию. Всемирный банк. © Всемирный банк. https://openknowledge.worldbank.org/handle/10986/2582 Лицензия: CC BY 3.0 IGO.

Стоу А. и Чен Д. М. (2002). Чувствительность многовременных данных NOAA AVHRR урбанизирующегося региона к изменениям в землепользовании/покрытии и неправильной регистрации. Дистанционное зондирование окружающей среды, 80 (2), 297–307.

Google Scholar

Субеди, П., Субеди, К., и Тапа, Б. (2013). Применение модели гибридного клеточного автомата-Маркова (CA-Маркова) для прогнозирования изменений в землепользовании: тематическое исследование водосборного бассейна Седл-Крик во Флориде. Прикладная экология и наука об окружающей среде, 1 (6), 126–132.

Google Scholar

Судхира Х.С., Рамачандра Т.В. и Джагадиш К.С. (2004). Разрастание городов: показатели, динамика и моделирование с использованием ГИС. Международный журнал прикладного наблюдения Земли и геоинформации, 5 (1), 29–39.

Google Scholar

Судхира, Х.С., Рамачандра, Т.В., и Субрахманья, М.Х.Б. (2007). Бангалор. Города, 24 (5), 379–390.

Google Scholar

Таубенбок, Х., Вегманн, М., Рот, А., Мель, Х., и Деч, С. (2009). Урбанизация в Индии — временной анализ пространства с использованием данных дистанционного зондирования. Компьютеры, окружающая среда и городская система, 33 (3), 179–188.

Google Scholar

Департамент Организации Объединенных Наций по экономическим и социальным вопросам/Отдел народонаселения Перспективы мировой урбанизации: издание 2012 года.

Ван, С. Л. Дж., Вербург, П. Х., Брегт, А.и Гертман, С. (2011). Основные принципы и концепции моделирования землепользования: обзор литературы. В E. Koomen & J. Borsboom-Van Beurden (Eds.), Моделирование землепользования в практике планирования (стр. 35–57). Дордрехт: Springer Science and Business Media BV

Google Scholar

Ван К., Лей С., Элмор А. Дж., Цзя Д. и Му С. (2019). Интеграция временной эволюции с клеточными автоматами для моделирования изменений земного покрова. Дистанционное зондирование, 11 (3), 301.

Google Scholar

Йе, А. Г., и Ли, X. (2001). Измерение и мониторинг разрастания городов в быстрорастущем регионе с использованием энтропии. Фотограмметрическая инженерия и дистанционное зондирование, 67 (1), 83–90.

Google Scholar

Цзэн Ю. Н., Ву Г. П., Чжан Ф. Б. и Чжан Х.Х. (2008). Моделирование модели пространственного землепользования с использованием автологистической регрессии. Международный архив фотограмметрии, дистанционного зондирования и пространственных информационных наук, XXXVII (Часть B2), 115–118.

Google Scholar

Чжа, Ю., Гао, Дж., и Ни, С. (2003). Использование нормализованного индекса разности при автоматическом картографировании городских районов по изображениям ТМ. Международный журнал дистанционного зондирования, 24 (3), 583–594.

Google Scholar

Zhan, X., Sohlberg, R.A., Townshend, J.R.G., DiMiceli, C., Carroll, M.L., Eastman, J.C., et al. (2002). Обнаружение изменений земного покрова с использованием данных MODIS 250m — Google zoeken. Дистанционное зондирование окружающей среды, 83 (1 и 2), 336–350.

Google Scholar

Чжан П., Гонг М., Су Л., Лю Дж. и Ли З. (2016).Обнаружение изменений на основе глубокого представления характеристик и преобразования карт для изображений дистанционного зондирования с несколькими пространственными разрешениями. Журнал фотограмметрии и дистанционного зондирования ISPRS, 116 , 24–41.

Google Scholar

Чжан, В., и Ван, Х. (2017). Четвертая международная конференция по транспортной информации и безопасности (ICTIS), 8–10 августа, Банф, Канада .

Разработчики улучшают мониторинг землепользования из космоса > SERVIR > SERVIR | Глобальный

Опубликовано: 04 апр 2019

---

После запуска Региональной системы мониторинга земного покрова (RLCMS) в 2018 году разработчики выпускают обновленную версию, являющуюся результатом совместных усилий SERVIR-Mekong и SERVIR Hindu Kush Himalaya.

Изображение предоставлено: Khun San Aung/ADPC

В этой новой версии пользователи получат улучшения для точного расчета различных типов земель и улучшения ввода данных для улучшения моделей LANDSAT; будет применяться расширенный временной интервал, чтобы пользователи могли получить доступ к данным о земном покрове с 1987 по 2017 год, тогда как предыдущие версии были расширены только до 2000 года.

Эта инициатива является частью программы SERVIR, финансируемой Агентством США по международному развитию (USAID) в партнерстве с Национальным управлением по аэронавтике и исследованию космического пространства (НАСА). SERVIR поддерживает региональные центры в Южной и Юго-Восточной Азии, Африке и Южной Америке. Для региона Юго-Восточной Азии SERVIR-Mekong использует общедоступные спутниковые изображения и технологии для поддержки правительства и других заинтересованных сторон в регионе Нижнего Меконга в решении проблем развития, таких как воздействие стихийных бедствий и экологические изменения.Азиатский центр готовности к стихийным бедствиям (ADPC), межправительственная организация, занимающаяся повышением устойчивости к стихийным бедствиям в Азии, является основным исполнителем SERVIR-Mekong и поддерживается тремя другими партнерами по консорциуму: Группой пространственной информатики (SIG), Стокгольмским институтом окружающей среды (SEI). ) и Дельтарес.

SERVIR-Hindu Kush Himalaya (SERVIR-HKH) реализуется Международным центром комплексного развития горных районов (ICIMOD) в рамках его региональной программы «Горная экологическая региональная информационная система» (MENRIS).Отдавая приоритет деятельности в Афганистане, Бангладеш, Мьянме, Непале и Пакистане, SERVIR-HKH удовлетворяет особые потребности региональных стран-членов ICIMOD в решении различных аспектов деградации окружающей среды и последствий изменения климата.

SERVIR-Mekong  в сотрудничестве с Департаментом лесного хозяйства Мьянмы создает национальную систему мониторинга земного покрова, которая может генерировать данные для расчета выбросов парниковых газов (ПГ) в соответствии с требованиями Мьянмы к Парижскому соглашению для Конференции сторон.Это соглашение требует от сторон конвенций представления подробной инвентаризации парниковых газов в Рамочную конвенцию Организации Объединенных Наций об изменении климата.

Обновленная версия региональной системы мониторинга земного покрова включает
изменять возможности обнаружения с течением времени со статистикой по различным классам земного покрова.

Обновленная региональная система мониторинга земного покрова также предоставляет полезную статистику для анализа земного покрова.

«Мьянма впервые разработала карты национального земного покрова хорошего качества с временными рядами с 1990 по 2017 год благодаря партнерству с SERVIR-Mekong», — сказал д-р.Мят Су Мон, заместитель директора Департамента лесного хозяйства Мьянмы, Министерство природных ресурсов и охраны окружающей среды.

Кроме того, SERVIR-Mekong сотрудничала с SilvaCarbon для наращивания потенциала Вьетнамского института инвентаризации и планирования лесов (FIPI) в использовании подхода RLCMS и Google Earth Engine для улучшения мониторинга лесов во Вьетнаме.

Характеристики леса, такие как изменение кроны деревьев в районе Нижнего Меконга.

«Подход к облачным вычислениям и машинному обучению RLCMS от SERVIR-Mekong — это инновационный подход к картографированию лесов.Мы многому научились у вас и собираемся интегрировать это в наш пятый проект цикла мониторинга лесов», — сказал Фам Нгок Хай, сотрудник отдела обучения и международного сотрудничества FIPI.

SERVIR-Mekong продолжает работать с государственными учреждениями по всему региону для дальнейшего укрепления местного потенциала в дальнейшем улучшении системы и использования для улучшения планирования и мониторинга природных ресурсов. Есть планы распространить применение RLCMS за пределы этого региона на другие регионы, такие как Латинская Америка и Африка, через сеть SERVIR.

Автор Вади Дидрават из SERVIR-Mekong/ADPC. Эта статья изначально была размещена на веб-сайте SERVIR-Mekong. Нажмите здесь, чтобы перейти к исходному сообщению.

Меконг — Региональная система мониторинга земного покрова

Эта система помогает пользователям применять проверенные методы и возможности облачных вычислений для создания широкого спектра высококачественных информационных продуктов о земном покрове, которые можно регулярно и последовательно обновлять.

Мониторинг изменения растительного покрова и землепользования важен для планирования земельных ресурсов, поддержания экосистемных услуг и повышения устойчивости к изменению климата. Однако во многих случаях карты составляются и обновляются нечасто и часто не сопровождаются соответствующей информацией и документацией по оценке точности.

Примечание. Это версия 1.0 инструмента RLCMS, которая постоянно развивается и совершенствуется. Расширенные версии будут доступны на этом веб-сайте.  
 

Применение Назначение

Целью этой системы является содействие производству пользовательских высококачественных информационных продуктов о земном покрове для удовлетворения различных потребностей в области политики, планирования, управления и отчетности региональных и национальных учреждений в регионе Нижнего Меконга. Система использует возможности Google Earth Engine и в большинстве случаев полагается на полевые наблюдения и интерпретацию изображений с высоким разрешением заинтересованными сторонами, имеющими отношение к данному проекту.После того, как система настроена для производства определенного продукта или набора продуктов, их можно регулярно обновлять в структурированном виде для удовлетворения текущих потребностей мониторинга.

Приложение использует

Широкий консорциум учреждений-партнеров по совместному производству использовал эту систему для разработки серии ежегодных карт земельного покрова с многоцелевой типологией за период 2000-2016 гг. Этот региональный набор продуктов использовался в качестве цели как для разработки самой системы, так и для проверки концепции.В настоящее время партнеры используют систему ежегодной отчетности по выбросам парниковых газов в соответствии со своими обязательствами в рамках РКИК ООН, а также для картирования масштабов и сроков производства риса во Вьетнаме, чтобы облегчить оценку риска засухи и принять более эффективные решения о распределении воды.

Наблюдения за Землей и используемые продукты НАСА

• Снимки Landsat 7 и 8
• Снимки спектрорадиометра со средним разрешением (MODIS)
• Производные биофизические индексы (т.г. NDVI, непроницаемое покрытие, поверхностные воды и т.