Объединение данных дистанционного зондирования разных временных периодов для моделирования городского роста: пространственно-временной анализ с помощью Google Earth Engine

Понимание, анализ, мониторинг и моделирование расширения городов имеют важное значение для градостроителей, стремящихся к устойчивому развитию. Для выявления территорий, подвергающихся экологической трансформации и изменениям в городской планировке, могут применяться различные геопространственные методы, такие как количественные и пространственно-временные модели. Использование геопространственного анализа для изучения моделей землепользования/землепокрытия (LULC) имеет решающее значение для разработки и реализации эффективной политики городского развития. Планировщики и политики все чаще полагаются на комплексные показатели, которые объединяют различные наборы данных, пространственный анализ и качественные оценки. В данном исследовании изучались пространственно-временные процессы расширения городов с помощью геопространственного анализа. Для анализа динамики и изменений в LULC был применен комплексный подход с использованием спутниковых данных за 2000, 2010 и 2021 годы. Ключевые объясняющие переменные включали растительность, городские земли, незастроенные территории, водные объекты и элементы инфраструктуры, такие как дороги и городские центры, которые использовались для оценки конкретных тенденций и пространственных закономерностей. Моделирование LULC проводилось с использованием алгоритма Random Forest на платформе Google Earth Engine. Оценка точности модели показала удовлетворительные результаты по сравнению с предыдущими исследованиями. Результаты показали, что рост городской застройки в Пешаваре составил 22,41% с 2000 по 2010 год и 7,46% с 2010 по 2021 год, при общем увеличении на 31,54% за два десятилетия. Это расширение в значительной степени способствовало деградации зеленых зон и водных ресурсов, что ставит Пешавар в число городов, испытывающих значительное экологическое давление. Эти результаты подчеркивают необходимость срочного внедрения стратегий, которые были бы не только инновационными, но и адаптивными по своей природе. Такие инициативы, как развитие «умных городов» и управление ресурсами на основе данных, жизненно важны для повышения устойчивости городов, управления потребностями в инфраструктуре и повышения качества жизни в условиях быстрой урбанизации и растущего демографического давления.

Data Fusion of Multi‐Temporal Remote Sensing Data for Urban Growth Modeling: A Spatio‐Temporal Analysis via Google Earth Engine

Understanding, analyzing, monitoring, and modeling urban expansion are essential for urban planners aiming to achieve sustainable development. Various geospatial techniques, such as quantitative and spatiotemporal models, can be applied to identify areas undergoing environmental transformation and shifts in urban layout. The use of geospatial analysis to examine Land Use/Land Cover (LULC) patterns is crucial for formulating and implementing effective urban development policies. Planners and policymakers increasingly rely on comprehensive metrics that integrate diverse datasets, spatial analysis, and qualitative assessments. This study investigated the spatiotemporal processes of urban expansion through geospatial analysis. A comprehensive approach was adopted to analyze the dynamics and transitions in LULC using satellite data from the years 2000, 2010, and 2021. Key explanatory variables included vegetation, urban land, bare land, water bodies, and infrastructure elements such as roads and urban centers, which were used to assess specific trends and spatial patterns. LULC modeling was performed using the Random Forest algorithm within the Google Earth Engine platform. The accuracy assessment of the model indicated satisfactory performance compared to previous studies. The results revealed that urban growth in Peshawar was 22.41% from 2000 to 2010 and 7.46% from 2010 to 2021, with an overall increase of 31.54% over the two-decade period. This expansion has significantly contributed to the degradation of green spaces and water resources, placing Peshawar among cities facing considerable environmental stress. These outcomes highlight a need for urgency for strategies that are not only innovative but also adaptive in nature. Initiatives such as smart city development and data-driven resource management are vital to improving urban resilience, managing infrastructure demands, and enhancing the quality of life amid rapid urbanization and growing population pressures.