Klasyfikacja zorientowana obiektowo w inwentaryzacji obiektów Zielonej Infrastruktury na przykładzie dzielnicy Ursynów w Warszawie

• Autorzy: Pyra M. , Adamczyk J.

Warianty tytułu

EN

Object-oriented classification in the inventory of Green Infrastructure objects on the example of the Ursynów district in Warsaw

• Języki publikacji: EN

Abstrakty

EN

Green Infrastructure is a conception of an integrated approach to functional and spatially related planning of urban areas, along with environmental protection, which in recent years has been appreciated by spatial planning specialists. This study presents the capabilities of using satellite image processing with Geographic Object-Based Image Analysis methods in the inventory, planning and monitoring of Green Infrastructure objects. For this purpose, a satellite image acquired by the Pleiades satellite in May 2012, representing the area of a part of the Ursynów district of the capital city of Warsaw, was used. The object-oriented classification methods used in this work showed high effectiveness in the implementation of the tasks defined.

PL

Zielona Infrastruktura jest koncepcją zintegrowanego podejścia do funkcjonalnego i przestrzennie powiązanego planowania obszarów zurbanizowanych wraz z ochroną elementów środowiska, która na przestrzeni ostatnich lat została doceniona przez podmioty odpowiedzialne za planowanie przestrzenne. Niniejsza praca przedstawia możliwości wykorzystania przetworzeń zobrazowań satelitarnych metodami klasyfikacji obiektowej w inwentaryzacji, planowaniu i monitorowaniu obiektów Zielonej Infrastruktury. Do tego celu wykorzystano zobrazowanie satelitarne pozyskane przez satelitę Pleiades w maju 2012 roku, reprezentujące obszar części dzielnicy Ursynów m.st. Warszawy. Wykorzystane w pracy metody klasyfikacji obiektowej wykazały wysoką efektywność w realizacji założonych zadań.

Słowa kluczowe

EN

remote sensing; Geographic Object-Based Image Analysis; green infrastructure; spatial management

PL

teledetekcja; klasyfikacja obiektowa; zielona infrastruktura; planowanie przestrzenne

• Wydawca: Polskie Towarzystwo Geograficzne, Oddział Teledetekcji i Geoinformatyki
• Czasopismo: Teledetekcja Środowiska
• Rocznik: 2018
• Tom: T. 59
• Strony: 29--49
• Opis fizyczny: Bibliogr. 44 poz., rys., tab.

Twórcy

autor

Pyra M.

• Globema Sp. z o.o. ul. Wita Stwosza 22, 02-661 Warszawa

autor

Adamczyk J.

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Instytut Inżynierii Środowiska, Katedra Architektury Krajobrazu ul. Nowoursynowska 159, 02-776 Warszawa

Bibliografia

• Adamczyk J., 2013, Wpływ własności ortofotomapy cyfrowej na wyniki klasyfikacji obiektowej pokrycia terenu, Archiwum Fotogrametrii, Kartografii i Teledetekcji, 25.
• Adamczyk J., Będkowski K., 2007, Metody cyfrowe w teledetekcji, Wydawnictwo SGGW, Warszawa.
• Adamczyk J., Będkowski K., 2014, Klasyfikacja obiektowa, Skrypty do przedmiotu Teledetekcja (Materiały niepublikowane).
• Ajuntament de Barcelona, 2013, Barcelona green infrastructure and biodiversity plan 2020, Ajuntament de Barcelona, Barcelona.
• Andrzejewski R., 1985, Ekologia a planowanie przestrzenne, Wiadomości Ekologiczne, 31(3).
• Astri Polska, 2013, https://astripolska.pl/.
• Baatz M., Schäpe A., 2000, Multiresolution segmentation an optimization approach for high quality multi-scale image segmentation, [w:] XII Angewandte geographische Informationsverarbeitung, Wichmann-Verlag, Heidelberg.
• BAiPP, 2016, Potencjał do kształtowania Zielonej Infrastruktury Warszawy, Biuro Architektury i Planowania Przestrzennego Urzędu M. St. Warszawy, Warszawa.
• Blaschke T., Lang S., Hay G.J., 2008, Object-Based Image Analysis - Spatial Concepts for Knowledge-Driven, Springer, Berlin.
• Blaschke T., Strobl J., 2001, What’s wrong with pixels? Some recent developments, GeoBIT/GIS.
• Burnett C., Blaschke T., 2003, A multi-scale segmentation/object relationship modelling methodology for landscape analysis, Ecological Modelling, 3, 168.
• Carleer A.P., Debeir O., Wolff E., 2005, Assessment of very high spatial resolution satellite image segmentations, Photogrammetric Engineering & Remote Sensing, 71(11).
• Castilla G., Hay G.J., 2008, Geographic Object-Based Image Analysis, [w:] Blaschke T. Lang S., Hay G.J. (red.), Object-Based Image Analysis - Spatial Concepts for Knowledge-Driven, Springer, Berlin.
• CIT 2009. California Institute of Technology, Jet Propulsion, 2009, ASTER Spectral Library, [w:] Zagajewski B. (red.), Biblioteka spektralna gatunków zielnych Ogrodu Botanicznego Uniwersytetu Warszawskiego, Teledetekcja Środowiska, Warszawa.
• CNES 2012, Centre National d’Etudes Spatiales, http:// smsc.cnes.fr/PLEIADES/GP_satellite.htm (dostęp: 30.10.2017).
• EADS, 2013, European Aeronautic Defence and Space, (obecnie Airbus), https://www.airbus.com/.
• EEA, 2011, Green Infrastructure and territorial cohesion, European Environmental Agency, Copenhagen.
• Forman R.T.T., Godron M., 1986, Landscape ecology, John Wiley & Sons, New York.
• Gao B., 1996, NDWI – A normalized difference water index for remote sensing of vegetation liquid water from space, Remote Sensing of Environment, 58, 257-266.
• GUS, 2019, Powierzchnia i ludność w przekroju terytorialnym w 2018 roku, Tab. 21: Powierzchnia, ludność oraz lokaty według gmin, https://stat.gov.pl/obszary-tematyczne/ludnosc/ludnosc/powierzchnia-i-ludnosc-w-przekroju-terytorialnym-w-2019-roku,7,16.html.
• Harlick R., 1979, Statistical and structural approaches to texture, Proceedings of the IEEE, 67.
• Heiden U., Segl K., Roessner S., Kaufmann H., 2005, Determination and verification of robust spectral features for an automated classification of sealed urban surfaces, [w:] Zagajewski B., Sobczak M. (red.), Imaging Spectroscopy. New quality in environmental studies, EARSeL & Uniwersity of Warsaw, Warszawa.
• Heute A.R., 1988, A soil-adjusted vegetation index (SAVI), Remote Sensing of Environment, 25(3), 295-309.
• Krawczyk J., 2001, Ursynów wczoraj i dziś, Wydawnictwo Pagina, Warszawa.
• Królikowski L., 2014, Ursynów wczoraj, dziś, jutro, Wydawnictwo Pagina, Warszawa.
• Labib S.M., Harris A., 2018, The potentials of Sentinel-2 and LandSat-8 data in green infrastructure extraction, using object based image analysis (OBIA) method, European Journal of Remote Sensing, 51(1).
• Lackner M., Conway T.M., 2008, Determining land-use information from land cover through an object-oriented classification of IKONOS imagery, Canadian Journal of Remote Sensing, 34(2).
• Lewiński S., 2007, Obiektowa klasyfikacja zdjęć satelitarnych jako metoda pozyskiwania informacji o pokryciu i użytkowaniu ziemi, Instytut Geodezji i Kartografii.
• Lewiński S., Bochenek Z., 2008, Zastosowanie metody parametrycznej w klasyfikacji obiektowej obrazu satelitarnego SPOT, Archiwum Fotogrametrii, Kartografii i Teledetekcji, 18.
• Mayor of London, 2012, Green Infrastructure and open environments, The All London Green Grid, London.
• Mieszkowska K., 2005, Ogólnomiejski System Terenów Aktywnych Biologicznie (OSTAB) w Gdańsku jako jeden ze sposobów wdrażania rewitalizacji przyrodniczej w miastach, Teka Komisji Architektury Urbanistyki i Studiów Krajobrazowych - Oddział w Lublinie PAN.
• Schiewe J., 2002, Segmentation of high-resolution remotely sensed data - concepts, applications and problems, Joint ISPRS Commission IV Symposium: Geospatial Theory, Processing and Applications.
• Su W., Li J., Chen Y., Liu Z., Zhang J., Low T.M., Suppiah I., Hadhim S.A.M., 2008, Textural and local spatial statistics for the object oriented classification of urban areas using high resolution imagery, International Journal of Remote Sensing, 29(11).
• SUiKZP Gdańsk, 2007, Studium uwarunkowań i kierunków zagospodarowania przestrzennego Miasta Gdańska, Urząd Miasta Gdańska, Gdańsk.
• Sukopp H., Werner P., 1982, Nature in cities, Rada Europy, Strasburg.
• Sulma S., Yulianto F., Nugroho J.T., Sofan P., 2016, A support vector machine object based image analysis approach on urban green space extraction using Pleiades-1A imagery, Modeling Earth Systems and Environment, 2(2).
• Szulczewska B., 2009, Plan zielonej infrastruktury - nowa moda czy rzeczywista potrzeba? [w:] Markowski T., Drzazga D. (red.), System przyrodniczy w zarządzaniu rozwojem obszarów metropolitalnych, Warszawa.
• Szulczewska B., Kaliszuk E., 2005, Koncepcja systemu przyrodniczego miasta, geneza, ewolucja i znaczenie praktyczne, Teka Komisji Architektury, Urbanistyki i Studiów Krajobrazowych - Oddział w Lublinie PAN, Polska Akademia Nauk, Warszawa.
• Tang B.S., Wong S.W., Lee A.K.W., 2007, Green belt in a compact city: A zone for conservation or transition?, Landscape and Urban Planning, 79(3-4).
• Thomas N., Hendrix C., Congalton R.G., 2003, A comparison of urban mapping methods using high-resolution digital imagery, Photogrammetric Engineering & Remote Sensing, 69(9).
• Trisakti B., 2017, Vegetation type classification and vegetation cover percentage estimation in urban green zone using pleiades imagery, [w:] IOP Conference Series: Earth and Environmental Science, 54(1), IOP Publishing.
• UE, 2013, Zielona Infrastruktura - zwiększenie kapitału naturalnego Europy, Bruksela.
• Wężyk P., Wójtowicz-Nowakowska A., Pierzchalski M., Mlost J., Szwed P., 2012, Klasyfikacja pokrycia terenu metodą OBIA z wykorzystaniem zobrazowań satelitarnych Rapideye, Archiwum Fotogrametrii, Kartografii i Teledetekcji, 23.
• Zagajewski B., 2010, Metody i techniki badań geoinformatycznych, Uniwersytet Warszawski, Warszawa.