Analysis of land use changes in the Tri-City metropolitan area based on the multi-temporal classification of landsat and rapideye imagery

• Autorzy: Kwoczyńska Bogusława

Identyfikatory

DOI

10.15576/GLL/2021.2.101

Warianty tytułu

PL

Analiza zmian użytkowania gruntów trójmiejskiego obszaru metropolitarnego opracowana na podstawie wieloczasowej klasyfikacji obrazów LANDSAT i RAPIDEYE

• Języki publikacji: EN

Abstrakty

EN

The aim of the study was to diagnose the main trends of land cover changes around urban agglomerations over the last twenty years (1997–2016) on the example of Tri-City, and to present them statistically and graphically in the form of compilation of numerical maps. The research was performed on the basis of remotely sensed data: LANDSAT 5 TM satellite imagery from 1997 and RapidEye from two records (2011, 2016). The metropolises of Gdańsk, Gdynia and Sopot, constituting the core of metropolitan area (MA), and municipalities belonging to the Tri-City MA located in its vicinity were selected for detailed analyses – the inner zone of 2 communes and the outer zone, also of 2 communes (MA outskirts). In the selected metropolitan area, communes with good and poor natural conditions for agricultural production were studied. The analyses were performed on processed images (colour compositions), which were subjected to supervised classification with the maximum likelihood technique. The quality control of supervised classification showed an accuracy of 87.2% for LANDSAT 5 TM scene analyses and 93.8% for RapidEye imagery. The Kappa coefficient for the discussed classification was, respectively: 0.85 (LANDSATTM) and 0.93 (RapidEye). The conducted analyses showed that in the communes there were changes in the way of using arable land and grassland. The greatest changes took place in communes with a low Agricultural Production Space Valuation Ratio (APSVR). Grassland, and to a lesser extent areas with scattered development, replaced arable land. In Gdańsk, Sopot and Gdynia, belonging to the TriCity, the greatest changes over 20 years took place in arable land, which altogether diminished by 17%, and forest land (13% in total). All this to the benefit of grassland (increase by 23%) and built-up areas (10% in total in all cities).

PL

Celem opracowania było zdiagnozowanie głównych trendów przemian pokrycia terenu wokół aglomeracji miejskich, na przykładzie Trójmiasta, na przestrzeni ostatnich dwudziestu lat (1997-2016) oraz ich statystyczne i graficzne zaprezentowanie w postaci kompilacji map numerycznych. Badania zostały wykonane w oparciu o dane teledetekcyjne: zobrazowania satelitarne LANDSAT 5 TM z 1997 roku i RapidEye z dwóch rejestracji czasowych (2011, 2016). Do szczegółowych analiz wybrano metropolie Gdańsk, Gdynię i Sopot stanowiące rdzeń OM oraz gminy należące do obszaru metropolitarnego (OM) trójmiejskiego położone w jego sąsiedztwie – strefa wewnętrzna (2 gminy), a także na jego obrzeżach (strefa zewnętrzna), także 2 gminy. W danym obszarze metropolitarnym badane były gminy o dobrych i słabych warunkach przyrodniczych produkcji rolniczej. Analizy przeprowadzono na przetworzonych obrazach (kompozycjach barwnych), które poddano klasyfikacji nadzorowanej przy użyciu techniki największego prawdopodobieństwa. Kontrola jakości klasyfikacji nadzorowanej wykazała dokładność na poziomie 87,2% w przypadku analiz scen LANDSAT 5 TM oraz 93,8% dla zobrazowań RapidEye. Współczynnik Kappa dla omawianej klasyfikacji wyniósł odpowiednio: 0,85 (LANDSAT TM) oraz 0,93 (RapidEye). Prowadzone analizy wykazały, iż w badanych gminach zachodziły zmiany w sposobie użytkowania gruntów ornych i użytków zielonych. Największe zmiany nastąpiły w gminach o niskim WWRPP (Współczynnik Waloryzacji Rolniczej Przestrzeni Produkcyjnej). Użytki zielone, a w mniejszym stopniu tereny o zabudowie rozproszonej zastąpiły grunty orne. W Gdańsku, Sopocie i Gdyni należących do Trójmiasta największe zmiany na przestrzeni 20 lat zaszły w na terenach gruntów ornych, których ubyło łącznie 17% oraz użytków leśnych (ubyło ich bowiem łącznie 13 %). Wszystko to na korzyść terenów zielonych (przybyło ich 23%) oraz terenów zabudowanych, których powierzchnia zwiększyła się łącznie we wszystkich miastach o 10%.

Słowa kluczowe

EN

land use; satellite imagery; metropolitan area

PL

użytkowanie terenu; zdjęcie satelitarne; obszar metropolitarny

• Wydawca: Wydawnictwo Uniwersytetu Rolniczego w Krakowie
• Czasopismo: Geomatics, Landmanagement and Landscape
• Rocznik: 2021
• Tom: no. 2
• Strony: 101--119
• Opis fizyczny: Bibliogr. 53 poz., rys., tab.

Twórcy

autor

Kwoczyńska Bogusława

• University of Agriculture in Krakow Department of Agricultural Land Surveying, Cadastre and Photogrammetry ul. Balicka 253a, 30-198 Kraków

• https://orcid.org/0000-0001-7230-5397

Bibliografia

• Abburu S., Golla S.B. 2015. Satellite Image Classification Methods and Techniques: a Review. International Journal of Computer Applications, 119, 8, 20‒25.
• Bałazy R., Brach M., Bruchwald A., Choromański A., Dmyterko E., Grzegorzewicz T., Kyc P., Łabaj A., Majsterkiewicz K., Neroj B., Okła K., Olenderek H., Olenderek T., Prengel J., Talarczyk A., Wasiak A., Wężyk P., Wiśniewska E., Witosza W., Zajączkowski G. 2013. Geomatyka w Lasach Państwowych. Część II. Poradnik praktyczny. CILP, Warszawa, 390.
• Barredo J.I., Lavalle C., Demicheli L., Kasanko M., McCormick N. 2003. Sustainable urban and regional planning: The MOLAND activities on urban scenario modelling and forecast. European Commision. Joint Reseach Centre, Institute for Environment and Sustainability. Office for Official Publications of the European Communities, Luxembourg.
• Bochenek Z. 2004. Zastosowanie różnych metod określania zmian pokrycia terenu na obszarach miejskich z wykorzystaniem zdjęć satelitarnych. Archiwum Fotogrametrii, Kartografii i Teledetekcji, 14, 1‒13.
• Brahabhatt V.S., Dalwadi G.B., Chhabra S.B., Ray S.S., Dadhwal V.K. 2000. Landuse/land cover changes mapping in Mahi canal command area, Gujarat, using multi-temporal satellite data, J. Indian Soc. Remote Sensing, 28(4), 221‒232.
• Bruzzone L., Serpico S.B. 1997. An iterative technique for the detection of land-cover transitions in multitemporal remote-sensing images. IEEE Trans. Geosci. Remote Sens., 35, 858–867.
• Busko M., Szafranska B. 2018. Analysis of Changes in Land Use Patterns Pursuant to the Conversion of Agricultural Land to Non-Agricultural Use in the Context of the Sustainable Development of the Malopolska Region. Sustainability, 10, 136.
• Butenuth M., Gösseln G.V., Tiedge M. et al. 2007. Integration of heterogeneous geospatial data in a federated database. ISPRS Journal of Photogrammetry and Remote Sensing, 62(5), 328‒346.
• Cakir H.I., Khorram S., Nelson S.A.C. 2006. Correspondence analysis for detecting land cover change. Remote Sens. Environ., 102, 306–317.
• Cegielska K., Noszczyk T., Kukulska A., Szylar M., Hernik J., Dixon-Gough R., Jombach S., Valánszki I., Filepné Kovács K. 2018. Land use and land cover changes in post-socialist countries: Some observations from Hungary and Poland. Land Use Policy, 78, 1–18.
• Chen J., Gong P., He C., Pu R., Shi P. 2003. Land-Use/Land Cover Change Detection Using Improved Change-Vector Analysis. Photogrammetric Engineering & Remote Sensing, 69, 4, 369–379.
• Ciołkosz A., Poławski Z.F. 2006. Zmiany użytkowania ziemi w Polsce w drugiej połowie XX wieku. Przegląd Geograficzny, 78, 2, 173–190.
• Civco D.L., Hurd J.D., Wilson E.H., Song M., Zhang Z. 2002. A comparison of land use and land cover change detection methods. ASPRS-ACSM Annual Conference and FIG XXII Congress.
• Comber A., Balzter H., Cole B., Johnson S., Oguto B., Fisher P. 2016. Methods to quantify regional differences in land cover change. Remote Sens., 8, 176.
• Drzewiecki W. 2008. Monitoring zmian pokrycia i użytkowania terenu na podstawie wieloczasowych obrazów teledetekcyjnych. Rocz. Geomatyki, 6, 131–142.
• Gautam N.C., Narayanan L.R.A. 1983. Landsat MSS data for land use/land cover inventory and mapping: A case study of Andhra Pradesh. J. IndianSoc, Remote Sensing, 11(3), 15‒28.
• Gellrich M., Zimmermann N.E. 2007. Investigating the regional-scale pattern of agricultural land abandonment in the Swiss mountains: A spatial statistical modelling approach. Landsc. Urban Plan., 79, 65–76.
• Grabska E. 2017. Ocena możliwości wykorzystania satelitarnych danych optycznych i radarowych do identyfikacji typów użytków rolnych. Prace Geograficzne, 148. Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków, 2017.
• Hejmanowska B., Wężyk P. 2020. Dane satelitarne dla administracji publicznej. Polska Agencja Kosmiczna.
• Hermosilla T., Wulder M.A., White J.C., Coops N.C., Hobart G.W. 2018. Disturbance-Informed Annual Land Cover Classification Maps of Canada’s Forested Ecosystems for a 29-Year Landsat Time Series. Can. J. Remote Sens., 44, 1–21.
• Jain S.K. 1992. Land use mapping of Tawi catchment using satellite data. Report No.CS72. National Institute of Hydrology, Roorkee, 52.
• Krischke M., Niemeyer W., Scherer S. 2000. RapidEye satellite based geo-information system. Acta Astronautica, 46, 307‒312. KPZK, 2030.
• http://www.wzs.wzp.pl/sites/default/files/files/19683/89272000_1412985316_Koncepcja_Przestrzennego_Zagospodarowania_Kraju_2030.pdf
• Kwoczyńska B., Sroka W., Sikora K. 2019. Analysis of land use changes in selected communes of the Lublin metropolitan area based on remote sensing data. Geomatics, Landmanagement and Landscape, 4, 73–91. http://dx.doi.org/10.15576/GLL/2019.4.73
• Li X., Yeh A.G.O. 1998. Principal component analysis of stacked multi-temporal images for the monitoring of rapid urban expansion in the Pearl River Delta. Int. J. Remote Sens., 19(8), 1501–1518.
• Loveland T.R., Dwyer J.L. 2012. LANDSAT: Building a strong future. Remote Sens. Environ., 122, 22–29.
• Lu D., Mausel P., Brondizio E., Moran E. 2004. Change detection techniques. Int. J. Remote Sens., 25, 12, 2365–2401.
• Markham B.L., Helder D.L. 2012. Forty-year calibrated record of earth-reflected radiance from LANDSAT: A review. Remote Sens. Environ., 122, 30‒40.
• Μeliadis Ι.M. 2005. Correlations of environmental parameters with the use of satellite technology and G.I.S. Forest Research, 17, 19‒26 (in Greek).
• Μeliadis Ι.M., Τsiontsis A., Daskalakis T. 2005. Estimation of the risk erosion in the soil of the county of Thessaloniki Proceedings of the 12th National Forestry Conference, Forest & Water Protection of the Environment. Drama 2‒5 October, 433‒440 (in Greek).
• Michałowska K., Głowienka-Mikrut E. 2010. Wieloczasowe dane obrazowe w badaniu zmian pokrycia terenu. Archiwum Fotogrametrii, Kartografii i Teledetekcji, 21, 281–289.
• Mularz S., Drzewiecki W., Pirowski T. 2007. Teledetekcyjne metody rejestracji krajobrazu. Roczniki Geomatyki, V, 8.
• Niedzielko J., Lewiński S. 2012. Detekcja zmian pokrycia terenu na zdjęciach satelitarnych Landsat – porównanie trzech metod. Teledetekcja Środowiska, 47, 87‒98.
• Oliveira Duarte D., Zanetti J., Gripp J., Graças Medeiros N. 2016. Comparison of supervised classification methods of Maximum Likelihood image. Minimum Distance, Parallelepiped and Neural network in images of Unmanned Air Vehicle (UAV) in Viçosa-MG, Civil Engineering Department – Federal University of Viçosa (UFV), Campos do Jordao, 30.11.2016.
• Peiman R. 2011. Pre-classification and post-classification change-detection techniques to monitor land-cover and land-use change using multi-temporal Landsat imagery: A case study on Pisa Province in Italy. International Journal of Remote Sensing, 4365‒4381, August 2011. https://doi.org/10.1080/01431161.2010.486806
• Prakasam C. 2010. Land use and land cover change detection through remote sensing approach: A case study of Kodaikanal taluk, Tamil nadu. International Journal of Geomatics and Geosciences, 1, 2, 150–158.
• Sandau R., Brieß K., D’Errico M. 2010. Small satellites for global coverage: Potential limits. ISPRS J. Photogramm. Remote Sens., 65, 492‒504.
• Sarma V.V.L.N., Murali Krishna G., HemaMalini B., NageswaraRao K. 2001. Landuse/Landcover Change Detection through Remote Sensing and its Climatic Implications in the Godavari Delta Region. Journal of the Indian Society of Remote Sensing, 29, 1, 2.
• Schneider A. 2012. Monitoring land cover change in urban and pen-urban areas using dense time stacks of Landsat satellite data and a data mining approach. Remote Sensing of Environment, 124, 689–704, June 2012. DOI: 10.1016 / j.rse.2012.06.006
• Tewkesbury A., Comber A., Nicholas J., Tate Peter F. Fisher. 2015. A critical synthesis of remotely sensed optical image change detection techniques. Remote Sensing of Environment. DOI: 10.1016/j.rse.2015.01.006
• Tian J., Reinartz P. d’Angelo P., Ehlers M. 2013. Region-based automatic building and forest change detection on Cartosat-1 stereo imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 79, 226–239. May. DOI:10.1016/j.isprsjprs.2013.02.017
• Verburg P.H., van de Steeg J., Veldkamp A., Willemen L. 2009. From land cover change to land function dynamics: A major challenge to improve land characterization. J. Environ. Manage., 90, 1327‒1335.
• Vieira M.A., Formaggio A.R., Rennó C.D. (…), Mello M.P. 2012. Object Based Image Analysis and Data Mining applied to a remotely sensed Landsat time-series to map sugarcane over large areas. Remote Sensing of Environment, August 2012, 123, 553‒562.
• Vogelmann J.E., Gallant A.L., Shi H., Zhu Z. 2016. Perspectives on monitoring gradual change across the continuity of Landsat sensors using time-series data. Remote Sens. Environ., 185, 258–270.
• Wężyk P., Wójtowicz-Nowakowska A., Pierzchalski M., Mlost J., Szafrańska B. 2013. Mapa zmian pokrycia terenu Małopolski 1986‒2011 wykonana w oparciu o klasyfikację obiektową obrazów satelitarnych LANDSAT oraz RapidEye. Archiwum Fotogrametrii, Kartografii i Teledetekcji, 25, 273–284.
• Wojewodzic T. 2017. Procesy dywestycji i dezagraryzacji w rolnictwie na obszarach o rozdrobnionej strukturze agrarnej. Zeszyty Naukowe Uniwersytetu Rolniczego im. H. Kołłątaja w Krakowie, 535, seria rozprawy, 412.
• Wulder M.A., Masek J.G., Cohen W.B., Loveland T.R., Woodcock C.E. 2012. Opening the archive: How free data has enabled the science and monitoring promise of LANDSAT. Remote Sens. Environ., 122, 2‒10.
• Wulder M.A., White J.C., Loveland T.R., Woodcock C.E., Belward A.S., Cohen W.B., Fosnight E.A., Shaw J., Masek J.G., Roy D.P. 2016. The global Landsat archive: Status, consolidation, and direction. Remote Sens. Environ., 185, 271–283.
• Xie H., Wang P., Yao G. 2014. Exploring the dynamic mechanisms of farmland abandonment based on a spatially explicit economic model for environmental sustainability: A case study in Jiangxi Province, China. Sustainability, 6, 1260–1282.
• Xu R., Lin H., Lü Y., Luo Y., Ren Y., Comber A. 2018. A modified change vector approach for quantifying land cover change. Remote Sensing, 10, 1578.
• Yuan F., Sawaya K.E., Loeffelholz B.C., Bauer M.E. 2005. Land cover classification and change analysis of the Twin Cities (Minnesota) Metropolitan Area by multitemporal Landsat remote sensing. Remote Sens. Environ., 98, 317–328.
• Zhu Z., Woodcock C.E. 2014. Continuous change detection and classification of land cover using all available Landsat data. Remote Sens. Environ., 144, 152–171.
• Zhu Z. 2017. Change detection using Landsat time series: A review of frequencies, preprocessing, algorithms, and applications. ISPRS J. Photogramm., 130, 370–384.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).