Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Economics and Environment

1 2025

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

An automated approach for updating land cover change maps using satellite imagery

Bartold Maciej, Kluczek Marcin, Dąbrowska-Zielińska Katarzyna

Economics and Environment

2025

No. 1

art. no. 810

Land cover change is a critical aspect of global environmental dynamics, influencing ecosystems, biodiversity, and climate change. This study presents an automated approach for updating land cover maps across Europe, combining Sentinel-1 and Sentinel-2 satellite imagery within the Copernicus framework. The application utilises machine learning algorithms to categorise land cover changes into classes such as no change, retained/reclassified, deurbanisation, afforestation, and urbanisation. Case studies in Poland, Greece, and Italy demonstrate the application's effectiveness, revealing the impact of motorway construction, afforestation efforts, and rapid urbanisation. Overall accuracy rates ranged from 68% to 95%, emphasising the reliability of the methodology. The open-source application, implemented in Python Jupyter and Voila, provides a user-friendly platform for researchers and stakeholders to monitor and analyse land cover changes, supporting informed decision-making for sustainable land management and conservation efforts. This study contributes valuable insights to understanding and addressing the environmental consequences of land cover changes in diverse geographical contexts.

Zmiany w pokryciu terenu stanowią istotne zagadnienie w badaniach globalnych procesów środowiskowych, wpływając na ekosystemy, bioróżnorodność oraz zmiany klimatu. W niniejszej pracy przedstawiono zautomatyzowaną metodę aktualizacji map pokrycia terenu w Europie, wykorzystującą zobrazowania z misji satelitów Sentinel-1 oraz Sentinel-2 w ramach programu Copernicus. Algorytmy uczenia maszynowego posłużyły do klasyfikacji zmian pokrycia terenu w kategoriach takich jak brak zmiany, zachowane-przeklasyfikowane, dezurbanizacja, zalesianie oraz urbanizacja. Skuteczność rozwiązania została potwierdzona w studiach przypadków przeprowadzonych w Polsce, Grecji i Włoszech, gdzie zidentyfikowano wpływ budowy autostrad, działań zalesieniowych oraz intensywnej urbanizacji. Dokładność klasyfikacji wynosiła od 68% do 95%, co świadczy o wysokiej jakości zastosowanej metodyki. Aplikacja, opracowana w otwartym środowisku Python Jupyter i Voila, zapewnia intuicyjną platformę dla naukowców i decydentów, umożliwiającą monitorowanie oraz analizę zmian pokrycia terenu. Narzędzie to wspiera podejmowanie świadomych decyzji dotyczących zrównoważonego zarządzania gruntami i ochrony środowiska. Niniejsze badanie dostarcza cennych informacji na temat konsekwencji zmian pokrycia terenu w różnych kontekstach geograficznych, przyczyniając się do lepszego zrozumienia i skuteczniejszego zarządzania tymi procesami.