Foreign experience in using Earth remote sensing data in studying urban development

Earth remote sensing data are actively used in studying the development of cities abroad and much less in Russia. The aim of the study was to generalize the foreign experience of using Earth remote sensing data in the study of urban development in social geography and related studies. The experience of predecessors is analyzed. Practically absence of the use of Earth remote sensing data by domestic geographers and social scientists in the study of cities has been revealed. Two types of use of Earth remote sensing data in studying cities abroad are singled out: independent processing of satellite images of specific territories and the use of ready-made sets of processed Earth remote sensing data from large research groups. Both options for using Earth remote sensing data make it possible to compare the territories of the Earth, avoid administrative boundaries and the complexity of statistical accounting, and use longer time series. The differences lie in the depth of the information received and accessibility for the average user. Self-processed Earth remote sensing data are more informative, while ready-made sets are easier to use by ordinary users and with their help it is easier to compare different territories due to the universal methodology. Of the ready-made sets, the data of the Global Human Settlement Layer project from the European Commission stand out for the best quality, as well as the frequency of use.

Keywords

processed remote sensing data, urbanization, urban sprawl, suburbanization, Global Human Settlement Layer, land cover, land use

Received

24.07.2022

Publication date

09.09.2022

Number of characters

20872

Cite Download pdf To download PDF you should sign in

GOST	Lachininskii S., Logvinov I. Foreign experience in using Earth remote sensing data in studying urban development // Pskov Journal of Regional Studies – 2022. – Volume 18. No3/2022 C. 132-146 [Electronic resource]. URL: https://prj.pskgu.ru/S221979310021246-3-1 (circulation date: 05.05.2024). DOI: 10.37490/S221979310021246-3
MLA	Lachininskii, Stanislav, Logvinov, Ilya "Foreign experience in using Earth remote sensing data in studying urban development." Pskov Journal of Regional Studies 3 (2022):132-146. DOI: 10.37490/S221979310021246-3
APA	Lachininskii S., Logvinov I. (2022). Foreign experience in using Earth remote sensing data in studying urban development. Pskov Journal of Regional Studies (3), pp.132-146 DOI: 10.37490/S221979310021246-3

100 rub.

When subscribing to an article or issue, the user can download PDF, evaluate the publication or contact the author. Need to register.


1	Введение: Динамичные и успешные города являются полифункциональными центрами с диверсифицированной структурой экономики, разнообразием видов деятельности. В крупных городах концентрируется экономическая масса, современные высокотехнологичные сервисы (включая финансовые и высокотехнологичные услуги), наиболее высокотехнологичные отрасли промышленности, креативный класс (ИТ-специалисты; специалисты «креативной экономики»; учёные, студенты и исследователи; управленцы), формируется большая часть добавленной стоимости (особенно в условиях перехода к постиндустриальной и постфордиской экономике) [6].
2	Всё в большей степени такие города определяют современную мировую экономику, создавая сеть взаимосвязанных глобальных (мировых) городов. На 2014 г. 300 крупнейших агломераций производили 32 % ВВП Земли при доле в населении всего в 15 %, что свидетельствуют о высочайшей экономической эффективности городов [26].
3	Города также активно участвуют в преобразовании Земли за счёт экстенсивного агломерационного развития, приводящего к их существенному разрастанию (urban sprawl). Например, по оценке Организации экономического сотрудничества и развития (ОЭСР), площадь городских агломераций, с численностью населения более 5 млн. чел., увеличилась за 25 лет (c 1990 по 2015 гг.) на 26 % — с 55,4 тыс. км² до 70,2 тыс. км²[12], что равноценно территории Калининградской области. При этом рост городов в большинстве своём, если судить по показателю устойчивого развития 11.3.1 [22], связан со снижением эффективности землепользования: у 45,7 % городов с численностью населения больше 50 тыс. чел. рост площади застройки превышал рост численности населения, а у 16,6 % площадь застройки увеличилась несмотря на снижение численности населения.
4	Данные о пространственном развитии городов также активно используются географами и экономистами при создании моделей пространственной формы городских агломераций [15] и периодизации процессов урбанизации [16]. Исследователи стремятся устанавливать причинно-следственные связи между пространственным развитием и детерминантами социально-экономического развития [18], с дальнейшим использованием этой информации при территориальном планировании.
5	В свою очередь, изучение роста городов крайне актуально в России. Исследуется агломерационное развитие, (продиктованное стратегий пространственного развития [5]), субурбанизация [1; 4] и многие др.
6	Однако данные статистики, на которые опирается большинство российских исследователей, обладают рядом недостатков, снижающих репрезентативность исследований по развитию городов и препятствующих их сравнению друг с другом [6]. Данные недостатки активно нивелируются в современных исследованиях городов и особенно с помощью данных дистанционного зондирования Земли (ДДЗЗ) зарубежными исследователями. Пласт работ по использованию ДДЗЗ в исследовании городов за рубежом достаточно обширен. Это позволяет комплексно осветить опыт использования передовых методик при изучении городских агломераций, что облегчит их дальнейшее применение.

Readers community rating: votes 0

1. Brade I., Makhrova A. G., Nefdova T. G., Treyvish A. I. (2015), Peculiarities of suburbanization in the Moscow agglomeration in the post-Soviet period, Izvestiya RAN. Seriya geograficheskaya, no. 2, pp. 19–29 (In Russ.).

2. Babkin R. A. (2021), The experience of using data of cellular operators in foreign economic and geographical studies, Vestnik Sankt-Peterburgskogo universiteta. Nauki o Zemle, vol. 66, no. 3, pp. 416–439 (In Russ.). https://doi.org/10.21638/spbu07.2021.301.

3. Grishchenko M. Yu., Sarychev E. Yu., Varentsov M. I. Samsonov T. E. (2020), Experience in determining the area of urban development from satellite images for meteorological modeling problems (on the example of Moscow), InterKarto. InterGIS, vol. 26, no. 2, pp. 298–312 (In Russ.). https://doi.org/10.35595/2414-9179-2020-2-26-298-312

4. Dokhov R. A., Sinitsyn N. A. (2020), Sprol in Russia: growth and structural transformation of Belgorod suburbs, Izvestiya RAN. Seriya geograficheskaya, vol. 84, no. 2, pp. 191–206 (In Russ.). https://doi.org/10.31857/S2587556620020053

5. Zubarevich N. V. (2019), Spatial development strategy: priorities and tools, Questions of Economics, no. 1, pp. 135–145 (In Russ.). https://doi.org/10.32609/0042-8736-2019-1-135-145

6. Kosareva N. B., Polidi T. D., Puzanov A. S. (2018), Economic urbanization, Moscow, Institute for Urban Economics, 418 p. (In Russ.).

7. Makhrova A. G., Medvedev A. A., Nefedova T. G. (2016), Sadovo-dacha settlements of townspeople in the system of rural settlement, Vestnik Moskovskogo universiteta. Seriya 5. Geografiya, no. 2, pp. 64–74. (In Russ.).

8. Medvedev A. A., Gunko M. S. (2016), Identification of signs of the present population based on remote sensing materials, News of higher educational institutions. Geodesy and aerial photography , no. 6, pp. 85–91. (In Russ.).

9. Sadov A. V., Zelenkov V. V. (2012), Aerospace monitoring of cities and urban agglomerations, News of higher educational institutions. Geodesy and aerial photography, no. 6, pp. 48–53. (In Russ.).

10. A recommendation on the method to delineate cities, urban and rural areas for international statistical comparisons (2020), New York, UN-Habitat, 33 p.

11. Atlas of the Human Planet 2020, Open geoinformation for research, policy, and action (2020), Luxembourg, European Commission, 139 p.

12. Cities in the World: A New Perspective on Urbanisation (2020), Paris, OECD Urban Studies, 171 p.

13. East Asia's Changing Urban Landscape: Measuring a Decade of Spatial Growth. URL: https://iopscience.iop.org/article/10.1088/1748-9326/10/3/034002 (accessed 24.07.2022).

14. Florczyk A. J. et al. (2019), Description of the GHS urban centre database 2015, Luxemburg, Public Release, 90 p.

15. Fujita M., Ogawa H. (1982), Multiple equilibria and structural transition of non-monocentric urban configurations, Regional Science and Urban Economics, vol. 12, no. 2, pp. 161–196.

16. Geyer H. S., Kontuly T. (1993), A theoretical foundation for the concept of differential urbanization, International Regional Science Review, vol. 15, no. 2, pp. 157–177.

17. Kussul N. et al. (2021), SDG indicator 11.3. 1 within horizon-2020 smurbs, Space research in Ukraine. 2018–2020, O. Fedorov (ed.), Kyiv, Akadem periodyka, pp. 91–95.

18. Li C., Li J., Wu J. (2018), What drives urban growth in China? A multi-scale comparative analysis, Applied geography, vol. 98, pp. 43–51.

19. Li J. et al. (2013), Spatiotemporal pattern of urbanization in Shanghai, China between 1989 and 2005, Landscape ecology, vol. 28, no. 8, pp. 1545–1565.

20. Li X., Zhang L., Liang C. (2010), A GIS-based buffer gradient analysis on spatiotemporal dynamics of urban expansion in Shanghai and its major satellite cities, Procedia Environmental Sciences, vol. 2, pp. 1139–1156.

21. Melchiorri M. et al. (2018), Unveiling 25 years of planetary urbanization with remote sensing: Perspectives from the global human settlement layer, Remote Sensing, vol. 10, no. 5, pp. 768–775.

22. Melchiorri M et al. (2019), Principles and Applications of the Global Human Settlement Layer as Baseline for the Land Use Efficiency Indicator SDG 11.3.1, ISPRS International Journal of Geo-Information, vol. 8, no. 96.

23. Metroverse — The Growth Lab’s Urban Economy Navigator. URL: metroverse.cid.harvard.edu/ (accessed 24.07.2022).

24. Moreno-Monroy A. I., Schiavina M., Veneri P. (2020), Metropolitan areas in the world. Delineation and population trends, Journal of Urban Economics, 22 p.

25. Nieves J. J. et al. (2020), Predicting near-future built-settlement expansion using relative changes in small area populations, Remote Sensing, vol. 12, no. 10, pp. 1545–1555.

26. Parilla J. et al. (2015), Global metro monitor 2014, Washington, DC, Brookings Institution, 44 p.

27. Perez J., Fusco G., Moriconi-Ebrard F. (2019), Identification and quantification of urban space in India: Defining urban macro-structures, Urban Studies, vol. 56, no. 10, pp. 1988–2004.

28. Science Direct: Modifiable Areal Unit Problem. URL: www.sciencedirect.com/topics/earth-and-planetary-sciences/modifiable-areal-unit-problem (accessed 24.07.2022).

29. Shivaji S. (2020), Demographia World Urban Areas-Built Up Urban Areas or World Agglomerations, Paris, Demographia World Urban Areas, 94 p.

30. Validation of the Global Human Settlement Layer and NASA Population Data for Ukraine (2021), 2021 11th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS). IEEE, vol. 1, pp. 288–291.

31. Wang J., Maduako I. N. (2018), Spatio-temporal urban growth dynamics of Lagos Metropolitan Region of Nigeria based on Hybrid methods for LULC modeling and prediction, European Journal of Remote Sensing, vol. 51, no. 1, pp. 251–265.

32. Wang L., Zhao P. (2018), From dispersed to clustered: New trend of spatial restructuring in China's metropolitan region of Yangtze River Delta, Habitat International, vol. 80, pp. 70–80.