Новый метод картографирования трущоб в Африке с помощью Sentinel-1 и LCZ

Неформальные поселения, часто называемые трущобами, остаются одной из самых сложных задач для городского планирования в Африке. Точное картографирование этих районов критически важно для управления ресурсами, социально-экономического развития и улучшения условий жизни миллионов людей. Однако традиционные спутниковые методы часто путают трущобы с формальными малоэтажными кварталами, особенно в сезон дождей. Недавнее исследование предлагает контекстно-зависимый подход, объединяющий оптические данные Sentinel-2 и радарные данные Sentinel-1 в рамках адаптированной таксономии Local Climate Zones (LCZ). Этот метод значительно повышает точность распознавания неформальных поселений и снижает количество ошибок, что открывает новые возможности для мониторинга урбанизации в регионах с ограниченными данными.

Как работает новый метод картографирования

Исследователи разработали трехступенчатую стратегию интеграции данных синтезированной апертурной радиолокации (SAR). Первый этап включает калиброванное обратное рассеяние, которое позволяет оценить физические свойства поверхности. Второй этап использует текстурные признаки на основе матрицы смежности уровней серого (GLCM), которые помогают различать структурные особенности застройки. Третий этап — это физически обоснованный признак, специально разработанный для захвата высокой структурной неупорядоченности и слабого радарного отклика, характерных для неформальных поселений в Африке к югу от Сахары (SSA). Комбинация этих признаков с оптическими данными позволила создать модель Optical-SAR, которая значительно превосходит традиционные методы.

Почему радарные данные так важны для распознавания трущоб?

Оптические спутниковые снимки часто не могут надежно отличить неформальные поселения от формальных компактных малоэтажных районов (LCZ 3), особенно в сезон дождей, когда облачность и влажность искажают спектральные сигнатуры. Радарные данные Sentinel-1, напротив, проникают сквозь облака и чувствительны к структуре зданий и материалов. Неформальные поселения в SSA обычно характеризуются хаотичной застройкой из металлических листов и других материалов, которые создают уникальный радарный сигнал — сильное обратное рассеяние из-за множественных отражений и слабый отклик от земли. Этот контраст позволяет отличать их от формальных районов с более упорядоченной структурой.

Результаты и преимущества нового подхода

Модель Optical-SAR была протестирована на данных по городам Найроби и Элдорет в Кении. Общая точность составила 0,816 в сухой сезон и 0,807 во влажный сезон, что значительно выше, чем у базового метода WUDAPT (точность 0,704). Критическая путаница между неформальными поселениями (LCZ 7) и формальными компактными малоэтажными районами (LCZ 3) была снижена до 7%, тогда как при использовании только оптических данных она достигала 20-30%. Это означает, что новый метод позволяет более надежно идентифицировать трущобы независимо от сезона, что особенно важно для регионов с выраженными влажными и сухими периодами.

Какие города были исследованы и почему это важно?

Исследование проводилось на двух городах Кении — Найроби и Элдорет. Найроби, столица, имеет крупные неформальные поселения, такие как Кибира, где проживает около 200 000 человек. Элдорет — более мелкий город, но также сталкивается с быстрым ростом трущоб. Выбор этих городов позволил проверить метод в разных урбанистических контекстах. Однако авторы отмечают, что для подтверждения универсальности подхода необходимы испытания на других городах SSA, так как перенос модели между городами без локальной адаптации пока ограничен.

Кому будет полезен этот метод?

Результаты исследования представляют интерес для урбанистов, градостроителей, географов, агентств по развитию и исследователей, занимающихся мониторингом неформальных поселений и городской морфологии. Метод может быть интегрирован в существующие системы картографирования, такие как WUDAPT, для повышения точности. Кроме того, он может быть адаптирован для других регионов мира с похожими условиями, например, в Южной Азии или Латинской Америке, где также распространены неформальные поселения с металлическими крышами.

Какие ограничения и направления для будущих исследований?

Несмотря на успех, метод имеет ограничения. Во-первых, он требует наличия радарных данных Sentinel-1, которые доступны не для всех регионов в нужном разрешении. Во-вторых, перенос модели между городами без локальных стратегий адаптации пока неэффективен — для каждого нового города可能需要 дополнительная калибровка. В-третьих, исследование проводилось только на двух городах Кении, поэтому необходима проверка на других городах SSA с разными типами застройки и климатическими условиями. Будущие работы могут быть направлены на разработку методов автоматической адаптации модели к новым городам и интеграцию данных с других спутников, таких как Radarsat или ALOS PALSAR.

Заключение

Контекстно-зависимое картографирование неформальных поселений с помощью комбинации Sentinel-1 и LCZ представляет собой значительный шаг вперед в области дистанционного зондирования городов. Метод не только повышает точность распознавания трущоб, но и делает картографирование более устойчивым к сезонным изменениям. Это открывает новые возможности для мониторинга урбанизации в Африке и других развивающихся регионах, где неформальные поселения растут быстрыми темпами. Дальнейшие исследования и адаптация метода помогут сделать его доступным для широкого круга пользователей, включая городские власти и международные организации.