Моніторинг забудови міста Львова за матеріалами ДЗЗ
Автор: Романишин Олександр Ігорович
Кваліфікаційний рівень: магістр
Спеціальність: Фотограмметрія та дистанційне зондування
Інститут: Інститут геодезії
Форма навчання: денна
Навчальний рік: 2023-2024 н.р.
Мова захисту: українська
Анотація: Зростання населення та міський розвиток призводять до збільшення потреби у житлі, інфраструктурі та комерційних зон. Моніторинг забудови міста за допомогою космічних знімків дозволяє виявляти зміни у землекористуванні та забудові, що допомагає краще відповідати на зростаючі потреби міста [1]. Розвиток забудови має великий вплив на економіку та соціальні аспекти міста. Відновлення історичних районів, розміщення нових промислових зон або комерційних центрів - усі ці рішення потребують добре обґрунтованого моніторингу забудови та землекористування [2]. Забудова має великий вплив на навколишнє середовище. Важливо визначати зони зелених насаджень, водних резервуарів та екологічно чутливих ділянок для збереження природних ресурсів та забезпечення екологічно сталого розвитку міста [3,4]. Моніторинг забудови допомагає міським планувальникам краще розуміти структуру та розвиток міста. Це дозволяє вдосконалювати планування і розташування нових існуючих будівель та інфраструктурних систем. Моніторинг забудови може виявити ділянки зі зниженою стійкістю до природних лих, таких як повені або зсуви грунту. Це допомагає зменшити ризики та забезпечити безпеку громадян [5-7]. Використання космічних знімків та аналіз даних з їх допомогою є частиною сучасних технологій та інновацій у галузі геоінформатики. Це відкриває можливості для більш точного та об’єктивного аналізу міських територій. Загалом, моніторинг забудови міста Львова за допомогою космічних знімків середньої просторової розрізненості має великий потенціал для покращення міського планування, забезпечення сталого розвитку та збереження природних ресурсів. Об’єктом досліджень є опрацювання різночасових космічних знімків, отриманих із супутника Landsat-8 на територію м.Львова. Предметом досліджень є методика моніторингу забудови міста Львова за космічними знімками середньої просторової розрізненості. Метою роботи є класифікувати різночасові космічні знімки, отримані із супутника Landsat-8 для визначення масштабів збільшення забудови міста Львова. Запропоновано технологічну схему моніторингу забудови міста Львова за космічними знімками середньої просторової розрізненості, що включає 6 етапів, від аналізу вхідних матеріалів до створення тематичних карт змін. Запропоновано і описано методику моніторингу забудови міста Львова за різночасовими космічними знімками. В ході реалізації методики виконано предпроцесінг та сегментовано і класифіковано засобами програмного забезпечення ArcGIS три космічні знімка за 2020, 2021 та 2022 роки, отримані з супутника Landsat-8 на територію м.Львова. Результатом роботи є побудовані тематичні карти з відповідною легендою різницевих показників нових об’єктів м.Львова за 3 роки та вказані дані збільшення містобудівних елементів у відсотках. Ключові слова – Landsat, космічні знімки, моніторинг міст, класифікація, різницеві показники Перелік використаних літературних джерел. 1. Abdelhady, H. U., C.D. Troy, A. Habib, and R. Manish. (2022). A simple, fully automated shoreline detection algorithm for high-resolution multi-spectral imagery. Remote Sensing 14 (3): 557. https://doi.org/10.3390/rs14030557 2. Castelle, B., G. Masselink, T. Scott, C. Stokes, A. Konstantinou, V. Marieu, and S. Bujan. (2021). Satellite-derived shoreline detection at a high-energy meso-macrotidal beach. Geomorphology 383: 107707. https://doi.org/10.1016/j.geomorph.2021.107707. 3. Liu, Y., P. Song, J. Peng, and C. Ye. (2012). A physical explanation of the variation in threshold for delineating terrestrial water surfaces from multi-temporal images: Effects of radiometric correction. International Journal of Remote Sensing 33 (18): 5862–5875. https://doi.org/10.1080/01431161.2012.675452. 4. Nezlin, N.P., Herman, J.D., Hodge, J. et al. (2023) Assessment of Changes of Complex Shoreline from Medium-Resolution Satellite Imagery. Estuaries and Coasts (2023). https://doi.org/10.1007/s12237-023-01259-x 5. Rabby Y W, Li Y, Abedin J and Sabrina S (2022) Impact of Land Use/Land Cover Change on Landslide Susceptibility in Rangamati Municipality of Rangamati District, Bangladesh ISPRS Int. J. Geo-Information 1 6. Sorek-Hamer M, Von Pohle M, Sahasrabhojanee A, Akbari Asanjan A, Deardorff E, Suel E, Lingenfelter V, Das K, Oza NC, Ezzati M, et al. (2022) A Deep Learning Approach for Meter-Scale Air Quality Estimation in Urban Environments Using Very High-Spatial-Resolution Satellite Imagery. Atmosphere. 2022; 13(5):696. https://doi.org/10.3390/atmos13050696 7. Zhao W., du S., and Emery W. J. (2017) Object-based convolutional neural network for high-resolution imagery classification, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 10, no. 7, pp. 3386–3396, 2017.