Укр
Eng
Журнал
Автору

МЕТОДОЛОГІЯ ОЦІНКИ ІНДИКАТОРА ЦІЛЕЙ СТАЛОГО РОЗВИТКУ 11.3.1

Volume 67, Issue 5, 2022, pages 51-60

DOI: http://doi.org/10.34229/2786-6505-2022-5-5

Завантажити статтю

Куссуль Наталія Миколаївна, Національний технічний університет України «Київський політехнічний інститутімені Ігоря Сікорського», nataliia.kussul@gmail.com

Шелестов Андрій Юрійович, Національний технічний університет України «Київський політехнічний інститутімені Ігоря Сікорського», andrii.shelestov@gmail.com

Яйлимов Богдан Ялкапович, Інститут космічних досліджень НАН України та ДКА України, м. Київ,yailymov@gmail.com

Лавренюк Микола Сергійович, Інститут космічних досліджень НАН України та ДКА України, м. Київ, nick_93@ukr.net

Яйлимова Ганна Олексіївна, Національний технічний університет України «Київський політехнічний інститутімені Ігоря Сікорського», anna.yailymova@gmail.com

Колотій Андрій Всеволодович, Національний технічний університет України «Київський політехнічний інститутімені Ігоря Сікорського», andrew.k.911@gmail.com

Шуміло Леонід Леонідович, Інститут космічних досліджень НАН України та ДКА України, м. Київ, shumilo.leonid@gmail.com

Пархомчук Олександр Михайлович, Інститут космічних досліджень НАН України та ДКА України, м. Київ, omparkhomchuk@gmail.com

ABSTRACT

Проблема сталого розвитку міст привертає широку увагу в країнах всьогосвіту, оскільки вона тісно пов’язана із якістю життя суспільства. Зростанняплощ міських територій часто є непропорційним відносно темпів зростання населення в країнах, що розвиваються, і тому цю розбіжність не можнаконтролювати за допомогою статистики. У цій статті здійснено дослідження на основі даних дистанційного зондування землі та статистичних даних.Запропоновані в даній статті методи дозволяють порівняти глобальний картографічний шар людських поселень (Global Human Settlement Layer —GHSL), що містить в собі інформацію про забудову, з власною картою земного покриву, а також розрахувати індикатор цілі сталого розвитку (ЦСР)11.3.1 «Співвідношення рівня землекористування до рівня зростання населення» із використанням супутникових та геопросторових даних, які даютьможливість розрахувати рівень землекористування, а також здійснити йоговалідацію, спираючись на глобальні продукти. Обчислення темпів зростання населення є більш простим і доступним, тоді як рівень споживанняземлі є дещо складним і вимагає використання нових методів. Оцінюючирівень споживання землі, необхідно визначити, що таке «споживання землі», оскільки це може охоплювати аспекти «споживаної», «збереженої» абодоступної для «освоєння» землі для таких випадків, як земля, зайнята водно-болотними угіддями. Крім того, немає жодного однозначного показника, чи є земля, яка забудовується, справді «новозабудованою» (або вільною), чи вона принаймні частково «перепланована». Як наслідок відсотокзагальної міської землі, яка була нещодавно забудована (спожита), використовуватиметься як міра споживання землі. Повністю забудовану територію також іноді називають забудованою. У зв’язку з цим розроблено двапідходи для обрахунку наведеного індикатора: один з них — для рівня країни, для чого використовуються глобальні продукти, а інший — для регіонального рівня, для чого використовуються місцеві карти класифікації, розроблені та створені за власною методологією. Результати даного дослідження демонструють, що дані GHSL мають високу точність для оцінкиіндикатора ЦСР на рівні країни або регіону, проте для розрахунку цьогоіндикатора на рівні міста краще використовувати місцеві карти класифікації. Розроблена методологія класифікації земного покриву в хмарній платформі Google Earth Engine демонструє хороші результати з високим просторовим розрізненням 10 м і може використовуватися для аналізу забудованих територій різних міст за супутниковими даними.

Ключові слова: супутникові дані, фотоінтерпретація, карти земного покриву, індикатор, ортотрансформація, хмарна платформа.

REFERENCES

  1. Kussul N. Formation of the Ukrainian segment of the European research space in the Earth observation sphere (According to the materials of scientific report at the meeting of the Presidium ofNAS of Ukraine, January 29, 2020). Visn. Nac. Akad. Nauk Ukr. 2020. N 3. P. 39–45. DOI:https://doi.org/10.15407/visn2020.03.039.
  2. Shumilo L., Yailymov B., Lavreniuk M., Shelestov A., Korsunska Y. Land surface temperatureanalysis and trends for Rivne using remote sensing data. 2019 IEEE 2nd Ukraine Conference onElectrical and Computer Engineering (UKRCON). 2–6 July 2019, Lviv, Ukraine. 2019. P. 1107–1111.DOI: 10.1109/UKRCON.2019.8879776.
  3. Куссуль Н.Н., Кравченко А.Н., Скакун С.В., Адаменко Т.И., Шелестов А.Ю., Колотий А.В.,Грипич Ю.А. Регрессионные модели оценки урожайности сельскохозяйственных культурпо данным MODIS. Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9, № 1. С. 95–107.
  4. Куссуль Н.Н., Шелестов А.Ю. Grid-системы для задач исследования Земли. Архитектура,модели и технологии. Киев : Наукова думка, 2008. 452 с.
  5. Shelestov A., Sumilo L., Lavreniuk M., Vasiliev V., Bulanaya T., Gomilko I., Kolotii A,Medianovskyi K, Skakun S. Indoor and outdoor air quality monitoring on the base of intelligentsensors for smart city. XVIII International Conference on Data Science and Intelligent Analysis ofInformation. 2018. Vol. 836. P. 134–145. DOI: 10.1007/978-3-319-97885-7_14.
  6. Lavreniuk M., Shelestov A., Kolotii A., Vasiliev V., Bulanaya T., Gomilko I. Air quality monitoring in smart city using intelligent sensors. EGU General Assembly Conference Abstracts. 2018.Vol. 20. P. 17087.
  7. Азарсков В.Н., Блохин Л.Н., Житецкий Л.С., Куссуль Н.Н. Робастные методы оценивания,идентификации и адаптивного управления. Киев : НАУ. 2004. 498 c.
  8. Kussul N., Lavreniuk M., Kolotii A., Skakun S., Rakoid O., Shumilo L. A workflow for sustainable development goals indicators assessment based on high-resolution satellite data. InternationalJournal of Digital Earth. 2019. Vol. 13, N 2. P. 309–321. DOI: 10.1080/17538947.2019.1610807.
  9. Kussul N., Lavreniuk M., Skakun S., Shelestov A. Deep learning classification of land coverand crop types using remote sensing data. IEEE Geoscience and Remote Sensing Letters.2017. Vol. 14 (5). P. 778–782. DOI: 10.1109/LGRS.2017.2681128.
  10. Shelestov A., Lavreniuk M., Kussul N., Novikov A., Skakun S. Exploring Google Earth engineplatform for big data processing: Classification of multi-temporal satellite imagery for crop mapping. Frontiers in Earth Science. 2017. Vol. 5. P. 17. DOI: doi.org/10.3389/feart.2017.00017.
  11. Shelestov A., Kolotii A., Lavreniuk M., Yailymov B., Shumilo L., Korsunska Y. Smart city services for Kiev city within ERA-PLANET SMURBS project. IEEE 39th International Conferenceon Electronics and Nanotechnology (ELNANO). 2019. N 18882343. P. 784–788. DOI: 10.1109/ELNANO.2019.8783424.
  12. Kolotii A., Kussul N., Shelestov A., Skakun S., Yailymov B., Basarab R., Lavreniuk M.,Oliinyk T., Ostapenko V. Comparison of biophysical and satellite predictors for wheat yield forecasting in Ukraine. International Archives of the Photogrammetry, Remote Sensing and SpatialInformation Sciences — ISPRS Archives. 2015. Vol. 40 (7W3). P. 39–44. DOI: 10.5194/isprsarchives-XL-7-W3-39-2015.
  13. Shelestov A., Raudner A., Kolotii A., Marinosci I., Attanasio A., Munafò M., Lavreniuk M.,Speyer O., Yailymov B., Kussul N. Urban growth services within ERA-PLANET SMURBS project. 2019 Living Planet Symposium. 13–17 May 2019, MiCo — Milano Congressi — Milan, Italy.60 ISSN 2786-6491
  14. Kussul N., Mykola L., Shelestov A., Skakun S. Crop inventory at regional scale in Ukraine: Developing in season and end of season crop maps with multi-temporal optical and SAR satelliteimagery. European Journal of Remote Sensing. 2018. Vol. 51, N 1. P. 627–636. DOI: https://doi.org/10.1080/22797254.2018.1454265.
  15. Kussul N., Shelestov A., Lavreniuk M., Butko I., Skakun S. Deep learning approach for largescale land cover mapping based on remote sensing data fusion. Paper presented at the International Geoscience and Remote Sensing Symposium (IGARSS). 2016. P. 198–201. DOI: 10.1109/IGARSS.2016.7729043.
  16. Kussul N., Skakun S., Shelestov A., Kussul O. The use of satellite SAR imagery to crop classification in Ukraine within JECAM project. IEEE Geoscience and Remote Sensing Symposium.2014. P. 1497–1500. DOI: 10.1109/IGARSS.2014.6946721.
  17. Shelestov A., Lavreniuk M., Vasiliev V., Shumilo L., Kolotii A., Yailymov B., Yailymova H.Cloud approach to automated crop classification using Sentinel-1 imagery. IEEE Transactions onBig Data. 2019. Vol. 6, N 3. DOI: 10.1109/TBDATA.2019.2940237.
  18. Kussul N., Kolotii A., Shelestov A., Lavreniuk M., Bellemans N., Bontemps S., Defourny P.,Koetz B. Sentinel-2 for agriculture national demonstration in Ukraine: results and further steps.IEEE International Geoscience and Remote Sensing Symposium (IGARSS). 2017. P. 5842–5845.DOI: 10.1109/IGARSS.2017.8128337.
  19. Shumilo L., Kussul N., Shelestov A., Korsunska Y., Yailymov B. Sentinel-3 urban heat islandmonitoring and analysis for Kyiv based on vector data. 2019 10th International Conference onDependable Systems, Services and Technologies (DESSERT). Leeds, United Kingdom. 2019.P. 131–135. DOI: 10.1109/DESSERT.2019.8770042.
  20. Shumilo L., Yailymov B., Kussul N., Lavreniuk M., Shelestov A., Korsunska Y. Rivne city landcover and land surface temperature analysis using remote sensing data. 2019 IEEE 39th International Conference on Electronics and Nanotechnology (ELNANO). 16–18 April 2019, Kyiv,Ukraine. 2019. P. 813–816. DOI: 10.1109/ELNANO.2019.8783604.
  21. Shumilo L., Shelestov A., Yailymov B., Korsunska Y., Kussul N. Land surface temperature estimation for smart city. 2019 Living Planet Symposium. 13–17 May 2019, MiCo — MilanoCongressi — Milan, Italy.
  22. Shelestov A., Kolotii A., Borisova T., Turos O., Milinevsky G., Gomilko I., Kolos L. Essentialvariables for air quality estimation. International Journal of Digital Earth. 2019. Vol. 13, N 2.P. 278–298. DOI: https://doi.org/10.1080/17538947.2019.1620881.
  23. Kussul N., Kolotii A., Shelestov A., Yailymov B., Lavreniuk M. Land degradation estimationfrom global and national satellite-based datasets within UN program. Intelligent Data Acquisitionand Advanced Computing Systems: Technology and Applications (IDAACS), 9th IEEE International Conference. 2017. Vol. 1. P. 383–386. DOI: 10.1109/IDAACS.2017.8095109.
  24. Korsunska Y., Shumilo L., Kolotii A., Shelestov A. Air quality estimation using satellite and insitu data for Kyiv city within ERA-PLANET project. 2019 IEEE 2nd Ukraine Conference onElectrical and Computer Engineering (UKRCON). 2–6 July 2019, Lviv, Ukraine. 2019. P. 1032–1036.DOI: 10.1109/UKRCON.2019.8879843.
  25. Shelestov A., Shumilo L., Kolotii A., Korsunska Y. Air quality estimation for the Kyiv city within ERA-PLANET project. Earth Observation Phi-Week. 9–13 September 2019, Rome, Italy.
  26. Shelestov A., Kolotii A., Lavreniuk M., Medyanovskyi K., Vasiliev V., Bulanaya T., Gomilko I.Air quality monitoring in urban areas using in-situ and satellite data within Era-Planet project.IGARSS. Valencia, Spain. 2018. P. 1668–1671. DOI: 10.1109/IGARSS.2018.8518368.