elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Annually modelling built-settlements between remotely-sensed observations using relative changes in subnational populations and lights at night

Nieves, J.J. und Sorichetta, A. und Linard, C. und Bondarkenko, M. und Steele, J.E. und Stevens, F.R. und Gaughan, A.E. und Carolini, A. und Clarke, D.J. und Esch, Thomas und Tatem, Andrew (2019) Annually modelling built-settlements between remotely-sensed observations using relative changes in subnational populations and lights at night. Computers, Environment and Urban Systems (80), e101444. Elsevier. doi: 10.1016/j.compenvurbsys.2019.101444. ISSN 0198-9715.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

Mapping urban features/human built-settlement extents at the annual time step has a wide variety of applications in demography, public health, sustainable development, and many other fields. Recently, while more multitemporal urban features/human built-settlement datasets have become available, issues still exist in remotely-sensed imagery due to spatial and temporal coverage, adverse atmospheric conditions, and expenses involved in producing such datasets. Remotely-sensed annual time-series of urban/built-settlement extents therefore do not yet exist and cover more than specific local areas or city-based regions. Moreover, while a few high-resolution global datasets of urban/built-settlement extents exist for key years, the observed date often deviates many years from the assigned one. These challenges make it difficult to increase temporal coverage while maintaining high fidelity in the spatial resolution. Here we describe an interpolative and flexible modelling framework for producing annual built-settlement extents. We use a combined technique of random forest and spatio-temporal dasymetric modelling with open source subnational data to produce annual 100 m × 100 m resolution binary built-settlement datasets in four test countries located in varying environmental and developmental contexts for test periods of five-year gaps. We find that in the majority of years, across all study areas, the model correctly identified between 85 and 99% of pixels that transition to built-settlement. Additionally, with few exceptions, the model substantially out performed a model that gave every pixel equal chance of transitioning to built-settlement in each year. This modelling framework shows strong promise for filling gaps in cross-sectional urban features/built-settlement datasets derived from remotely-sensed imagery, provides a base upon which to create urban future/built-settlement extent projections, and enables further exploration of the relationships between urban/built-settlement area and population dynamics.

elib-URL des Eintrags:https://elib.dlr.de/135717/
Dokumentart:Zeitschriftenbeitrag
Titel:Annually modelling built-settlements between remotely-sensed observations using relative changes in subnational populations and lights at night
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Nieves, J.J.University of SouthhamptonNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Sorichetta, A.University of SouthhamptonNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Linard, C.Université de Namur, BelgiumNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bondarkenko, M.University of SouthhamptonNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Steele, J.E.University of SouthhamptonNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Stevens, F.R.University of LouisvilleNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gaughan, A.E.University of LouisvilleNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Carolini, A.University of SouthhamptonNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Clarke, D.J.University of SouthhamptonNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Esch, ThomasThomas.Esch (at) dlr.dehttps://orcid.org/0000-0002-5868-9045NICHT SPEZIFIZIERT
Tatem, AndrewUniversity of SouthhamptonNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:27 November 2019
Erschienen in:Computers, Environment and Urban Systems
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1016/j.compenvurbsys.2019.101444
Seitenbereich:e101444
Verlag:Elsevier
Name der Reihe:Elsevier
ISSN:0198-9715
Status:veröffentlicht
Stichwörter:Built-settlements Urban features Spatial growth Random forest Dasymetric modelling Population
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Fernerkundung u. Geoforschung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Deutsches Fernerkundungsdatenzentrum > Dynamik der Landoberfläche
Hinterlegt von: Esch, Dr.rer.nat. Thomas
Hinterlegt am:14 Sep 2020 10:16
Letzte Änderung:27 Jun 2023 08:37

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.