Автор: Фазлетдинова Регина Юнировна
ПРИМЕНЕНИЕ МЕТОДОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ДЛЯ АНАЛИЗА РОСТА ЗАСТРОЙКИ ГОРОДОВ
Фазлетдинова Регина Юнировна
Студент
«Казанский (Приволжский) Федеральный Университет»
Аннотация: статья посвящена методам дистанционного зондирования (ДЗЗ) для мониторинга роста городских территорий. Рассмотрены три ключевых подхода: спутниковая съемка, анализ временных серий с использованием спектральных индексов (NDVI, NDBI) и ГИС-моделирование с применением машинного обучения. Выделены преимущества каждого метода, включая высокую детализацию снимков, возможность многолетнего анализа и прогнозирования застройки. Отмечены и ограничения: зависимость от погодных условий, ошибки классификации и высокая требовательность к вычислительным ресурсам. Подчеркивается, что комплексное применение методов ДЗЗ позволяет эффективно отслеживать динамику урбанизации, что критически важно для устойчивого территориального планирования.
Ключевые слова: застройка городов, урбанизация, спутниковый мониторинг, дистанционное зондирование, ГИС.
APPLICATION OF EARTH REMOTE SENSING METHODS TO ANALYZE URBAN GROWTH
Fazletdinova Regina Yunirovna
Abstract: the article is devoted to remote sensing methods for monitoring urban growth. Three key approaches are considered: satellite imagery, time series analysis using spectral indices (NDVI, NDBI) and GIS modeling using machine learning. The advantages of each method are highlighted, including high image detail, the possibility of long-term analysis and forecasting of development. The limitations are also noted: dependence on weather conditions, classification errors and high demands on computing resources. It is emphasized that the integrated use of RS methods allows for effective monitoring of urbanization dynamics, which is critical for sustainable territorial planning.
Keywords: urban development, urbanization, satellite monitoring, remote sensing, GIS.
Рост городских территорий — один из ключевых процессов современной урбанизации. Мониторинг динамики застройки городов важен для устойчивого планирования, управления ресурсами и прогнозирования экологических последствий. Методы дистанционного зондирования Земли (ДЗЗ) позволяют получать актуальные данные о городской экспансии с высокой точностью и регулярностью. Так основными методами ДЗЗ для анализа роста застройки городов на данный момент являются спутниковая съемка, анализ временных серий и ГИС-моделирование.
Так, например, в работе [1] производился мониторинг динамики изменения застройки Подмосковья в течение 5 лет методом спутниковой съемки, а также оценивался потенциал земельного фонда и анализ типов современной застройки территорий.
У каждого из методов есть свои преимущества и недостатки. В спутниковой съемке используются данные Landsat, Sentinel и других коммерческих спутников (например, WorldView), которые позволяют отслеживать изменения землепользования.
Преимуществами данного метода являются:
₋ высокая детализация – современные спутники (например, WorldView-3) обеспечивают разрешение до 0,3 м [2], что позволяет анализировать отдельные здания;
₋ мультивременной анализ – архивы данных (Landsat, Sentinel-2) охватывают несколько десятилетий, что дает возможность изучать долгосрочные тренды урбанизации [3];
₋ широкий охват – спутники фиксируют большие территории, включая труднодоступные регионы;
₋ радиолокационная съемка (SAR) – позволяет получать данные независимо от погодных условий и времени суток, что очень важно для анализа облачных регионов [4].
Однако метод имеет и недостатки:
₋ зависимость от погоды – облачность мешает получению качественных оптических изображений;
₋ ограниченная частота съемки – некоторые спутники (например, Landsat) имеют повторяемость 16 дней, что снижает оперативность;
₋ сложность обработки радиолокационных данных – SAR-изображения требуют специальных алгоритмов для интерпретации.
Вторым методом ДЗЗ для мониторинга является анализ временных серий, в котором применяются различные индексы (NDVI, NDBI), помогающие выделять застроенные территории. Например, в работе [5] использовался NDVI для оценки информационных свойств космических снимков теплового инфракрасного диапазона для определения территорий, подвергающихся антропогенному воздействию.
Среди преимуществ метода можно выделить:
₋ автоматизация – индексы (например, NDBI – Normalized Difference Built-up Index) позволяют быстро выделять застроенные территории [6];
₋ сравнительный анализ – можно оценивать динамику урбанизации за разные годы на основе единой методики;
₋ интеграция с ГИС – результаты легко накладываются на карты для пространственного анализа.
Недостатками можно назвать:
₋ ошибки классификации – индексы могут путать застройку с другими объектами (например, скалы или открытый грунт);
₋ зависимость от сезона – растительность влияет на NDVI, что может искажать данные в летний период;
₋ недостаточная детализация – индексы на основе среднего разрешения (Landsat, Sentinel-2) не всегда выявляют точечную застройку.
Третий метод — ГИС-моделирование, заключающееся в интеграции данных ДЗЗ с геоинформационными системами, позволяющими прогнозировать рост городов. В исследовании [7] демонстрируется надежность метода с применением машинного обучения.
Преимущества:
₋ высокая точность прогнозирования – алгоритмы (случайный лес, нейросети) улучшают классификацию застройки;
₋ интеграция разнородных данных – можно комбинировать спутниковые снимки, социально-экономические и топографические данные;
₋ автоматизация обработки – ИИ ускоряет анализ больших массивов данных.
Недостатки:
₋ требовательность к вычислительным ресурсам – обучение моделей требует мощных серверов;
₋ необходимость обучающих выборок – качество прогноза зависит от размера и репрезентативности данных;
₋ сложность интерпретации – некоторые модели (например, deep learning) работают как «черный ящик».
Таким образом, методы ДЗЗ предоставляют мощный и многофункциональный инструментарий для анализа динамики городской застройки, позволяя отслеживать изменения в пространственном развитии городов с высокой точностью и регулярностью. Их ключевое преимущество – возможность оперативного мониторинга обширных территорий, включая труднодоступные регионы, что особенно важно для планирования устойчивого развития мегаполисов и предотвращения хаотичной урбанизации.
Список источников
1. Конфектов М.Н. Картографирование динамики типов застройки пригородных районов по космическим снимкам высокого разрешения (на примере западного Подмосковья) // Известия высших учебных заведений. Геодезия и аэрофотосъемка, 2016. – №5 — С. 111-116. — URL: https://elibrary.ru/item.asp?id=27224119
2. WorldView-3 Data Sheet — URL: https://www.euspaceimaging.com/wp-content/uploads/2018/06/EUSI-WorldView-3-2018.pdf (дата обращения 10.06.2025).
3. Kennedy Nazombe, Odala Nambazo Monitoring and assessment of urban green space loss and fragmentation using remote sensing data in the four cities of Malawi from 1986 to 2021 // Scientific African, ISSN: 2468-2276, Vol: 20, 2023.
4. Верба В.С., Неронский Л.Б., Осипов И.Г., Турук В.Э. Радиолокационные системы землеобзора космического базирования / под ред. В.С. Вербы. М.: Радиотехника, 2010. 680 с.
5. Балдина Е.А., Дедова В.Ю. Выявление и картографирование антропогенных изменений территории по снимкам в тепловом инфракрасном диапазоне (на примере новых территорий Москвы) // Известия высших учебных заведений. Геодезия и аэрофотосъемка, 2016. – №5 — С. 92-99. — URL: https://elibrary.ru/item.asp?id=27224116
6. Subhanil Guha, Himanshu Govil, Neetu Gill, Anindita Dey, A long-term seasonal analysis on the relationship between LST and NDBI using Landsat data // Quaternary International, Volumes 575–576, 2021, Pages 249-258, ISSN 1040-6182
7. Sebastiano Papini, Susie Xi Rao, Sapar Charyyev, Muyang Jiang, Peter H. Egger, Urban growth unveiled: Deep learning with satellite imagery for measuring 3D building-stock evolution in Urban China, Remote Sensing Applications: Society and Environment, Volume 38, 2025, 101523, ISSN 2352-9385
© Р.Ю. Фазлетдинова, 2025