Методы и источники данных
- Спутниковые снимки (мультиспектральные, временные ряды): Landsat (простран. разрешение $30$ м, архив с $\sim 1984$), Sentinel‑2 ($10$ м, с $2015$), PlanetScope ($3-5$ м, коммерч.), высокоразреш. коммерч. и Google Earth Historical. Используются для картирования застройки и её динамики.
- Ночное освещение: DMSP‑OLS (исторично), VIIRS (с $2012$) — прокси экономической активности и плотности службы.
- Векторные данные: OpenStreetMap (дороги, здания), муниципальные кадастры, планы зонирования, разрешения на строительство.
- Демографические/социальные данные: переписи, WorldPop / GHS‑POP (гридовые оценки населения), мобильные CDR (поперечное движение и плотности).
- Аэросъёмка / LiDAR / БПЛА: детальная морфология крыши, высоты зданий, топография, риск наводнений.
- Полевые проверки и партиципаторное картирование (верификация, информация о правах на землю и инфраструктуре).
- Глобальные продукты: Global Human Settlement Layer (GHSL), Global Urban Footprint (GUF), Continuous Urban Footprint (CUF) — для сопоставимого временного анализа.
Методы анализа
- Предобработка: атмосферная коррекция, геопривязка, облачная маскация, нормализация временных рядов.
- Индексы для выделения застройки и вегетации:
- $\text{NDVI}=\frac{\text{NIR}-\text{RED}}{\text{NIR}+\text{RED}}$ (вегетация),
- $\text{NDBI}=\frac{\text{SWIR}-\text{NIR}}{\text{SWIR}+\text{NIR}}$ (застройка).
- Классификация и детекция изменений: классификация по пикселям и объектам (OBIA), Random Forest / SVM / XGBoost, семантические сегментационные сети (U‑Net) для извлечения контуров зданий; пост‑классификационное сравнение и временные ряды для детекции прироста.
- Пространственно‑морфологический анализ: плотность зданий, средняя площадь участков, patch metrics (patch density, mean patch area), индекс фрагментации, ориентационная дисперсия крыш, связность дорожной сети (intersection density, betweenness).
- Типология роста: инфилл, экспансия (contiguous expansion), leapfrogging — классифицируются по пространственному замыканию и расстоянию до существующей застройки.
- Моделирование роста: CA/SLEUTH, логистические или экспоненциальные модели; показатель среднегодового роста (CAGR): $r={\left(\frac{A_t}{A_0}\right)}^{1/t}-1$, или простая скорость $\frac{A_t-A_0}{t}$, где $A_0,A_t$ — площади застройки в начальный и конечный годы, $t$ — число лет.
- Валидация: выборочные полевые замеры, высокоразреш. снимки, местные реестры.
Какие выводы можно сделать о спонтанной застройке и планировании
- Морфология и скорость: спонтанная (неформальная) застройка характерна высокой плотностью мелких построек, нерегулярной планировкой участков и улиц; она часто появляется быстро на периферии, вдоль транспортных коридоров и в зонах с низкой стоимостью земли (напр., поймы, склоны). Плановые районы демонстрируют регулярную сетку улиц, равномерные участки и последовательное подключение коммуникаций.
- Инфраструктура и сервисы: в неформальных районах часто наблюдается отставание по водоснабжению, канализации, электроснабжению и официальным адресам; это видно как несоответствие роста построек и расширения сетей (строения растут, сети — нет).
- Экономические и ночные сигналы: сравнительно меньшая интенсивность ночных огней на единицу площади и низкая плотность коммерческих объектов указывают на ограниченный доступ к услугам и экономическую маргинализацию.
- Риск и уязвимость: спонтанная застройка часто сосредоточена в зонах риска (затопление, оползни), из‑за чего повышается уязвимость при экстремальных событиях.
- Динамика трансформации: неформальные кварталы часто проходят фазу «инкрементального улучшения» — постепенное укрепление строений и подключение инфраструктуры; часть их со временем формализуется при регуляризации прав и инфраструктурных вложениях.
- Индикаторы различения: сочетание признаков — быстрый прирост площади застройки без сопутствующего роста дорожной сети/кадастров, высокая фрагментация, низкая регулярность планировки и низкая интенсивность ночного света — служат надёжными индикаторами спонтанной застройки.
Короткие практические рекомендации для картирования и политики
- Использовать временные ряды Landsat/Sentinel в GEE для долгосрочной динамики ($30$-летний анализ) и дополнять VHR/Planet для детализации.
- Сочетать дистанционные данные с кадастром и полевыми проверками для классификации формальной vs неформальной застройки.
- Отслеживать целевые метрики: годовой темп роста площади ($r$), плотность зданий, связность дорог, ночные огни — как индикаторы потребности в инфраструктуре.
- Для вмешательств — отдавать приоритет инкрементальному улучшению инфраструктуры, регуляризации прав и интеграции со стратегией зонирования, а не массовым сносам.
Если нужно, могу предложить конкретную рабочую последовательность анализа в GEE и список облачных датасетов и параметров классификаторов.