Изменения растительного покрытия в связи с процессом урбанизации во Вьетнаме

Обложка

Цитировать

Полный текст

Аннотация

Актуальность. Феномен урбанизации, обусловленный потребностями социально-экономического развития в различных регионах мира, все больше способствует сокращению растительного покрова и усугублению экологических проблем. В результате мониторинг расширения городов стал незаменимым для повышения эффективности городского управления и облегчения планирования по экологическим вопросам.

Цель. Оценка пространственно-временных изменений растительного покрова в городе Тхай Нгуен, Вьетнам, за последние два десятилетия под воздействием процесса урбанизации.

Методы. Пространственно-временные изменения растительного покрова анализировались с использованием алгоритма композита максимального значения, интегрированного в платформу Google Earth Engine. Оценка точности примененного метода классификации дала высокие уровни точности – от 91 до 94 %.

Результаты. В период с 2001 по 2023 гг. площадь городских земель выросла на 4024 га при среднегодовых темпах роста 0,78 %, увеличившись с 386 га в 2001 г. до 4410 га в 2023 г. За уменьшением на 773 га растительного покрова в 2001–2010 гг. последовало значительное увеличение до 2696 га в 2010–2023 гг. Эти результаты подчеркивают потенциальные риски, связанные с увеличением городских земельных площадей на территории исследования, и подчеркивают острую необходимость принятия соответствующих мер для решения этой проблемы.

Об авторах

Хай Йен Хоанг Фан

Университет Винь

Email: hoangphanhaiyen@vinhuni.edu.vn
ORCID iD: 0000-0002-1601-1340

доктор философии, доцент, преподаватель Педагогического колледжа

Вьетнам, Нгеан, район Бен Туй, г. Винь, ул. Ле Дуан, 182

Ан Данг Чыонг

Научный университет; Национальный университет Вьетнама

Автор, ответственный за переписку.
Email: dtan@hcmus.edu.vn
ORCID iD: 0000-0003-2237-8031

доктор философии, доцент, преподаватель ВНУ-ХКМ

Вьетнам, г. Хошимин, 5-й район, ул. Нгуен Ван Ку, 227; г. Хошимин

Список литературы

  1. Fenta A.A., Yasuda H., Haregeweyn N., Belay A.S., Hadush Z., Gebremedhin M.A., Mekonnen G. The dynamics of urban expansion and land use/land cover changes using remote sensing and spatial metrics: the case of Mekelle City of northern Ethiopia. Int. J. Remote Sens., 2017, vol. 38, pp. 4107–4129.
  2. Hansen M.C., Potapov P.V., Moore R., Hancher M., Turubanova S.A., Tyukavina A., Thau D., Stehman S.V., Goetz S.J., Loveland T.R., Kommareddy A., Egorov A., Chini L., Justice C.O., Townshend J.R.G. High-resolution global maps of 21st-century forest cover change. Science, 2013, vol. 342, pp. 850–853.
  3. Križnik B. Transformation of deprived urban areas and social sustainability: a comparative study of urban regeneration and urban redevelopment in Barcelona and Seoul. Urbani izziv., 2018, vol. 29, pp. 83–95.
  4. Le P.D., Nguyen T.T. Evaluation of climate change-related vulnerability for natural resources and environment in Thai Nguyen province. TNU J. Sci. Technol., 2022, vol. 227, pp. 71–77.
  5. Seto K.C., Güneralp B., Hutyra L.R. Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. Proceedings of the National Academy of Sciences, 2023, vol. 109, pp. 16083–16088.
  6. Montoya-Tangarife C., De la Barrera F., Salazar A., Inostroza L. Monitoring the effects of land cover change on the supply of ecosystem services in an urban region: a study of Santiago-Valparaíso, Chile. PLoS ONE, 2017, vol. 12, e188117.
  7. Nguyen T.T.H., Tran T.T., Astarkhanova T.S., Hoang T.T., Vu V.L., Tran D.D., Dau K.T., Hoang A.T., Nguyen N.T., Phung T.D., Vo T.T.H., Vo T.N.K. Potential risks of soil erosion in North-Central Vietnam using remote sensing and GIS. Rev. Bras. Eng. Agríc. Ambient., 2023, vol. 27, pp. 910–916.
  8. Hu T., Yang J., Li X., Gong P. Mapping urban land use by using Landsat images and open social data. Remote Sens., 2016, vol. 8, pp. 1–18.
  9. Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: planetary-scale geospatial analysis for everyone. Remote Sens. Environ., 2017, vol. 202, pp. 18–27.
  10. Moore R., Hansen M. Google Earth Engine: a new cloud-computing platform for global-scale earth observation data and analysis. Available at: http://adsabs.harvard.edu/abs/2011AGUFMIN43C.02M (accessed 1 October 2020).
  11. Agarwal S., Nagendra H. Classification of Indian cities using Google Earth Engine. J. Land Use Sci., 2019, vol. 14, pp. 425–439.
  12. Amani M., Ghorbanian A., Ahmadi S.A., Kakooei M., Moghimi A., Mirmazloumi S.M., Moghaddam S.H.A., Mahdavi S., Ghahremanloo M., Parsian S. Google Earth Engine cloud computing platform for remote sensing big data applications: a comprehensive review. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens.I., 2020, vol. 13, pp. 326–350.
  13. Le T.N., Nguyen D.D., Nguyen D.T. Land cover change assessment in Thai Nguyen Province, Vietnam using GIS and remote sensing techniques. Res. on Crops., 2024, vol. 25, pp. 280–285.
  14. Ghorbanian A., Kakooei M., Amani M., Mahdavi S., Mohammadzadeh A., Hasanlou M. Improved land cover map of Iran using Sentinel imagery within Google Earth Engine and a novel automatic workflow for land cover classification using migrated training samples. SPRS J. Photogramm. Remote Sens., 2020, vol. 167, pp. 276–288.
  15. Knut C., Allan A.N., Henning S. Determining the points of change in time series of polarimetric SAR data. IEEE Trans. Geosci. Remote Sens., 2016, vol. 54, pp. 3007–3024.
  16. Venkatappa M., Sasaki N., Shrestha R.P., Tripathi N.K., Ma H.O. Determination of vegetation thresholds for assessing land use and land use changes in Cambodia using the Google Earth Engine cloud-computing platform. Remote Sens., 2019, vol. 11, pp. 1–30.
  17. Lee J.S.H., Wich S., Widayati A., Koh L.P. Detecting industrial oil palm plantations on Landsat images with Google Earth Engine. Remote Sens. Appl. Soc. Environ., 2016, vol. 4, pp. 219–224.
  18. Koskinen J., Leinonen U., Vollrath A., Ortmann A., Lindquist E., d'Annunzio R., Pekkarinen A., Käyhkö N. Participatory mapping of forest plantations with Open Foris and Google Earth Engine. SPRS J. Photogramm. Remote Sens. I, 2019, vol. 148, pp. 63–74.
  19. Sengupta D., Chen R., Meadows M.E., Choi Y.R., Banerjee A., Zilong X. Mapping trajectories of coastal land reclamation in Nine Deltaic Megacities using Google Earth Engine. Remote Sens., 2019, vol. 11, pp. 1–13.
  20. Zurqani H.A., Post C.J., Mikhailova E.A., Allen J.S. Mapping urbanization trends in a forested landscape using Google Earth Engine. Remote Sens. Earth Syst. Sci., 2019, vol. 2, pp. 173–182.
  21. Zurqani H.A., Post C.J., Mikhailova E.A., Schlautman M.A., Sharp J.L. Geospatial analysis of land use change in the Savannah River Basin using Google Earth Engine. Int. J. Appl. Earth Obs., 2018, vol. 69, pp. 175–185.
  22. Tamiminia H., Salehi B., Mahdianpari M., Quackenbush L., Adeli S., Brisco B. Google Earth Engine for geo-big data applications: a meta-analysis and systematic review. ISPRS J. Photogramm, 2020, vol. 164, pp. 152–170.
  23. Morrison J., Higginbottom T.P., Symeonakis E., Jones M.J., Omengo F., Walker S.L., Cain B. Detecting vegetation change in response to confining elephants in forests using MODIS time-series and BFAST. Remote Sens., 2018, vol. 10, 1075.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-ShareAlike 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».