Urbanismus

Pro lepší porozumění změnám ve městech a jejich dopadech na přírodní zdroje a životní prostředí je nutné pravidelně monitorovat rozvoj měst v prostorovém i časovém měřítku. Různé aspekty dálkového průzkumu země (DPZ) jsou rutinně využívány pro detekci a mapování prvků a změn probíhajících na zemském povrchu, vodních plochách či v atmosféře, které ovlivňují udržitelnost městského prostředí. Tyto změny ovlivňují městské klima, dopravu a mají rovněž sociální a ekonomické dopady. Průběh změn a jejich důsledky mají prostorový charakter, a pokud chceme lépe porozumět změnám a procesům v městských oblastech, musíme vnímat jejich prostorový a časový kontext. Pro rozhodování v oblasti územního plánování je dostupnost kvalitních prostorových dat zásadní. Dostupnost relevantních dat je bohužel často omezená, případně existující data jsou zastaralá, příliš zjednodušená a pořizování nových dat je příliš nákladné.

*Obr. 1: 3D model města Mnichov (vlevo) a detekce automobilů a jejich rychlost (vpravo)*

Data

Družicové snímky zemského povrchu představují nezávislý zdroj dat. Od spuštění internetové platformy „Google Earth“ se data DPZ staly součástí běžného využití pro různé účely. Tato data umožňující získání informací o objektech, strukturách a vzorech zemského povrchu v globálním měřítku představují nevyčerpatelný zdroj informací a možností.

Vývoj senzorů s prostorovým rozlišením 1 m a lepším umožňuje mapování komplexní městské krajiny i na lokální úrovni. Tyto snímky mohou být pořizovány v celém rozpětí elektromagnetického spektra, které dovoluje detekci objektů a struktur zemského povrchu a jejich stavu ve vysokém rozlišení. Data DPZ dokáží poskytnout detailní analýzy na úrovni jednotlivých budov.

Kombinací s automatizovaným zpracováním dat a obrazovými analýzami poskytuje DPZ v urbanistickém plánování řadu informací pro podporu rozhodování v oblasti územního plánování, životního prostředí, ekonomie i v politice.

*Obr. 2: Teplota povrchu města Mnichov a okolí*

Mapování

Hlavní předností DPZ je poskytování nezávislých, rychlých, aktuálních a relativně nenákladných dat, ze kterých lze snadno získat požadované informace. Řada postupů automatického zpracování dat, např. pomocí vybraných statistických metod, klasifikací nebo využití neuronových sítí vede k získání velmi specifických produktů potřebných pro danou oblast. Příkladem může být kombinace optických družicových dat z více senzorů v kombinaci s digitálním modelem povrchu ve vysokém rozlišení umožňující vytvoření 3D modelu města.

Ten je relevantní např. pro identifikaci a kvantifikaci stavebního fondu, vegetace, infrastruktury nebo nerozvinutých oblastí.

Navíc kombinace 3D modelu města s hyperspektrálními snímky umožňuje získání podrobných informací o materiálech jednotlivých povrchů. Střešní materiály, typy asfaltu, vegetační typy a jejich stav, mohou být tímto způsobem identifikovány a kvantifikovány. Typické aplikace zahrnují detekci a kvantifikaci stávajících solárních panelů, zelených střech nebo identifikaci střech vhodných pro tento účel.

Město není jen spojením budov a ulic. Lidé žijící ve městě a jejich mobilita mění urbanistickou scenérii v živý dynamický systém. Kromě mapování fyzického vzhledu a stavu města dovoluje DPZ také zachycení této mobility. Především letecké systémy DPZ dovolují velmi krátké intervaly sběru dat pro monitorování dopravních proudů, díky čemuž je možné zjistit dopravní situaci nebo monitorovat parkovací oblasti v téměř reálném čase. Využitím těchto algoritmů je dokonce možné detekovat lidí nebo davy, jejich pohyb či směr jejich pohybu, což je základní aplikace v oboru krizového řízení.

Vedle dat ve viditelném spektru záření je možné využít i termální infračervené senzory, které umožňují získání informace o povrchové teplotě ve městě, což je zásadní informace pro udržitelné plánování městského prostředí.

*Obr. 3: Mapování růstu měst Mnichov a Drážďany od 70. let*

Analýzy

Data DPZ mohou být využity pro řadu analýz: časová řada snímků usnadňuje monitorování urbanizace během dlouhých časových období. Např. využitím dat z družic Landsat, dostupných od r. 1972, je možné vytvářet až téměř 50 leté časové řady.

Z prostorových analýz nad 3D modelem města ve vysokém rozlišení lze rozlišit různé prostorové úrovně, jako jsou správní jednotky, bloky, uliční síť a menší jednotky. Ty jsou základem pro výpočet fyzických parametrů popisujících a kvantifikujících městskou strukturu: hustotu budov, index podlahové plochy, podíl nepropustných ploch, podíl vegetace nebo dominující střešní materiály.

Znalost parametrů na úrovni bloků v kombinaci s parametry na úrovni budov, jako je velikost budovy, výška atd. navíc umožňuje získání informací o městských strukturních typech potřebných pro regionální a městské plánování s objektivními a kvantifikovaných informacemi o městské struktuře.

Dostupnost těchto produktů městské struktury je kriticky důležitá v krizovém řízení a hodnocení rizik a nedostatků. Např. současné mapování povodní z družicových snímků umožňuje lokalizaci a kvantifikaci zasažených oblastí, budov nebo infrastruktury jako základ pro záchranné operace a preventivní opatření.

*Obr. 4: Fyzické parametry a typy městských struktur na úrovni městských bloků*

Nepřímé hodnocení

Zatímco mezi krajinným pokryvem a spektrálním odrazem detekovaným ze snímku existuje relativně přímý a jednoduchý vztah, v případě typu využití krajiny je situace daleko složitější. Nicméně fyzické parametry jako velikost budovy a výška, typ střechy atd. často korelují s využitím budov.

Znalost těchto parametrů umožňuje i přibližné určení hustoty osídlení obyvatel, dokonce pro jednotlivé dny. Obrázek 5 ukazuje distribuci takových dat o obyvatelstvu na úrovni bloků. Hloubkové analýzy se zaměřují také na korelaci prostorových informací a dat ze sociálně-vědeckých průzkumů.

Vzájemné vztahy mezi subjektivními indikátory, jako „odhadovaná a naměřená vzdálenost do městského centra“ i objektivními indikátory typu „Měřený podíl vegetace a pocit nedostatku zeleně podle hodnocení rezidentů“ v závislosti na lokaci a městské struktuře mohou být analyzovány pro hodnocení kvality života.

Dalšími příklady využití dat DPZ jsou monitorování a simulace dopravy, klimatické simulace, modelování růstu měst, podpora epidemiologických a lékařských otázek při lokalizaci ohniska nákaz, výběr oblastí pro investice a mnohé jiné.

*Obr. 5: Hodnocení počtu obyvatel na úrovni budov / městských bloků*

Hlavní přínosy DPZ v oblasti urbanismu:

Podpora územního plánování pro zajištění udržitelného rozvoje
Monitorování urbanistického rozvoje měst
Poskytnutí srovnávací báze napříč Evropou

Služba monitorování území programu Copernicus využívá družicová data pro získávání detailních prostorových informací o evropských městských oblastech, což je důležitý zdroj dat pro oblast územního plánování. Příklady produktů jsou:

Pravidelné vytvářené mapy hlavních urbanizovaných oblastí ve vysokém prostorovém rozlišení (305 míst s okolím s více než 100 000 obyvateli)
Indikátory urbánních oblastí

V oblasti územního plánování jsou využitelná jak samotná data DPZ, tak již existující služby vzniklé na podkladě těchto dat (např. Urban Atlas, Corine Land Cover ad., které monitorují evropský krajinný pokryv a jeho změny v pravidelném intervalu).

Urban Atlas

Urban Atlas obsahuje komplexní informace o aktuálním krajinném pokryvu a využití území na území vybraných evropských měst a jejich okolí. Tato data představují cenný materiál nejen pro hodnocení a kontrolu aktuálního rozvoje městských aglomerací dle územního plánu, ale mohou sloužit jako podklad pro zhodnocení rizik a příležitostí v území, od vymezení záplavových území až po identifikaci nových infrastrukturních potřeb. Značnou výhodou je rovněž homogenita dat, s jakou jsou zájmová území pokryta. Při srovnání dat z několika časových horizontů je možné vyhodnotit dynamiku růstu aglomerací a v závislosti na ní také lépe zkoumat faktory, které růst ovlivňují. Z hlediska dopravy má Urban Atlas význam v monitoringu výstavby budov, logistických center nebo nových průmyslových areálů, které jsou na dopravní infrastrukturu úzce navázané a z jejich vzniku lze odhadovat nejen zatížení stávající dopravní infrastruktury, ale zároveň plánovat její optimalizaci, či případné rozšíření.

V roce 2010 bylo v atlasu zpracováno území 117 evropských měst s minimálním počtem 100 000 obyvatel (od r. 2012 jsou zahrnuta i města nad 50 000 obyvatel), přičemž aktualizace je plánována každé 1 – 3 roky. Atlas byl vyhotoven v měřítku 1:10 000.

*Obr. 7: Urban Atlas – Hradec Králové a okolí*

Návrh lépe obyvatelných míst

Multispektrální družice ve středním a vysokém rozlišení s termálně-infračervenými senzory poskytují informace o teplotě povrchu a tím pomáhají vylepšit urbanistické klimatické předpovědní modely. Lepší porozumění tepelným ostrovům měst umožňuje rozvoj efektivnějších výstražných systémů a zdokonalení urbanistického plánování.

Negativním dopadem neřízeného nárůstu velikosti města je nárůst teploty vzduchu a povrchů v městském prostředí, známý jako tepelný ostrov města (urban heat island, UHI). Byla zjištěna pozitivní korelace mezi nepropustnými povrchy a teplotou povrchů v rozšiřujících se oblastech, kde nepropustné povrchy se staly teplejšími než okolní oblasti. Městský tepelný ostrov způsobují dva hlavní faktory. Prvním je teplo pohlcené ze slunečního záření tmavými povrchy a vyzářené ve formě tepla. Teplota těchto povrchů může být až o 28-29 ° C vyšší než okolní vzduch. Druhým faktorem je relativní nedostatek zeleně, především stromů, které ochlazují okolní prostředí.

Výhody termálních infračervených družicových snímků:

Lepší porozumění dynamice městských tepelných ostrovů
Podpora urbanistů při navrhování více obyvatelných míst s vyšší kvalitou života a vytvoření energetické efektivnosti

*Obr. 8: Rostoucí teplota v důsledku narůstající velikosti města a počtu obyvatel*

Několik studii také potvrdilo možnost využití dat DPZ pro analýzu kvality a znečištění ovzduší. Numerické simulace na využívající družicová data byly využity pro hodnocení rozšiřování měst a kvality ovzduší, teploty povrchu a jejich dopadů na obyvatele.

Obr. 9: Ukázka evropské mapy zastavěných oblastí zobrazuje rozsah urbanizovaných ploch (červená) v poměru k přírodním povrchům (černá). Přiblížena oblast Bruselu zobrazuje velké zastavěné plochy v centru města a malé zelené oblasti. Zdroj: ESA

*Obr. 10: Simulace záplav během hurikánu Irene, odstín modré vyjadřuje výšku vody*

*Obr. 11: Zranitelnost budov při nejvyšší úrovni přílivu při hurikánu Irene, založené na datech LIDAR DEM*

*Obr. 12: Průměrná roční koncentrace oxidu dusičitého (µg/m3) v r. 2007, zdroj: ESA*

Rozšiřování měst

Informace o krajinném pokryvu a využití území získané prostřednictvím DPZ jsou klíčové pro kalibraci mnoha modelů růstů měst. Existuje silný vztah mezi změnou formy krajinného pokryvu a změnou ve funkci využití území.

Srovnání důležitých požadavků a environmentálních požadavků mezi optickými (pasivními) a aktivními senzory pro detekci změn a monitorování rozšiřování měst shrnuje Obr. 13.

*Obr. 13: Srovnání optických a aktivních senzorů pro výzkum městského prostředí*

Družicové snímky ve středním rozlišení jsou široce využívány pro detekci změn . Yang a Liu [2] získali informace o uzavřených površích pro charakterizování růstu měst. Snímky DPZ byly také využity pro identifikování dlouhodobých trendů a vzorů v rozšiřování měst a to s využitím různých krajinných metrik. Podobné výsledky docílili i [4], [5], [6], [7].

Družicové snímky ve středním rozlišení (10 – 100 m) pokrývají velkou oblast, výsledkem je často homogenní vzhled městského prostředí, protože na odrazivosti 1 pixelu ve snímku se podílí více povrchů. Výzkumníci proto využívají data z více zdrojů (DPZ, socioekonomická data ad.) se snímky ve středním rozlišení pro získání přesnějších informací.

Např. spojení dat optických dat s daty laserového skenování může vést k nárůstu přesnosti rozlišení heterogenních povrchů. Pro analyzování růstu města a jeho kvantifikaci je možné využít data z družice Landsat s leteckými snímky a statistickými údaji o populaci. Detekce změn a využití území v městském prostředí pouze s využitím družicových dat v malém a středním rozlišení je nedostatečné a je třeba je kombinovat s dalšími zdroji dat.

Problém s nejistotou může být vyřešen získáním detailnějších informací o městské struktuře prostřednictvím snímků ve vysokém rozlišení. Prostřednictvím těchto dat byl proveden výzkum prostorového rozšiřování měst, tendence a vzory rozšiřování, identifikace neplánovaného rozšiřování jakož i velikosti, hustoty a struktur městských oblastí. ESA a NASA reportují výrazný postup ve využívání družicových dat pro urbanismus, které bude přispívat k vytváření přesnějších a detailnějších map, dovolujícím bezprecedentní porozumění dynamice růstu měst a jejich rozšiřování.

*Obr. 14: Porovnání několika generací družic [2]*

*Obr. 15: Vyhodnocení krajinného pokryvu města Minneapolis [8]*

Zdroje:

[1] http://sensorsandsystems.com/remote-sensing-and-urban-planning-a-common-future/
[2] http://link.springer.com/article/10.1007/s41207-016-0007-4
[3] http://www.intechopen.com/books/approaches-to-disaster-management-examining-the-implications-of-hazards-emergencies-and-disasters/visualization-for-hurricane-storm-surge-risk-awareness-and-emergency-communication#article-front
[4] Du P et al (2010) Monitoring urban land cover and vegetation change by multi-temporal remote sensing information. Min Sci Technol (China) 20(6):922–932
[5] Taubenböck H et al (2009) Urbanization in India—spatiotemporal analysis using remote sensing data. Comput Environ Urban Syst 33(3):179–188
[6] Abd El-Kawy OR et al (2011) Land use and land cover change detection in the western Nile delta of Egypt using remote sensing data. Appl Geogr 31(2):483–494
[7] Schneider A (2012) Monitoring land cover change in urban and peri-urban areas using dense time stacks of Landsat satellite data and a data mining approach. Remote Sens Environ 124:689–704
[8] http://rsl.gis.umn.edu/urban-tree-cover
ESA, Copernicus