Analysis of land use and land cover maps suitability for modeling population density of urban areas – redistribution to new spatial units based on the object classification of rapideye data

Tomasz Pirowski,

Katarzyna Wietrzykowska,

Małgorzata Timek

Abstrakt

The series of articles contains a comparison of the use of information on building zones from three sources for dasymetric population mapping: from the Corine Land Cover project (CLC), from the Urban Atlas project (UA) and from the object classification (OBIA) of the RapidEye data. These sources are characterized by varying spatial and thematic accuracy as well as a diff erent methodology of building separation. The experiment was carried out in the area of Kraków, using statistical data from 141 urban units (u.u.) of the city.
In the first part of the cycle, population conversions were presented based on the Corine Land Cover (CLC) and Urban Atlas (UA) databases. The second part presents the methodology of mapping construction zones, divided into several categories, by means of object classifi cation (OBIA). The classifi cations were carried out on four RapidEye satellite images. The developed map is the basis for the population calculation in three variants: binary method, and two surface-weight aggregation methods, where the proportions of population density for diff erent building categories are calculated by minimizing square error (RMSE) and percentage (MAPE) in census units. The obtained results of the population distribution indicate the need to determine the function of development. Therefore, in addition, experiments were carried out combining OBIA results with the LULC map of the UA project. From the experiments it appears that from the tested six variants of population mapping the best is the surface-weight method based on OBIA+UA (RMSE = 4,270 people/u.u., MAPE = 75%.). Binary method based on OBIA+UA results at RMSE = 4540 people/u.u., MAPE = 108%. Results with the use of OBIA, without correction of building functions with UA, are incorrect (RMSE: 5958–7987 people/u.u., MAPE: 2262%–6612 %).
In the subsequent parts of the publication cycle, the results obtained so far will be compared: three CLC-based maps, three UA-based maps, six maps based on OBIA / OBIA+UA. To verify the population map, a detailed reference map of the Bronowice district will be used as well as a 1-kilometer GUS grid. A discussion will be conducted related to the use of RMSE and MAPE parameters in the process of results optimization. A ranking of methods and recommendations will be developed to improve the results of population conversion based on CLC, UA and OBIA.

Keywords: population data, dasymetric modeling, OBIA, RapidEye

Abstrakt

ANALIZA PRZYDATNOŚCI MAP POKRYCIA I UŻYTKOWANIA TERENU DO MODELOWANIA GĘSTOŚCI ZALUDNIENIA OBSZARÓW MIEJSKICH – PRZELICZANIE MAP DO NOWYCH JEDNOSTEK PRZESTRZENNYCH, OPARTYCH O KLASYFIKACJĘ OBIEKTOWA DANYCH RAPIDEYE
Cykl artykułów zawiera porównanie możliwości wykorzystania do kartowania ludności informacji o strefach zabudowy z trzech źródeł: z projektu Corine Land Cover (CLC), z projektu Urban Atlas (UA) oraz z wyniku klasyfi kacji obiektowej (OBIA) danych RapidEye. Źródła te charakteryzują się różną dokładnością przestrzenną i tematyczną oraz różną metodologią wyodrębniania zabudowy. Eksperyment przeprowadzono na obszarze Krakowa, wykorzystując dane statystyczne ze 141 jednostekurbanistycznych miasta.
W pierwszej części cyklu zaprezentowano przeliczanie populacji w oparciu o bazy danych Corine Land Cover (CLC) oraz Urban Atlas (UA). W drugiej części przedstawiono metodykę kartowania stref zabudowy, z podziałem na kilka jej kategorii, za pomocą klasyfi kacji obiektowej (OBIA). Klasyfi kacje przeprowadzono na czterech zmozaikowanych obrazach satelitarnych RapidEye. Opracowana mapa stanowi podstawę do dazymetrycznego przeliczenia ludności w trzech wariantach: binarnym, oraz dwóch powierzchniowo-wagowych, gdzie proporcje zagęszczenia ludności dla różnych kategorii zabudowy obliczane są poprzez minimalizację błędu kwadratowego (RMSE) i procentowego (MAPE) w jednostkach spisowych. Uzyskane wyniki rozkładu ludności wskazują na potrzebę określenia funkcji zabudowy. Dlatego dodatkowo wykonano eksperymenty łączące wyniki OBIA z mapą LULC projektu UA. Z eksperymentów wynika, że z testowanych sześciu wariantów kartowania ludności najlepszym jest metoda powierzchniowo-wagowa oparta o OBIA+UA (RMSE=4270os., MAPE=75%.). Metoda binarna oparta o OBIA+UA notuje wyniki na poziomie RMSE=4540os., MAPE =108% Wyniki z zastosowaniem OBIA, bez korekcji funkcji zabudowy przy pomocy UA, są błędne (RMSE: od 5958–7987os., MAPE: 2262%–6612%).
W kolejnych częściach cyklu publikacji zostaną porównane dotychczas uzyskane wyniki: trzy mapy oparte o CLC, trzy mapy oparte o UA, sześć map opartych o OBIA/ OBIA+UA. Do weryfi kacji map populacji zostanie użyta szczegółowa mapa referencyjna dzielnicy Bronowice oraz kilometrowa siatka GUS. Przeprowadzona będzie dyskusja związana ze stosowaniem parametrów RMSE i MAPE w procesie optymalizacji wyników. Opracowany zostanie ranking metod oraz rekomendacje zmierzające do uzyskania poprawy wyników przeliczania ludności w oparciu o CLC, UA i OBIA.

Słowa kluczowe: dane demografi czne, modelowanie dazymetryczne, klasyfi kacja obiektowa, RapidEye
References

Bajat, B., Krunić N., Samardžić Petrović M., Kilibarda M. (2013). Dasymetric modeling of population dynamics in urban areas, Geodetski vestnik, Vol. 57, No. 4. DOI: 10.15292/geodetski-vestnik.2013.04.777-792

Bielecka E., Kuczyk A., Witkowska E. (2005). Modelowanie powierzchni statystycznej przedstawiającej gęstość zaludnienia w Polsce przy pomocy metody dozymetrycznej. Polskie Towarzystwo Informacji Przestrzennej, Roczniki Geomatyki, T. III, Z. 2, 9–16

Całka B., Bielecka E., Zdunkiewicz K. (2016). Redistribution population data across a regular spatial grid according to buildings characteristics, Geodesy and Cartography;| Vol. 65, no. 2, pp. 149–162

Cockx K., Canters F. (2015). Incorporating spatial non-stationarity to improve dasymetric mapping of population. Applied Geography, Vol. 63, s. 220–230

Chen, K. (2002). An Approach to Linking Remotely Sensed Data and Areal Census Data. International Journal of Remote Sensing, 23(1):37–48

Dittakan K., Coenen F., Christley R., Wardeh M. (2013). Population Estimation Mining Using Satellite Imagery. DaWaK 2013: Data Warehousing and Knowledge Discovery pp. 285–296, ISBN 978-3-642-40130-5. DOI https://doi.org/10.1007/978-3-642-40131-2_25

Gallego F.J., Peedell S. (2001). Using CORINE Land Cover to map population density. Towards agri-environmental indicators. EEA Topic report 6/2001, 94–105

Gallego F.J. (2010). A population density grid of the European Union. Population and Environment, Volume 31, Number 6, July 2010, pp. 460–473(14)

Harvey J. (2002). Estimating Census District Populations from Satellite Imagery: Some Approaches and Limitation, International Journal of Remote Sensing 23(10):2071–2095

Lewiński S. (2007). Obiektowa klasyfi kacja zdjęć satelitarnych jako metoda pozyskiwania informacji o pokryciu i użytkowaniu ziemi. IGiK, Warszawa. ISBN 978-83-60024-10-2; oai:bc.igik.edu.pl:21

Lo, C.P. (2003). Zone-Based Estimation of Population and Housing Units from Satellite-Generated Land Use/Land Cover Maps, in Remotely Sensed Cities, Mesev, V. (ed.), London, UK/New York, NY: Taylor & Francis, 157–180

Lwin, K., Murayama, Y. (2009). A GIS Approach to Estimation of Building Population for Micro-spatial Analysis. Transactions in GIS 13(4), 401–414. DOI: 10.1111/j.1467-9671.2009.01171.x, Source: DBLP

Pirowski T., Bartos K. (2018). Detailed mapping of the distribution of a city population based on information from the national database on buildings. Geodetski vestnik, 62 (3), 458–471. DOI: http://dx.doi.org/10.15292/geodetski-vestnik.2018.03.458-471

Pirowski T., Pomietłowska J. (2017). Distribution of Krakow’s Population by Dasymetric Modeling Method Using Urban Atlas and Publicly Available Statistical Data, Geomatics and Environmental Engineering, vol. 11/4, 83–95

Ratajski R. (1989). Metodyka kartografi i społeczno-gospodarczej. Warszawa–Wrocław: m. Państwowe Przedsiębiorstwo Wydawnictw Kartografi cznych im. Eugeniusza Romera

Tobler, R.T. (1979). Smooth pycnophylactic interpolation for geographic regions. Journal of The American Statistical Association 74, 519–530

Upegui E., Viel J.-F. (2012). GeoEye imagery and Lidar Technology or small-area population estimation: an epidemiological viewpoint. Photogrammetric Engineering & Remote Sensing, Vol. 78, s. 693–702

Webster, C.J. (1996). Population and Dwelling Unit Estimation from Space. Third World Planning Review, 18(2):155–176

Weih R.C., i Riggan N.D., 2010. Object-based classification vs. Pixel-based classifi cation: Comparitive importance of multi-resolution imagery. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVIII-4/C7

Wężyk P., Wójtowicz-Nowakowska A., Pierzchalski M., Most J., Szwed P. (2012). Klasyfi kacja pokrycia terenu metodą OBIA z wykorzystaniem zobrazowań satelitarnych RapidEye. Archiwum Fotogrametrii, Kartografi i i Teledetekcji, Vol. 23, s. 489–500; ISSN 2083-2214 | ISBN 978-83-61576-19-8

Wu, C. and Murray, A.T. (2005). A cokriging method for estimating population density in urban areas. Computers, Environment and Urban Systems, 29 (5), 558–579, doi:10.1016/j.compenvurbsys.2005.01.006

www.satimagingcorp.com/satellite-sensors/other-satellite-sensors/rapideye/ accessed 4.06.2018

www.msip2.um.krakow.pl/statkrak/ Web sites StatKrak, accessed 28.05.2018