Опыт определения площади городской застройки по космическим снимкам для задач метеорологического моделирования (на примере Москвы)

DOI: 10.35595/2414-9179-2020-2-26-298-312

Посмотреть или загрузить статью (Rus)

Об авторах

М.Ю. Грищенко

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, 119991, Москва, Россия,
E-mail: m.gri@geogr.msu.ru

Е.Ю. Сарычев

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, 119991, Москва, Россия,
E-mail: evgen.sarychev.1@gmail.com

М.И. Варенцов

Московский государственный университет имени М.В. Ломоносова, Научно-исследовательский вычислительный центр и Географический факультет,
Ленинские горы, д. 1, стр. 4, 119234, Москва, Россия,
E-mail: mvar91@gmail.com

Т.Е. Самсонов

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, 119991, Москва, Россия,
E-mail: tsamsonov@geogr.msu.ru

Аннотация

Детализированное моделирование погоды и климата для городских территорий востребовано в различных научных и прикладных задачах, начиная с численного прогноза погоды и заканчивая оценкой биоклиматических условий города и долгосрочным градостроительным планированием. Применение современных метеорологических моделей для городских условий требует определения набора параметров, характеризующих городскую среду и особенности застройки. Одним из таких параметров является доля площади, занимаемой городской застройкой.

В данной работе предложена универсальная методика определения доли площади городской застройки, основанная на дешифрировании космических снимков высокого пространственного разрешения со спутников Sentinel-2. Апробация методики проведена на примере территории города Москвы, характеризующейся разнообразием форм городской застройки. Расчёты площади, занятой городской застройкой, выполнены для ячеек расчётной сетки мезомасштабной численной метеорологической модели COSMO размером 1×1 км. Для верификации разработанного метода использованы краудсорсинговые картографические данные OpenStreetMap, по которым также произведена оценка доли площади зданий по ячейкам модельной сетки. Данные о доли площади застройки, полученные в результате дешифрирования космических снимков и по данным OpenStreetMap, показали хорошее взаимное согласие, что подтверждает перспективность использования предложенной методики. На примере территорий, по которым два метода показывают существенные расхождения, выявлены их типичные причины, а именно отсутствие информации о зданиях в базе данных OpenStreetMap или же маскировка зданий деревьями, не позволяющая их дешифрировать по космическим снимкам.

Ключ. слова

городская застройка, параметры городской среды, климат города, Sentinel-2, COSMO

Список литературы

  1. Варенцов М.И., Самсонов Т.Е., Кислов А.В., Константинов П.И. Воспроизведение острова тепла Московской агломерации в рамках региональной климатической модели COSMO-CLM. Вестник Московского университета. Серия 5. География, 2017. № 6. С. 25–37.
  2. Грищенко М.Ю., Ермилова Ю.В. Картографирование застройки крупнейших городов российского Заполярья по космическим снимкам разных спектральных диапазонов. Геодезия и картография, 2018. Т. 79. № 3. С. 23–34.
  3. Касимов Н.С., Никифорова Е.М., Кошелева Н.Е., Хайбрахманов Т.С. Геоинформационное ландшафтно-геохимическое картографирование городских территорий (на примере ВАО Москвы). Геоинформатика, 2013. № 1. С. 28–32.
  4. Кислов А.В., Константинов П.И. Детализированное пространственное моделирование температуры Московского мегаполиса. Метеорология и гидрология, 2011. № 5. С. 25–32.
  5. Климат Москвы в условиях глобального потепления. М.: Издательство Московского университета, 2017. 288 с.
  6. Климат Москвы (особенности климата большого города). Л.: Гидрометеоиздат, 1969. 323 с.
  7. Кузнецова И.Н., Брусова Н.Е., Нахаев М.И. Городской остров тепла в Москве: определение, границы, изменчивость. Метеорология и гидрология, 2017. № 5. С. 49–61.
  8. Мягков М.С. Экологические последствия мезоклиматических аномалий Московского мегаполиса. Экология урбанизированных территорий, 2006. № 4. С. 28–34.
  9. Самсонов Т.Е., Тригуб К.С. Картографирование локальных климатических зон Москвы по космическим снимкам. Геодезия и картография, 2018. Т. 79. № 6. С. 20–31.
  10. Baklanov A., Grimmond C.S.B., Carlson D., Terblanche D., Tang X., Bouchet V., Lee B., Langendijk G., Kolli R.K., Hovsepyan A. From urban meteorology, climate and environment research to integrated city services. Urban Climate, 2018. V. 23. P. 330–341.
  11. Bechtel B., Alexander P.J., Böhner J., Ching J., Conrad O. Mapping local climate zones for a worldwide database of the form and function of cities. ISPRS International Journal of Geo-Information, 2015. V. 4. P. 199–219.
  12. Brousse O., Martilli A., Foley M., Mills G., Bechtel B. WUDAPT, an efficient land use producing data tool for mesoscale models? Integration of urban LCZ in WRF over Madrid. Urban Climate, 2016. V. 17. P. 116–134.
  13. Chen L., Ng E. Quantitative urban climate mapping based on a geographical database: A simulation approach using Hong Kong as a case study. International Journal of Applied Earth Observation and Geoinformation, 2011. V. 13. № 4. P. 586–594.
  14. Ching J., Aliaga D., Mills G., Masson V., See L., Neophytou M., Middel A., Baklanov A., Ren C., Ng E., Fung J., Wong M., Huang Y., Martilli A., Brousse O., Stewart I., Zhang X., Shehata A., Miao S., Wang X., Wang W., Yamagata Y., Duarte D., Li Y., Feddema J., Bechtel B., Hidalgo J., Roustan Y., Kim Y., Simon H., Kropp T., Bruse M., Lindberg F., Grimmond S., Demuzure M., Chen F., Li C., Gonzales-Cruz J., Bornstein B., He Q., Tzu-Ping, Hanna A., Erell E., Tapper N., Mall R.K., Niyogi D. Pathway using WUDAPT’s Digital Synthetic City tool towards generating urban canopy parameters for multi-scale urban atmospheric modeling. Urban Climate, 2019. V. 28. P. 100459.
  15. Ching J., Mills G., Bechtel B., See L., Feddema J., Wang X., Ren C., Brousse O., Martilli A., Neophytou M., Mouzourides P., Stewart I., Hanna A., Ng E., Foley M., Alexander P., Aliaga D., Niyogi D., Shreevastava A., Bhalachandran P., Masson V., Hidalgo J., Fung J., Andrade M., Baklanov A., Dai W., Milcinski G., Demuzere M., Brunsell N., Pesaresi M., Miao S., Mu Q., Chen F., Theeuwes N. WUDAPT: An urban weather, climate, and environmental modeling infrastructure for the anthropocene. Bulletin of the American Meteorological Society, 2018. V. 99. No 9. P. 1907–1924.
  16. Gál T., Unger J. A new software tool for SVF calculations using building and tree-crown databases. Urban Climate, 2014. V. 10. No 3. P. 594–606.
  17. Garuma G.F. Review of urban surface parameterizations for numerical climate models. Urban Climate, 2018. V. 24. P. 830–851.
  18. Hammerberg K., Brousse O., Martilli A., Mahdavi A. Implications of employing detailed urban canopy parameters for mesoscale climate modelling: a comparison between WUDAPT and GIS databases over Vienna, Austria. International Journal of Climatology, 2018. V. 38. P. e1241–e1257.
  19. Landsberg H.E. The urban climate. International Geophysics Series. V. 28. New York, London: Academic Press, 1981. 275 p.
  20. Lindberg F. Modelling the urban climate using a local governmental geo-database. Meteorological Applications, 2007. V. 273. P. 263–273.
  21. Lokoshchenko M.A. Urban ‘heat island’ in Moscow. Urban Climate, 2014. V. 10. P. 550–562.
  22. Lokoshchenko M.A. Urban heat island and urban dry island in Moscow and their centennial changes. Journal of Applied Meteorology and Climatology, 2017. V. 56. No 10. P. 2729–2745.
  23. Lu D., Hetrick S., Moran E. Land cover classification in a complex urban-rural landscape with QuickBird imagery. Photogrammetric Engineering & Remote Sensing, 2010. V. 76. No 10. P. 1159–1168.
  24. Masson V., Heldens W., Bocher E., Bonhomme M., Bucher B., Burmeister C., Munck C. de, Esch T., Hidalgo J., Kanani-Sühring F., Kwok Y.T., Lemonsu A., Lévy J.P., Maronga B., Pavlik D., Petit G., See L., Schoetter R., Tornay N., Votsis A., Zeidler J. City-descriptive input data for urban climate models: Model requirements, data sources and challenges. Urban Climate, 2020. V. 31. P. 100536.
  25. Oke T.R., Mills G., Christen A., Voogt J.A. Urban climates. Cambridge: Cambridge University Press, 2017. 509 p.
  26. Orlanski L. A rational subdivision of scale for atmospheric processes. Bulletin of the American Meteorological Society, 1975. V. 56. P. 527–530.
  27. Peeters A., Etzion Y. Automated recognition of urban objects for morphological urban analysis. Computers, Environment and Urban Systems, 2012. V. 36. No 6. P. 573–582.
  28. Samsonov T.E., Konstantinov P.I., Varentsov M.I. Object-oriented approach to urban canyon analysis and its applications in meteorological modeling. Urban Climate, 2015. V. 13. P. 122–139.
  29. Varentsov M., Wouters H., Platonov V., Konstantinov P. Megacity-induced mesoclimatic effects in the lower atmosphere: A modeling study for multiple summers over Moscow, Russia. Atmosphere, 2018. V. 9. No 2. P. 50.
  30. Varentsov M.I., Grishchenko M.Yu., Wouters H. Simultaneous assessment of the summer urban heat island in Moscow megacity based on in situ observations, thermal satellite images and mesoscale modeling. Geography, Environment, Sustainability, 2019. V. 12. No 4. P. 74–95.

Для цитирования: Грищенко М.Ю., Сарычев Е.Ю., Варенцов М.И., Самсонов Т.Е. Опыт определения площади городской застройки по космическим снимкам для задач метеорологического моделирования (на примере Москвы). ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Издательство Московского университета, 2020. Т. 26. Ч. 2. С. 298–312 DOI: 10.35595/2414-9179-2020-2-26-298-312

For citation: Grischenko M.Yu., Sarychev E.Yu., Varentsov M.I., Samsonov T.E. Experience in the determining the building area using satellite images for the purposes of meteorological modeling (case of Moscow city). InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: Moscow University Press, 2020. V. 26. Part 2. P. 298–312. DOI: 10.35595/2414-9179-2020-2-26-298-312 (in Russian)