Разработка методики определения границ городской застройки и выявления ее изменений по материалам космической съемки тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Ахмади Каримуллах

• Ахмади Каримуллах
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Ахмади Каримуллах

ВВЕДЕНИЕ

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ И МЕТОДИЧЕСКИЕ ПОДХОДЫ К ВЫДЕЛЕНИЮ И КЛАССИФИКАЦИИ ГОРОДСКИХ ТЕРРИТОРИЙ НА ОСНОВЕ КОСМИЧЕСКИХ СНИМКОВ

1.1 Понятие «городская застройка»

1.1.1 Городская застройка в городе Кабул

1.1.1.1 Функциональные зоны в городе Кабул

1.1.1.2 Бессистемные поселения в городе Кабул

1.2 Урбанизация и расширение городов

1.2.1 Урбанизация в городе Кабул

1.3 Космические снимки

1.3.1 Космические снимки для городских исследований

1.3.2 Применение космических снимков для изучения городских условий

1.4 Методы выделения городской застройки на основе космические снимки

1.4.1 Метод, основанный на спектральных индексах

1.4.2 Метод, основанный на алгоритмах машинного обучения

Выводы по главе

ГЛАВА 2. ИСХОДНЫЕ МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЙ

2.1 Географическое положение г.Кабула

2.2 Исходные данные космические снимки

2.2.1 Космические снимки

2.2.2 Ккосмические снимки Landsat

2.2.3 Космические снимки Sentinel-2

2.2.4 Космические снимки Sentinel-1A SAR

2.3 Методы исследования

2.3.1 Попиксельная оценка динамических изменений городской застройки с использованием оптических космических снимков

2.3.1.1 Классификация городского землепользования и земельного покрова40

2.3.1.2 Обнаружение изменений в городском землепользовании

2.3.2 Текстурный метод определения границ городской застройки по радио-локационным космическим снимкам

2.3.2.1 Анализ текстуры матрицы совпадения уровней серого (GLCM) с использованием радиолокационных космических снимков Sentinel-1

2.3.3 Повышение точности классификации городских земель путём комбинирования оптических и радиолокационных космических снимков

2.3.3.1 Процесс объединения оптических и радиолокационных космических снимков

2.3.4 Пространственные метрики при анализе изменений городского земле-пользования и земного покрова с использованием космических снимков

2.3.4.1 Анализ ландшафтных показателей

2.3.4.2 Прогнозирование изменений в городском землепользовании при помощи алгоритма клеточных автоматов и искусственной нейронной сети (СА-АЫЫ)

2.3.4.3 Подготовка параметров для создания моделей будущих изменений в землепользовании

Выводы по главе

ГЛАВА 3. ОЦЕНКА ИЗМЕНЕНИЙ ПЛОЩАДИ ГОРОДСКОЙ ЗАСТРОЙКИ И ФУНКЦИОНАЛЬНЫХ ЗОН КАБУЛА ПО РАЗНОВРЕМЕННЫМ КОСМИЧЕСКИМ СНИМКАМ

3.1 Результаты применения попиксельного метода выделения городской застройки города Кабул с использованием оптических космических снимков

3.1.1 Точность определения территории городской застройки

3.1.2 Изменения площади городской застройки Кабула за 1990-2020 гг

3.2 Результаты применения текстурного метода определения границ городской застройки по радиолокационным космическим снимкам

3.2.1 Выделение границ городской застройки с помощью анализа текстуры

3.3 Результаты применения комбинации оптических и радиолокационных космических снимков для повышения точности классификации городских территорий

3.4 Результаты применения метода, основанного на пространственных метриках метод анализа изменений городского землепользования

3.4.1 Количественная и качественная оценка городской территории по пространственным (ландшафтным) метрикам

3.4.2 Прогноз изменения землепользования города Кабул на 2038 г

3.4.3 Матрицы перехода землепользования и земельного покрова в 20232038 гг

Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Введение диссертации (часть автореферата) на тему «Разработка методики определения границ городской застройки и выявления ее изменений по материалам космической съемки»

ВВЕДЕНИЕ

Актуальность исследования. Ускорение процесса урбанизации является серьезной проблемой для развивающихся стран, поскольку она имеет существенные последствия для окружающей среды, такие как преобразование земного покрова в регионе, утрата сельскохозяйственных и лесных территорий, снижение уровня грунтовых вод и повышение температуры земной поверхности [1]. Человеческая деятельность на протяжении столетий трансформировала землепользование и растительный покров как в развитых, так и в развивающихся государствах [2]. Прогнозируется, что к 2050 году примерно 6,25 миллиарда человек, что составляет 70% мирового населения, будут проживать в городах [2]. В развивающихся странах высокие темпы роста городского населения являются одной из наиболее серьезных проблем для правительств и планирующих организаций [1]. Эта тенденция проложит путь к освоению плановых и внеплановых городских территорий. Из-за расширения внеплановых территорий целевые правительственные и неправительственные организации сталкиваются с проблемами в обеспечении жителей этих территорий средствами санитарии и гигиены, чистой питьевой водой и электроэнергией. Несомненно, эта тенденция имеет значительную пространственную закономерность и сохранится в будущем. Поэтому для поддержания более устойчивой городской среды хорошее управление и планирование имеют жизненно важное значение для городских планировщиков и политиков. Другими словами, для пространственного расширения мегаполисов необходимо снижение необоснованного использования невозобновляемых ресурсов, предотвращение нарушения экологического баланса, устранение социального неравенства и максимизации инклюзивного и устойчивого развития. Существует прямая связь между ростом населения и развитием городов [1, 3].

Так, население города Кабул, столицы Исламского Эмирата Афганистан, выросло с 1,5 млн. человек в 2001 г. до около 5,0 млн. человек в 2017 г., что сделало его 5 по темпам роста населения городом в мире [4]. Город Кабул служит центром политической, экономической, культурной и административной системы

Афганистана [5]. Поскольку Кабул быстро урбанизировался, большая часть зеленых зон постоянно заменялась непроницаемыми поверхностями [2]. Поэтому было важно оценить пространственную структуру городского землепользования и динамику земного покрова в городе Кабул.

Степень разработанности: решаемая научная проблема была изучена на основе опубликованных научных работ ученых отечественного и международного уровня в области изучения городского землепользования и его динамического изменения на основе спутниковых снимков. Научное исследование опирается на работы русских (В.А.Малинников, А.Г.Чибуничев, В.В. Братков, М. А. Плотникова, С. С. Лачининский.) и иностранных (Wu J., Bhatta, B., Chaturvedi V., Li C., Cohen B., Deng J.S., Braimoh A.K., Dewan A.M., Liu, X., Wu J., Gómez J.A., Dahdouh-Guebas F., Held A., Patino, J.E., Fu W., Phiri D., Chen и др.) ученых.

Целью работы является разработка методики определения границ городской застройки и ее функциональных зон на основе различных данных космической съемки на примере города Кабула.

Для достижения этой цели необходимо решить следующие задачи:

1) провести анализ русскиех и зарубежного опыта для определения границ городской застройки и ее функциональных зон на основе космической съемки;

2) разработать метод для определения границ городской застройки и ее функциональных зон Кабула с использованием разновременных оптических спутниковых снимков Landsat.

3) выявить границы городской застройки Кабула на основе данных радиолокационных спутниковых снимков Sentinel-1;

4) сформулировать и апробировать подходы к повышению точности выделения функциональных зон в пределах городской застройки на основе данных космической съемки;

5) спрогнозировать изменения городской застройки Кабула на 2038 г.

Научная новизна диссертационного исследования заключается в следующем:

1) разработанная методика выделения городской территории и ее функциональных зон на основе комбинирования оптических и радиолокационных космических снимков повышает точность выделения городских территорий и их функциональных зон до 96,8 %.

2) предложена методика комбинирования оптических и радиолокационных снимков в условиях г. Кабула для повышения точности выделения границ городской застройки;

3) предложены частные методики выделения функциональных зон на основе комбинирования оптических и радарных снимков в условиях Кабула для разделения почвенного покрова на горных каменистых склонах и собственно застроенных территорий.

Теоретическая и практическая значимость исследования

Теоретическая значимость диссертационного исследования заключается в разработке методов идентификации городской черты и застройки на основе оптических и радиолокационных данных дистанционного зондирования Земли применительно к условиям Кабула; разработанная методика позволила повысить точности классификации городских земель.

Практическая значимость диссертационного исследования. Результаты научных исследований и разработок могут послужить основой для территориального планирования Кабула, возможностей оптимизации его функциональных зон для формирования благоприятной городской среды. Предлагаемые подходы также могут быть реализованы при проведении аналогичных исследований в аналогичных географических районах. В целом результаты исследования способствуют пониманию эволюции городского землепользования и принятию обоснованных решений для устойчивого развития городских территорий. Данные об изменении площадей городских земель за 19862023 гг. использовались в Министерстве Урбанизации Афганистана для анализа и мониторинга городской среды, находят практическое применение для решения многочисленных проблем, с которыми в настоящее время сталкиваются муниципалитет города Кабул и Министерство городского развития Афганистана.

Методы исследования. Методы, на которые опиралось данное исследование, можно условно разделить на четыре части. Во-первых, это определение городской застройки Кабула на основе космических снимков в оптическом диапазоне (Landsat 5 - Landsat 8). Помимо использования отдельных спектральных каналов и комбинаций применялись также спектральные индексы (прежде всего NDBI и NDVI). Во-вторых, для определения границ городской застройки использовались радиолокационные космические снимки Sentinel-1 SAR. Для выделения границ городской застройки на основе этих данных проводился текстурный анализа. В-третьих, для повышения точности выделения и классификации городских земель были объединены оптические и радиолокационные данные космической съемки в сочетаниях Sentinel-1 A SAR с Sentinel-2 MSI, а также Sentinel-1A SAR с Landsat-8 OLI/TIR. Наконец, перспективное моделирование пространственно-временного развития Кабула осуществлялось на основе клеточных автоматов и искусственных нейронных сетей (CA-ANN).

Объект исследования. Объектом данного диссертационного исследования выступает методика обработки материалов оптической и радиолокационной космической съемки, направленные на повышение точности определение границ городской застройки и ее функциональных зон.

Предметом исследования являются изменения площади городской застройки и ее функциональных на примере города Кабула.

Положения, вынесенные на защиту

1. При использовании радиолокационных изображений (Sentinel-1 SAR) для выделения застроенных городских территорий наилучший результат дает анализа текстурных метрик территории.

2. Повышение пространственной точности выделения функциональных зон городской территории Кабула достигается комбинированием космических снимков оптического и радиолокационного диапазонов близкого пространственного разрешения (Sentinel-1A SAR с Sentinel-2 MSI, а также Sentinel-1A SAR с Landsat-8 OLI/TIR).

3. Городская застройка Кабула характеризуется сложностью и геометрической нерегулярностью, а в последнее время становится фрагментированной. Моделирование ее изменений на основе искусственной нейронной сети (алгоритм клеточного автомата CA-ANN) показал, что к 2038 году собственно застроенная территория увеличиться за счет сокращения площади естественной и культурной растительности.

Соответствие диссертации паспорту научной специальности. Диссертация соответствует следующим пунктам паспорта научной специальности 1.6.19 Аэрокосмические исследования Земли, фотограмметрия: 12. Теория и методы автоматизации фотограмметрических измерений и дешифрирования изображений, в том числе на основе систем искусственного интеллекта, с целью картографирования и формирования ГИС различной тематической направленности; 15. Методы и технологии создания и обновления топографических, экологических, землеустроительных и других тематических карт и планов.

Степень достоверности результатов исследований. Достоверность результатов обеспечивается за счет применения актуальных и проверенных данных космической съемки, использования современных методов обработки данных дистанционного зондирования, а также сопоставления полученных данных с результатами наземных наблюдений и экспериментальных исследований.

Апробация результатов диссертационного исследования. Основные выводы и положения диссертации отражены в 7 научных статьях в реферируемых журналах из перечня ВАК, и Международных базах цитирования. Результаты работы также докладывались на научно-технических конференциях студентов, аспирантов и молодых учёных, проводимых в МИИГАиК в 2023-2024 гг.

Объем и структура диссертации: Диссертация состоит из введения, трех глав, заключения и списка литературы. Основной текст диссертации изложен на 108 страницах, включая 16 таблиц и 25 рисунков. Список литературы включает 136 наименование.

В изданиях, рекомендованных ВАК РФ

1. Каримуллах А., Оценка изменений площади зеленых насаждений Кабула по материалам дистанционного зондирования Земли / Каримуллах А., Братков В.В. // Мониторинг. Наука и технологии. - 2024. - № 4(62). С. 59-67. DOI: 10.25714/MNT.2024.62.008

2. Каримуллах А., Опыт комбинирования оптических и радиолокационных изображений для повышения точности выделения функциональных зон территории Кабула / Каримуллах А., Братков В.В. // Мониторинг. Наука и технологии. - 2023. - № 4(58). - С. 75-82. DOI: 10.25714/MNT.2023.58.009

3. Каримуллах А., Определение границ городской застройки по данным SAR Sentinel-1 / Каримуллах А., Братков В.В. // Мониторинг. Наука и технологии. -

2022. - № 4(54). - С. 43-50. DOI: 10.25714/MNT.2022.54.006

В международных базах цитирования

4. Karimullah A., Assessment of the Accuracy of Various Machine Learning Algorithms for Classifying Urban Areas through Google Earth Engine: A Case Study of Kabul City, Afghanistan. / Karimullah A. // European Journal of Artificial Intelligence and Machine Learning. - 2024. - № 3(3), p 1-8. DOI: 10.24018/ejai.2024.3.3.40

5. Karimullah A., Evaluation of Urban Sprawl and Land Use/Cover Variation Patterns through Remote Sensing Data: A Case Study in Kabul City, Afghanistan / Karimullah A., Sahak A. // European Journal of Environment and Earth Sciences. -

2023. - № 4(6), p. 10-20. DOI: 10.24018/ejgeo.2023.4.6.434

6. Karimullah A., Seasonal monitoring of urban heat islands based on the relationship between land surface temperature and land use and cover: a case study of Kabul City, Afghanistan. / Sahak, A. S., Karimullah A. // Earth Science Informatics. 2023. - № 16(1), p 845-861. DOI: 10.1007/s12145-022-00918-0

7. Karimullah A., Geospatial Assessment of Urban Sprawl: A Case Study of Herat City, Afghanistan / Sahak, A. S., Karimullah A. // Australian Journal of Engineering and Innovative Technology. - 2024. - № 6(3), p 51-69. DOI: 10.34104/ajeit.024.051069

Научно-технические конференции

8. «Оценка и сравнение точности различных алгоритмов машинного обучения для идентификации городских районов Кабула, Афганистан», 78-ой научно-технической конференции студентов, аспирантов и молодых учёных МИИГАиК, (2023).

9. «Оценка изменений в городском землепользовании с помощью ландшафтных показателей и данных дистанционного зондирования (на примере г. Кабул)» 79-ой научно-технической конференции студентов, аспирантов и молодых учёных МИИГАиК, (2024).

10. «Оценка температура поверхности земли в функциональных зонах города Кабул (на основе материалов ASTER)» 79-ой научно-технической конференции студентов, аспирантов и молодых учёных МИИГАиК, (2024).

11. «Evaluation of land use changes through remote sensing technology and landscape metrics: A Case Study of Kabul City, Afghanistan» 79-ой научно-технической конференции студентов, аспирантов и молодых учёных МИИГАиК, (2024).

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ И МЕТОДИЧЕСКИЕ ПОДХОДЫ К ВЫДЕЛЕНИЮ И КЛАССИФИКАЦИИ ГОРОДСКИХ ТЕРРИТОРИЙ НА ОСНОВЕ КОСМИЧЕСКИХ СНИМКОВ

Поскольку основной целью данного исследования является интеграция ДЗЗ, ГИС и многочисленных алгоритмов для мониторинга и оценки процесса расширения городов и изменений в росте городов, в этой главе представлено краткое изложение теоретических основ этой темы. Объясняются ключевые принципы, связанные с расширением городов. Соответствующие методы мониторинга и анализа впоследствии обсуждаются и сравниваются, чтобы дать общее представление о преимуществах и недостатках этих методов.

1.1 Понятие «городская застройка»

Процесс планирования и организации роста городской территории называется городской застройкой. Она предполагает создание и управление градостроительными проектами, строительством и реконструкцией зданий, а также благоустройством территорий.

Принципы урбанистики направлены на создание комфортной и функциональной городской среды, в которой жители могут удовлетворять свои потребности и желания. К ним относятся эффективное использование доступного пространства, защита исторических мест, обеспечение разнообразия и доступности жилых, общественных и коммерческих помещений, а также поддержание безопасности и устойчивости окружающей среды. Городская застройка указывает несельскохозяйственные территории, созданные фактически на реквизированной земле, находящейся в пределах административных единиц. Хотя в общепринятом смысле территория городской застройки обозначает районы внутри города, которые фактически застроены, строятся и относительно сконцентрированы, «базовые термины городского планирования» [6] указывают на то, что территория городской застройки обозначает территории, которые уже были застроены непрерывно и имеют основные муниципальные общественные объекты и общественные объекты в пределах административных единиц. Площадь городской застройки является важным показателем, измеряющим

развитие городских территорий, а также прямой основой для оценки процесса урбанизации. Основными аспектами городской застройки являются управление городским пространством, архитектурное проектирование, городское планирование и строительство.

1.1.1 Городская застройка в городе Кабул

Кабул, столица и крупнейший город Афганистана, расположен в восточной части страны и занимает пятое место среди городов мира по темпам роста [7]. Население Кабула увеличилось с 1,5 миллиона человек в 2001 году до около 5 миллионов в 2017 году [4]. Стремительная урбанизация оказала значительное давление на городскую инфраструктуру, которая изначально была рассчитана на примерно 800 000 жителей, согласно первому генеральному плану Кабула (19621964 годы), как показано на рисунке 1.1. По оценкам, около 70% населения города проживают в неупорядоченных или незаконных поселениях [7].

Рост городской территории Кабула можно разделить на четыре этапа. Однако особенности расширения городских земель значительно различались в каждом из этих периодов. В первый период роста (1962-1978 гг.) город демонстрировал самую медленную скорость роста - 3,3 км2/год, что соответствует годовому темпу роста города 4,87%. Аналогичным образом, второй период роста (1978-1992 гг.) имеет аналогичные временные изменения. Период роста 1992-1999 гг. отражает умеренную стадию использования городских земель в данный период исследований [8]. Период роста (1999-2008 гг.) иллюстрирует самый быстрый этап роста территории городской застройки в границах города.

Наконец, последний период (2002-2018 гг.) иллюстрирует единственный в истории этап быстрого роста территории городской застройки в границах города (рисунок 1.2). Этот этап связан с притоком мигрантов из соседних стран [9]. С 2002 года более 5,8 миллиона афганских беженцев вернулись домой, 4,7 миллиона из них получили помощь со стороны UNHCR, что сильно повлияло на расширение территории городской застройки в городе Кабул [7].

Рисунок 1.1 - Мастер планы города Кабул на протяжении многих лет: (а) первый мастер план Кабула, 1964 г. [10]; (б) второй мастер план Кабула, 1970 г. [10]; (в) третий генеральный план Кабула [10], 1978 год; (г) мастер план Японского агентства международного сотрудничества (JICA)1, 2011 год.

о

Рисунок 1.2 - Структура городского проектирования Кабула (KUDF) , 2018 г.,

1.1.1.1 Функциональные зоны в городе Кабул

Городские функциональные зоны, включая коммерческие, промышленные и жилые зоны, осуществляют особые социальные функции. Пространственное распределение описывает структуру города и раскрывает потребность в земле, играя важную роль в городском управлении [11, 12]. Таким образом, территория города Кабул классифицируется на шесть функциональных зон на основе включения социально-экономической информаци, например: учебные заведения, коммерческие районы, жилые районы с высокой плотностью населения, жилые районы со средней плотностью населения, промышленные зоны и зеленые зоны

(рисунок 1.3) [13].

2 Официальный сайт Sasaki, Inc.: https://www.sasaki.com/

Рисунок 1.3 - Функциональные зоны города Кабул (карта подготовлена Японским агентством международного сотрудничества в 2012 г.)

1.1.1.2 Бессистемные поселения в городе Кабул

Термин «бессистемное поселение» в основном относится к несанкционированному разделу земли на городской периферии, где незаконное присвоение земли часто происходит со стороны сквоттеров, которые строят свои дома обычно без официального разрешения владельца и, часто, из некачественных строительных материалов [14]. Хотя Генеральный план города Кабул рассчитан на размещение до 8 миллионов жителей, только 20% этого плана было разработано и применено в городе. В результате, по оценкам, 70% жителей Кабула живут в бессистемных поселениях [15]. Бессистемные поселения можно

найти во всех районах города Кабул, но большинство из них сосредоточено в районах 6, 7 и 13 на юго-западе (рисунок 1.4).

Рисунок 1.4 - Системная и бессистемная застройка города Кабул

1.2 Урбанизация и расширение городов

Урбанизация представляет собой процесс переселения людей из сельских местностей в города, при этом увеличение численности городского населения ассоциируется с миграцией в городские районы [16]. Это также социальный феномен, связанный с изменениями в поведении и социальных взаимодействиях, которые происходят вследствие жизни в городской среде. По сути, урбанизация включает в себя сложные трансформации образа жизни, обусловленные влиянием городской среды на общество [16]. Сегодня понятие урбанизации трактуется шире и охватывает не только рост численности городского населения, но и физическое расширение городских территорий, а также изменения в социально-

экономической и политической структуре региона, вызванные миграцией в города [16-18].

Рисунок 1.5 - Распределение городского населения, 2021 г. (Перспективы мировой урбанизации, ООН)4

Урбанизация является сложным и активно развивающимся процессом, наблюдаемым по всему миру. Этот непрекращающийся процесс вызвал значительные изменения в земном покрове и структуре ландшафта [18, 19]. Стремительное развитие городов, особенно в развивающихся странах, останется одной из ключевых глобальных проблем, оказывающих влияние на жизнь людей [18]. На рисунке 1.5 представлено распределение городского населения в 2021 году.

Быстрая урбанизация ускорила процесс пространственного расширения застроенных территорий. Несмотря на то что урбанизация способствует социально-экономическому развитию и повышению качества жизни, рост городов неизбежно приводит к значительным изменениям землепользования. Это включает преобразование лесов и водно-болотных угодий в

1 Официальный сайт : https://population.un.org/wup/

сельскохозяйственные или застроенные земли, поскольку для производства товаров и услуг требуется больше территории, а увеличение городского населения требует расширения жилых зон. Хотя городские территории занимают лишь около 3% поверхности суши [20], изменения, вызванные ростом городов, являются одними из самых значительных видов антропогенного воздействия на земной покров, а их экологические и экологические последствия выходят за пределы городских границ [21, 22]. Рост населения спровоцировал увеличение городских центров, что привело к таким проблемам, как повышенный спрос на жилье, рабочие места, инфраструктуру и основные услуги, а также ухудшение состояния окружающей среды. Для прогнозирования будущих моделей роста и разработки эффективного планирования землепользования необходимо отобразить эти изменения на карте [23]. Также важно оценить ключевые факторы, такие как социально-экономические условия, инфраструктура, численность населения, природные факторы (например, рельеф, риски стихийных бедствий) и зонирование землепользования, которые влияют на расширение городских территорий. Это позволит лучше понять прошлые тенденции и разработать прогнозы для будущего [4].

1.2.1 Урбанизация в городе Кабул

Во многих быстрорастущих городах страны с низким и средним уровнем дохода доступ к информации ограничен из-за хаотичного характера урбанизации и отсутствия актуальных пространственных и непространственных данных [24]. Города, расположенные в зонах конфликтов, входящих в страны с низким и средним уровнем дохода, особенно страдают от быстрого и незапланированного развития, сопровождающегося нехваткой данных для эффективного мониторинга и управления городским ростом. Одним из примеров таких ситуаций являются города Афганистана, которые, переживает беспрецедентные темпы урбанизации. Большая часть этой урбанизации сосредоточена в столице - Кабуле. Рост населения и городской площади в Кабуле показан на рисунке 1.6 и 1.7. Город растет массово и незапланированно в результате большого количества

перемещенных лиц и репатриантов из других провинций и соседних стран. Причина этого в лучшей безопасности города Кабул по сравнению с другими провинциями Афганистана; а также в столице лучшие условия жизни и работы. [14, 15]. Официальные данные показывают, что до 93% городских домохозяйств в Афганистане живут в условиях физической и экологической депривации, что подчеркивает острую необходимость модернизации городских центров по всей стране [25].

_ 5.0 | 4.5 | 4.0

| 3.5 5 3.0

т

^ 2.0 О! .

1.5

01

ё 10 х 0.5 0.0

1960 1970 1980 1990 2000 2010 2020 2030

Время (год)

Рисунок 1.6 - Рост городского населения с 1950 по 2021 год в городе Кабул, Исламская Республика Афганистан. (Обзор мирового населения)5

Рисунок 1.7 - Развитие города Кабул в разные эпохи; (KUDF, 2018 г.)6

Десятилетняя война в Афганистане привела не только к гибели более

5 Официальный сайт : https://worldpopulationreview.com/

6 Официальный сайт Sasaki, Inc.: https://www.sasaki.com/

миллиона человек, но и к масштабному разрушению городской инфраструктуры. С 2002 года, с приходом нового правительства и международной помощи, страна вступила в период стремительной урбанизации. Как и в других странах региона, в Афганистане требуется значительное внимание к восстановлению и созданию функциональных городских ландшафтов. Устойчивые и эффективные городские структуры способны защищать природную среду и поддерживать жилую, коммерческую и экономическую деятельность. Таким образом, экономическое развитие города напрямую зависит от качества политики землепользования и устойчивого роста [9].

Афганистан по-прежнему представляет собой преимущественно сельское общество, и лишь около 25 процентов населения проживает в городах. Однако ситуация быстро меняется. В 1950 году только 1 из 20 афганцев проживал в городах, тогда как в 2014 году в городах проживал каждый 45-й житель. Если урбанизация продолжится такими темпами, к 2060 году каждый второй житель -50% населения будет жить в городах. С 2001 года городское население Афганистана увеличилось примерно с 20 до 27% от общей численности. В абсолютных цифрах это представляет собой увеличение городского населения с 4,6 млн. в 2002 году до 8,2 млн. в 2017 году [26].

Таким образом, урбанизации Афганистана способствует вынужденная миграция из-за затянувшегося конфликта, а не добровольная миграция из сельских районов и возвращение афганских беженцев из Пакистана и Ирана с 2000 года. Большинство сельских мигрантов, как правило, переезжает в крупные города, такие как Кабул, Герат, Кандагар и Балх. При этом нынешнее население этих городов превышает возможности городской инфраструктуры и преобладающий потенциал этих городов.

В Кабуле, столице Афганистана, где проживает более половины городского населения страны, население выросло с 1,5 миллиона в 2001 году до 4,9 миллиона в 2018 году [27]. Инфраструктура и объекты города Кабул рассчитаны на 700 тысяч жителей, а в настоящее время в нем проживает более 6 миллионов человек. Население Кабула, которое резко увеличилось с 1,5 миллиона в 2001 году до

более чем 6 миллионов в 2017 году, делает Кабул пятым по темпам роста городом в мире, где, по оценкам, 70 процентов его жителей живут в неформальных и незаконных поселениях. В результате неконтролируемой урбанизации трущобы превратились в обычную неформальную городскую среду обитания в крупных городах Афганистана, страдающих от нехватки жилья, отсутствия гигиены и услуг. Например, согласно отчету ЦЫНАШТАТ за 2017 год, только 32 процента внутренних перемещённых лиц, поселившихся в трущобах, имеют доступ к электричеству по сравнению с 82 процентами городского населения [26]. Исследование условий жизни в Афганистане за 2016-2017 годы показывает, что 72,4 процента городского населения страны проживает в трущобах или неформальных или не отвечающих требованиям жилищных поселениях [28].

Список литературы диссертационного исследования кандидат наук Ахмади Каримуллах, 2025 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Patra, P.K., Relative shannon's entropy approach for quantifying urban growth using remote sensing and GIS: a case study of Cuttack City, Odisha, India / Patra, P.K., D. Behera and S. Goswami // Journal of the Indian Society of Remote Sensing. -2022. - № 50(4): - p. 747-762.

2. Sahak, A.S., Seasonal monitoring of urban heat island based on the relationship between land surface temperature and land use/cover: a case study of Kabul City, Afghanistan / Sahak, A.S., F. Karsli, E.T. Gormus and K. Ahmadi // Earth Science Informatics. - 2023. - № 16(1): - p. 845-861.

3. Bhatta, B., Analysis of urban growth pattern using remote sensing and GIS: a case study of Kolkata, India / Bhatta, B. // International Journal of Remote Sensing. - 2009. - № 30(18): - p. 4733-4746.

4. Chaturvedi, V., Analysing urban development patterns in a conflict zone: A case study of Kabul / Chaturvedi, V., M. Kuffer and D. Kohli // Remote sensing. - 2020. -12(21): - № 12(21): - p. 3662.

5. Ahmadi, H., Application of GIS-Based AHP Model for the Impact Assessment of COVID-19 Lockdown on Environment Quality: The Case of Kabul City, Afghanistan / Ahmadi, H., A.S. Sahak, A.W. Ayoobi, E. Pekkan, M. Inceoglu and F. Karsli // Journal of the Indian Society of Remote Sensing. - 2023. - № 51(3): - p. 439-452.

6. Xiaogang, N., Extracting and analyzing urban built-up area based on impervious surface and gravity model / Xiaogang, Ning, Yan Qin, and Bai Yang // Joint Urban Remote Sensing Event. - 2013: - p. 111-114.

7. Ahmadi, A.S., Evaluation of urban land development direction in Kabul city, Afghanistan / Ahmadi, A.S. and Y. Kajita // International Journal of Urban and Civil Engineering. - 2017. - № 11(2): - p. 152-162.

8. Ahmadi, A.S., Evaluating Urban Land Expansion Using Geographic Information System and Remote Sensing in Kabul City, Afghanistan / Ahmadi, A.S. and Y. Kajita // International Journal of Civil and Architectural Engineering. - 2016. - № 10(9): - p. 945-952.

9. Hidayat, O., Land use management and urban land expansion in Kabul: A case study of rapid urbanization / Hidayat, O. and Y. Kajita // Current Urban Studies. -2019. - № 7(02): - p. 193.

10. Calogero, P.A., Planning Kabul: the politics of urbanization in Afghanistan / -Calogero, P.A. // University of California, Berkeley. - 2011. - p. 34-233

11. Chen, W., Social functional mapping of urban green space using remote sensing and social sensing data / Chen, W., H. Huang, J. Dong, Y. Zhang, Y. Tian and Z. Yang // ISPRS Journal of Photogrammetry and Remote Sensing. - 2018. - № (146): - p. 436-452.

12. Zhang, X., Hierarchical semantic cognition for urban functional zones with VHR satellite images and POI data / Zhang, X., S. Du and Q. Wang // ISPRS Journal of Photogrammetry and Remote Sensing. - 2017. - № (132): - p. 170-184.

13. Mushkani, R.A., The role of land use and vitality in fostering gender equality in urban public parks: The case of Kabul city, Afghanistan / Mushkani, R.A. and H. Ono // Habitat International. - 2021. - № (118): - p. 102462.

14. Un-Habitat, The Challenge of Slums: Global Report on Human Settlements 2003 / Un-Habitat // Management of Environmental Quality: An International Journal. -2004. - № 15(3): - p. 337-338.

15. Collier, P., Policy options for Kabul's informal settlements / Collier, P., P. Manwaring and M. Blake // IGC Growth brief, International Growth Centre, London. - 2018. - № (1): - p. 3-17.

16. Li, C., Monitoring and analysis of urban growth process using Remote Sensing, GIS and Cellular Automata modeling: A case study of Xuzhou city, China / Li, C. // University Dortmund. - 2014. - № (1): p. 7-133.

17. Cohen, B., Urban growth in developing countries: a review of current trends and a caution regarding existing forecasts / Cohen, B. // World development. - 2004. - № 32(1): - p. 23-51.

18. Deng, J.S., Spatio-temporal dynamics and evolution of land use change and landscape pattern in response to rapid urbanization / Deng, J.S., K. Wang, Y. Hong and J.G. Qi // Landscape and urban planning. - 2009. - № 92(3-4): - p. 187-198.

19. Braimoh, A.K., Spatial determinants of urban land use change in Lagos, Nigeria / Braimoh, A.K. and T. Onishi // Land use policy. - 2007. - № 24(2): - p. 502-515.

20. Dewan, A.M., Land use and land cover change in Greater Dhaka, Bangladesh: Using remote sensing to promote sustainable urbanization / Dewan, A.M. and Y. Yamaguchi // Applied geography. - 2009. - № 29(3): - p. 390-401.

21. Liu, X., Urban change detection based on an artificial neural network / Liu, X. and R. Lathrop Jr // International Journal of Remote Sensing. - 2002. - № 23(12): - p. 2513-2518.

22. Wu, J., Quantifying spatiotemporal patterns of urbanization: The case of the two fastest growing metropolitan regions in the United States / Wu, J., G.D. Jenerette, A. Buyantuyev and C.L. Redman // Ecological Complexity. - 2011. - № 8(1): - p. 1-8.

23. Gómez, J.A., Spatiotemporal modeling of urban growth using machine learning / Gómez, J.A., J.E. Patiño, J.C. Duque and S. Passos // Remote Sensing. - 2019. - № 12(1): - p. 109.

24. Thomson, D.R., Need for an integrated deprived area "slum" mapping system (IDEAMAPS) in low-and middle-income countries (LMICs) / Thomson, D.R., M. Kuffer, G. Boo, B. Hati, T. Grippa, H. Elsey, C. Linard, R. Mahabir, C. Kyobutungi and J. Maviti // Social Sciences. - 2020. - № 9(5): - p. 80.

25. The Ministry of Urban Development Affairs (MUDA), Afghanistan country report for Habitat III / The Ministry of Urban Development Affairs // Urban

National Priority Programme (U-NPP). - 2015. - № (1): - p. 31.

26. Ahmadi, N., Drivers of Urban Transition in Afghanistan and the Country's Urban Future / Ahmadi, N. // Policy Brief. - 2019. № (51)-: p. 21.

27. European Union, EASO Country of Origin Information Report Afghanistan Security Situation / European Union // European Asylum Support Office. - 2016. - № (3): - p. 216.

28. Islamic Republic of Afghanistan Central Statistics Organization, Afghanistan Living Conditions Survey 2016-17 / Islamic Republic of Afghanistan Central Statistics Organization. // European Union. - 2018. - p. 421.

29. Dahdouh-Guebas, F., The use of remote sensing and GIS in the sustainable management of tropical coastal ecosystems / Dahdouh-Guebas, F. // Environment, development and sustainability. - 2002. - № (40: - p. 93-112.

30. Held, A., High resolution mapping of tropical mangrove ecosystems using hyperspectral and radar remote sensing / Held, A., C. Ticehurst, L. Lymburner and N. Williams // International Journal of Remote Sensing. - 2003. - № 24(13): - p. 27392759.

31. Holland, D., Using high-resolution satellite imagery in a well-mapped country / Holland, David, and Paul Marshall // Joint Workshop "High Resolution Mapping from Space. - 2003. - p. 1-5

32. Lee, T.-M., Applying remote sensing techniques to monitor shifting wetland vegetation: A case study of Danshui River estuary mangrove communities, Taiwan / Lee, T.-M. and H.-C. Yeh // Ecological engineering. - 2009. - № 35(4): - p. 487-496.

33. Mumby, P., The cost-effectiveness of remote sensing for tropical coastal resources assessment and management / Mumby, P., E. Green, A. Edwards and C. Clark // Journal of Environmental Management. - 1999. - № 55(3): - p. 157-166.

34. А.Г.Чибуничев, Фотограмметрия / А.Г.Чибуничев // Издательство МИИГАиК Москва. - 2022. - p. 328.

35. Purnamasayangsukasih, P.R., A review of uses of satellite imagery in monitoring mangrove forests / Purnamasayangsukasih, P. Rhyma, K. Norizah, Adnan AM Ismail, and I. Shamsudin // Earth and Environmental Science. - 2016. - № 1(37): - p. 012034.

36. Patino, J.E., A review of regional science applications of satellite remote sensing in urban settings / Patino, J.E. and J.C. Duque // Computers, Environment and Urban Systems. - 2013. - № 1(37): - p. 1-17.

37. Fu, W., Remote sensing satellites for digital earth / Fu, W., J. Ma, P. Chen and F. Chen // Manual of digital earth. - 2020. - p. 55-123.

38. Phiri, D., Developments in Landsat land cover classification methods: A review / Phiri, D. and J. Morgenroth // Remote Sensing. - 2017. - № 9(9): - p. 967.

39. Chen, F., Challenges to quantitative applications of Landsat observations for the urban thermal environment / Chen, F., S. Yang, K. Yin and P. Chan // Journal of Environmental Sciences. - 2017. - № (59): - p. 80-88.

40. Wulder, M.A., Current status of Landsat program, science, and applications / Wulder, M.A., T.R. Loveland, D.P. Roy, C.J. Crawford, J.G. Masek, C.E. Woodcock, R.G. Allen, M.C. Anderson, A.S. Belward and W.B. Cohen // Remote sensing of environment. - 2019. - № (225): - p. 127-147.

41. Kuras, A., Hyperspectral and lidar data applied to the urban land cover machine learning and neural-network-based classification: A review / Kuras, A., M. Brell, J. Rizzi and I. Burud // Remote Sensing. - 2021. - № 13(17): - p. 3393.

42. С. С. Лачининский, И.А.Л., Зарубежный опыт использования данных дистанционного зондирования земли при изучении развития городов / С. С. Лачининский, Логвинов Илья А. // Псковский регионологический журнал. -2022. - № 3(18): - p. 132 - 146.

43. Netzband, M., Urban and suburban areas as a research topic for remote sensing / Netzband, M. and C. Jürgens // Remote sensing of urban and suburban areas. - 2010. -p. 1-9.

44. Zhou, Y., A novel approach for identifying urban built-up area boundaries using high-resolution remote-sensing data based on the scale effect / Zhou, Y., M. Tu, S. Wang and W. Liu // ISPRS International Journal of Geo-Information. - 2018. - № 7(4): - p. 135.

45. Bhatti, S.S., Built-up area extraction using Landsat 8 OLI imagery / Bhatti, S.S. and N.K. Tripathi // GIScience & remote sensing. - 2014. - № 51(4): - p. 445-467.

46. Griffiths, P., Mapping megacity growth with multi-sensor data / Griffiths, P., P. Hostert, O. Gruebner and S. van der Linden // Remote sensing of Environment. -2010. - № 114(2): - p. 426-439.

47. Lu, D., Spectral mixture analysis of the urban landscape in Indianapolis with Landsat ETM+ imagery / Lu, D. and Q. Weng // Photogrammetric Engineering & Remote Sensing. - 2004. - № 70(9): - p. 1053-1062.

48. Taubenbock, H., Urbanization in India-Spatiotemporal analysis using remote sensing data / Taubenbock, H., M. Wegmann, A. Roth, H. Mehl and S. Dech // Computers, environment and urban systems. - 2009. - № 33(3): - p. 179-188.

49. Yin, Z.-Y., Changes in urban built-up surface and population distribution patterns during 1986-1999: A case study of Cairo, Egypt / Yin, Z.-Y., D.J. Stewart, S. Bullard and J.T. MacLachlan // Computers, Environment and Urban Systems. - 2005. - № 29(5): - p. 595-616.

50. Mennis, J., Mining association rules in spatio-temporal data: An analysis of urban socioeconomic and land cover change / Mennis, J. and J.W. Liu // Transactions in GIS. - 2005. - № 9(1): - p. 5-17.

51. Stow, D., Object-based classification of residential land use within Accra, Ghana based on QuickBird satellite data / Stow, D., A. Lopez, C. Lippitt, S. Hinton and J. Weeks // International journal of remote sensing. - 2007. - № 28(22): - p. 5167-5173.

52. Rajasekar, U., Application of association rule mining for exploring the relationship between urban land surface temperature and biophysical/social parameters / Rajasekar, U. and Q. Weng // Photogrammetric Engineering & Remote Sensing. - 2009. - № 75(4): - p. 385-396.

53. Taubenbock, H., Integrating remote sensing and social science-The correlation of urban morphology with socioeconomic parameters / Taubenbock, H., M. Wurm, N. Setiadi, N. Gebert, A. Roth, G. Strunz, J. Birkmann and S. Dech // Urban Remote Sensing Joint Event. - 2009. - p. 1-7.

54. Mobasheri, A., An introduction to open source geospatial science for urban studies, in Open Source Geospatial Science for Urban Studies: The Value of Open Geospatial Data / Mobasheri, A. // Cham: Springer International Publishing. - 2020. - . p. 1-8.

55. Berling-Wolff, S., Modeling urban landscape dynamics: a case study in Phoenix, USA / Berling-Wolff, S. and J. Wu // Urban ecosystems. - 2004. - № (7): - p. 215240.

56. Nuissl, H., Urbanisation and land use change / Nuissl, H. and S. Siedentop // Sustainable land management in a European context: a co-design approach. - 2021. -№ (8): - p. 75-99.

57. Tucker, C.J., Remote sensing of total dry-matter accumulation in winter wheat / Tucker, C.J., B.N. Holben, J.H. Elgin Jr and J.E. McMurtrey III // Remote Sensing of Environment. - 1981. - № (11): - p. 171-189.

58. Ukhnaa, M., X. Huo and G. Gaudel. Modification of urban built-up area extraction method based on the thematic index-derived bands / Ukhnaa, M., X. Huo and G. Gaudel // IOP Conference Series: Earth and Environmental Science. 2019.

59. Hidayati, I.N., Developing an extraction method of urban built-up area based on remote sensing imagery transformation index / Hidayati, I.N., R. Suharyadi and P. Danoedoro // Forum Geografi. - 2018.

60. Karanam, H.K., Study of normalized difference built-up (NDBI) index in automatically mapping urban areas from Landsat TN imagery / Karanam, H.K. and V. Neela // Int J Eng Sci Math. - 2017. - № (8): - p. 239-48.

61. Prasomsup, W., Extraction technic for built-up area classification in Landsat 8 imagery / Prasomsup, W., P. Piyatadsananon, W. Aunphoklang and A. Boonrang // International Journal of Environmental Science and Development. - 2020. - № 11(1):

- p. 15-20.

62. Jieli, C., L. Manchun, L. Yongxue, S. Chenglei and H. Wei. Extract residential areas automatically by new built-up index / Jieli, C., L. Manchun, L. Yongxue, S. Chenglei and H. Wei. // 18th International Conference on Geoinformatics, IEEE. 2010.

63. Xu, H., Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface index (NDISI) / Xu, H. // Photogrammetric Engineering & Remote Sensing. - 2010. - № 76(5): - p. 557-565.

64. Liu, Y., J., Spatiotemporal dynamics of the urban sprawl in a typical urban agglomeration: a case study on Southern Jiangsu, China (1983-2007) / Liu, Y., J. Chen, W. Cheng, C. Sun, S. Zhao and Y. Pu // Frontiers of earth science. - 2014. - № 8: - p. 490-504.

65. Lynch, P., Classification of urban area using multispectral indices for urban planning / Lynch, P., L. Blesius and E. Hines // Remote Sensing. - 2020. - № 12(15):

- p. 2503.

66. Angiuli, E., Urban mapping in Landsat images based on normalized difference spectral vector / Angiuli, E. and G. Trianni // IEEE Geoscience and Remote Sensing Letters. - 2013. - № 11(3): - p. 661-665.

67. Sun, G., Combinational build-up index (CBI) for effective impervious surface mapping in urban areas / Sun, G., X. Chen, X. Jia, Y. Yao and Z. Wang // IEEE Journal of selected topics in applied earth observations and remote sensing. - 2015. -№ 9(5): - p. 2081-2092.

68. Hu, D., Integrating CART algorithm and multi-source remote sensing data to estimate sub-pixel impervious surface coverage: a case study from Beijing Municipality, China / Hu, D., S. Chen, K. Qiao and S. Cao // Chinese Geographical Science. - 2017. - № (27): - p. 614-625.

69. Pelizari, P.A., Multi-sensor feature fusion for very high spatial resolution built-up area extraction in temporary settlements / Pelizari, P.A., K. Spröhnle, C. Geiß, E. Schoepfer, S. Plank and H. Taubenböck // Remote sensing of environment. - 2018. -№ 209: - p. 793-807.

70. Tian, T., Urban area detection in very high resolution remote sensing images using deep convolutional neural networks / Tian, T., C. Li, J. Xu and J. Ma // Sensors. -2018. - № 18(3): - p. 904.

71. Avudaiammal, R., Extraction of buildings in urban area for surface area assessment from satellite imagery based on morphological building index using SVM classifier / Avudaiammal, R., P. Elaveni, S. Selvan and V. Rajangam // Journal of the Indian Society of Remote Sensing. - 2020. - № (48): - p. 1325-1344.

72. Bramhe, V.S., Extraction of built-up areas from Landsat-8 OLI data based on spectral-textural information and feature selection using support vector machine method / Bramhe, V.S., S.K. Ghosh and P.K. Garg // Geocarto International. - 2020. -№ 35(10): - p. 1067-1087.

73. Rasooli, A., Assessment of potential dam sites in the Kabul river basin using GIS / Rasooli, A. and D. Kang // Assessment. - 2015. - № 6(2): - p. 83-89.

74. Sánchez-Reyes, Assessment of land use-cover changes and successional stages of vegetation in the natural protected area Altas Cumbres, Northeastern Mexico, using

Landsat satellite imagery / Sánchez-Reyes, U.J., S. Niño-Maldonado, L. Barrientos-Lozano and J. Treviño-Carreón // Remote sensing. - 2017. - № 9(7): - p. 712.

75. Sediqi, M.N., Spatio-temporal pattern in the changes in availability and sustainability of water resources in Afghanistan / Sediqi, M.N., M.S. Shiru, M.S. Nashwan, R. Ali, S. Abubaker, X. Wang, K. Ahmed, S. Shahid, M. Asaduzzaman and S.M.A. Manawi // Sustainability. - 2019. - № 11(20): - p. 5836.

76. Hekmat, H., Land Use and Land Cover Changes in Kabul, Afghanistan Focusing on the Drivers Impacting Urban Dynamics during Five Decades 1973-2020 / Hekmat, H., T. Ahmad, S.K. Singh, S. Kanga, G. Meraj and P. Kumar // Geomatics. - 2023. -№ 3(3): - p. 447-464.

77. Zhang, S., Evaluating urban expansion using integrated remote sensing and gis technique: A case study in greater Chengdu, China / Zhang, S. // Doctoral dissertation, University of Saskatchewan. - 2016.

78. Sayler, K., Landsat 9 Data Users Handbook / Sayler, K. // Sioux Falls, South Dakota: Department of the Interior U.S. Geological Survey. - 2022. - № (1): - p. 115.

79. Малинников В.А., Стеценко А.Ф, Алтынов А.Е., Попов С.М., Мониторинг природной среды аэрокосмическими средствами / Малинников В.А., Стеценко А.Ф, Алтынов А.Е., Попов С.М. // МИИГАиК. - 2008. - p. 29.

80. Ihlen, V., Landsat 8 (L8) Data Users Handbook / Ihlen, V. // EROS Sioux Falls, South Dakota, United States: Department of the Interior U.S. Geological Survey. -2019. - № (5) - p. 114.

81. Ihlen, V., Landsat 8 (L8) Data Users Handbook / Ihlen, V. // EROS Sioux Falls, South Dakota, United States: Department of the Interior U.S. Geological Survey. -2019. - № (5) - p. 114.

82. Agency, E.S., Sentinel-2 User Handbook / Agency, E.S. // European Commission. - 2015.

83. Team, S., Sentinel-1 User Handbook / Team, S. // European Space Agency. -2013. - p. 180.

84. Каримуллах Ахмади, Опыт комбинирования оптических и радиолокационных изображений для повышения точности выделения

функциональных зон территории кабула / Каримуллах Ахмади, Братков. В. В. // мониторинг наука и технологии. - 2023. - № 4 (58): - p. 75-82.

85. Братков В. В., влияние рельефа на конфигурацию и изменение площади городской застройки Ставрополя / Братков В. В., Лебедев. А. А. // Мониторинг. Наука и технологии. - 2020. - № 43(1): - p. 20 - 25.

86. M. Hema Mahendra, Machine learning approach for classification of land use land cover changes over a region using satellite data / M. Hema Mahendra, M. Naga Datta Sai Varun ,N. Vishnu Chowdary ,K. Kalyan , P. Sai Purna Chandu ,Dr. S.Venkatesan, Mr. Rajesh Pasupuleti // International Journal For Innovative Engineering and Management Research. - 2022. - № 11(5): - p. 253-261.

87. Liu, J.-y., A study on the spatial-temporal dynamic changes of land-use and driving forces analyses of China in the 1990s / Liu, J.-y., Z.-x. Zhang, D.-F. Zhuang, Y. Wang, W. Zhou, S. Zhang, R. Li, N. Jiang and S. Wu // Geographical Research. -2003. - № 22(1): - p. 1-12.

88. Anderson, J.R., A land use and land cover classification system for use with remote sensor data / Anderson, J.R. // US Government Printing Office. - 1976. - № (964).

89. М. А. Плотникова, исследование методов выявления изменений территорий по разновременным космическим изображениям / М. А. Плотникова, Е. П. Хлебникова // Сибирский государственный университет геосистем и технологий. - 2020. -:№ (3) - p. 48 - 58.

90. Belgiu, M., Sentinel-2 cropland mapping using pixel-based and object-based time-weighted dynamic time warping analysis / Belgiu, M. and O. Csillik // Remote sensing of environment. - 2018. - № (204): - p. 509-523.

91. Каримуллах Ахмади, Определение границ городской застройки по данным sentinel-1 SAR / Каримуллах Ахмади, Братков. В. В. // мониторинг наука и технологии. - 2022. - № 4 (54): - p. 43-48.

92. Kaplan, G., Object-based water body extraction model using Sentinel-2 satellite imagery / Kaplan, G. and U. Avdan // European Journal of Remote Sensing. - 2017. -№ 50(1): - p. 137-143.

93. Bramhe, V., Extraction of built-up areas using convolutional neural networks and transfer learning from sentinel-2 satellite images / Bramhe, V., S.K. Ghosh and P.K. Garg // International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences. - 2018. - № 42(3): - p. 79-85.

94. Sekertekin, A., Pixel-based classification analysis of land use land cover using Sentinel-2 and Landsat-8 data / Sekertekin, A., A. Marangoz and H. Akcin // Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci. - 2017. - № (42): - p. 91-93.

95. Cao, H., Operational built-up areas extraction for cities in China using Sentinel-1 SAR data / Cao, H., H. Zhang, C. Wang and B. Zhang // Remote sensing. - 2018. - № 10(6): - p. 874.

96. Modava, M., Integration of spectral histogram and level set for coastline detection in SAR images / Modava, M., G. Akbarizadeh and M. Soroosh // IEEE Transactions on Aerospace and Electronic Systems. - 2018. - № 55(2): - p. 810-819.

97. Van Truong, Mapping land cover using multi-temporal sentinel-1a data: A case study in Hanoi / Van Truong, V., N.D. Duong and T.A. Tuan // Vietnam Journal of Earth Sciences. - 2017. - № 39(4): - p. 345-359.

98. Qin, Y., Quantifying annual changes in built-up area in complex urban-rural landscapes from analyses of PALSAR and Landsat images / Qin, Y., X. Xiao, J. Dong, B. Chen, F. Liu, G. Zhang, Y. Zhang, J. Wang and X. Wu // ISPRS Journal of Photogrammetry and Remote Sensing. - 2017. - № 124: - p. 89-105.

99. Esch, T., Delineation of urban footprints from TerraSAR-X data by analyzing speckle characteristics and intensity information / Esch, T., M. Thiel, A. Schenk, A. Roth, A. Muller and S. Dech // IEEE Transactions on Geoscience and Remote Sensing. - 2009. - № 48(2): - p. 905-916.

100. Chen, Z., Urban land use mapping using high resolution SAR data based on density analysis and contextual information / Chen, Z., Y. Zhang, B. Guindon, T. Esch, A. Roth and J. Shang // Canadian Journal of Remote Sensing. - 2013. - № 38(6): - p. 738-749.

101. Gamba, P., SAR data classification of urban areas by means of segmentation techniques and ancillary optical data / Gamba, P. and M. Aldrighi // IEEE Journal of

Selected Topics in Applied Earth Observations and Remote Sensing. - 2012. - № 5(4):

- p. 1140-1148.

102. Taubenbock, H., Pixel-based classification algorithm for mapping urban footprints from radar data: a case study for RADARSAT-2 / Taubenbock, H., A. Felbier, T. Esch, A. Roth and S. Dech // Canadian Journal of Remote Sensing. - 2012.

- № 38(3): - p. 211-222.

103. Godinho, S., Using a stochastic gradient boosting algorithm to analyse the effectiveness of Landsat 8 data for montado land cover mapping: Application in southern Portugal / Godinho, S., N. Guiomar and A. Gil // International Journal of Applied Earth Observation and Geoinformation. - 2016. - № (49): - p.151-162.

104. Chen, B., Multi-source remotely sensed data fusion for improving land cover classification / Chen, B., B. Huang and B. Xu // ISPRS Journal of Photogrammetry and Remote Sensing. - 2017. - № (124): - p. 27-39.

105. Carrasco, L., Evaluating combinations of temporally aggregated Sentinel-1, Sentinel-2 and Landsat 8 for land cover mapping with Google Earth Engine / Carrasco, L., A.W. O'Neil, R.D. Morton and C.S. Rowland // Remote Sensing. - 2019. - № 11(3): - p. 288.

106. Drusch, M., Sentinel-2: ESA's optical high-resolution mission for GMES operational services / Drusch, M., U. Del Bello, S. Carlier, O. Colin, V. Fernandez, F. Gascon, B. Hoersch, C. Isola, P. Laberinti and P. Martimort // Remote sensing of Environment. - 2012. - № (120): - p. 25-36.

107. Veloso, A., Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications / Veloso, A., S. Mermoz, A. Bouvet, T. Le Toan, M. Planells, J.-F. Dejoux and E. Ceschia // Remote sensing of environment. - 2017. - № (199): - p. 415-426.

108. Chen, B., Stable classification with limited sample: Transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017 / Chen, B., B. Xu, Z. Zhu, C. Yuan, H.P. Suen, J. Guo, N. Xu, W. Li, Y. Zhao and J. Yang // Science Bulletin. - 2019. - №, 64(6). p. 370-373.

109. Lu, D., Land-cover classification in the Brazilian Amazon with the integration of Landsat ETM+ and Radarsat data / Lu, D., M. Batistella and E. Moran // International Journal of Remote Sensing. - 2007. - № 28(24): - p. 5447-5459.

110. Jiang, L., Synergistic use of optical and InSAR data for urban impervious surface mapping: a case study in Hong Kong / Jiang, L., M. Liao, H. Lin and L. Yang // International Journal of Remote Sensing. - 2009. - № 30(11): - p. 2781-2796.

111. Shao, Z., A fusion method for optical and synthetic aperture radar data / Shao, Z., W. Wu and S. Guo // Remote Sensing. - 2020. - № 12(17): - p. 2796.

112. Zhang, H., A comparison study of impervious surfaces estimation using optical and SAR remote sensing images / Zhang, H., Y. Zhang and H. Lin // International Journal of Applied Earth Observation and Geoinformation. - 2012. - № (18): - p. 148156.

113. Balzter, H., Mapping CORINE land cover from Sentinel-1A SAR and SRTM digital elevation model data using random forests / Balzter, H., B. Cole, C. Thiel and C. Schmullius // Remote Sensing. - 2015. - № 7(11): - p. 14876-14898.

114. Bao, Y., Surface soil moisture retrievals over partially vegetated areas from the synergy of Sentinel-1 and Landsat 8 data using a modified water-cloud model / Bao, Y., L. Lin, S. Wu, K.A.K. Deng and G.P. Petropoulos // International journal of applied earth observation and geoinformation. - 2018. - № (72): - p. 76-85.

115. Erinjery, J.J., Mapping and assessment of vegetation types in the tropical rainforests of the Western Ghats using multispectral Sentinel-2 and SAR Sentinel-1 satellite imagery / Erinjery, J.J., M. Singh and R. Kent // Remote Sensing of Environment. - 2018. - № (216): - p. 345-354.

116. Colson, D., Exploring the potential of Sentinels-1 & 2 of the Copernicus Mission in support of rapid and cost-effective wildfire assessment / Colson, D., G.P. Petropoulos and K.P. Ferentinos // International journal of applied earth observation and geoinformation. - 2018. - № (73): - p. 262-276.

117. Haas, J., Sentinel-1A SAR and sentinel-2A MSI data fusion for urban ecosystem service mapping / Haas, J. and Y. Ban // Remote Sensing Applications: Society and Environment. - 2017. - № (8): - p. 41-53.

118. Pavanelli, J.A.P., PALSAR-2/ALOS-2 and OLI/LANDSAT-8 data integration for land use and land cover mapping in northern Brazilian Amazon / Pavanelli, J.A.P., J.R.d. Santos, L.S. Galvao, M. Xaud and H.A.M. Xaud // Boletim de Ciencias Geodésicas. - 2018. - № (24): - p. 250-269.

119. Suhet, B.H., Sentinel-2 User Handbook / Suhet, B.H. // European Space Agency European Commission. - 2015. - p. 50-54.

120. Nguyen, T.T., Vegetation trends associated with urban development: The role of golf courses / Nguyen, T.T., P. Barber, R. Harper, T.V.K. Linh and B. Dell // PLoS one. - 2020. - № 15(2): - p. 1-20.

121. Syphard, A.D., Forecasts of habitat loss and fragmentation due to urban growth are sensitive to source of input data / Syphard, A.D., K.C. Clarke, J. Franklin, H.M. Regan and M. Mcginnis // Journal of Environmental Management. - 2011. - № 92(7):

- p.1882-1893.

122. Mosammam, H.M., Monitoring land use change and measuring urban sprawl based on its spatial forms: The case of Qom city / Mosammam, H.M., J.T. Nia, H. Khani, A. Teymouri and M. Kazemi // The Egyptian Journal of Remote Sensing and Space Science. - 2017. - № 20(1): - p. 103-116.

123. Zenouzi, A.S., Analysis of changes in vegetation index during the rapid urban spatial development period (1990-2020) in Tehran metropolis, Iran / Zenouzi, A.S., K. Yenneti, R. Teimouri, F. Abbasiyan and M. Palme // Atmosphere. - 2022. - № 13(12):

- p. 2010.

124. Aguilera, F., Landscape metrics in the analysis of urban land use patterns: A case study in a Spanish metropolitan area / Aguilera, F., L.M. Valenzuela and A. Botequilha-Leitao // Landscape and Urban Planning. - 2011. - № 99(3-4): - p. 226238.

125. Uuemaa, E., Landscape metrics and indices: an overview of their use in landscape research / Uuemaa, E., M. Antrop, J. Roosaare, R. Marja and Ü. Mander // Living reviews in landscape research. - 2009. - № 3(1): - p. 1-28.

126. Kim, J., Determining the effects of local development regulations on landscape structure: Comparison of The Woodlands and North Houston, TX / Kim, J. and C.D. Ellis // Landscape and Urban Planning. - 2009. - № 92(3-4): - p. 293-303.

127. Martínez-Harms, M.J. Methods for mapping ecosystem service supply: a review / Martínez-Harms, M.J. and P. Balvanera // International journal of biodiversity science, ecosystem services & management. - 2012. - № 8(1-2): - p. 17-25.

128. Chuvieco, E., Earth observation of global change: The role of satellite remote sensing in monitoring the global environment/ Chuvieco, E. // Springer. - 2008. - № 32(89): - p. 294.

129. Das, S., Assessment of urban sprawl using landscape metrics and Shannon's entropy model approach in town level of Barrackpore sub-divisional region, India / Das, S. and D.P. Angadi // Modeling Earth Systems and Environment. - 2021. - № 7(2): - p. 1071-1095.

130. Araya, Y.H., Analysis and modeling of urban land cover change in Setúbal and Sesimbra, Portugal / Araya, Y.H. and P. Cabral // Remote Sensing. - 2010. - № 2(6): -p.1549-1563.

131. McGarigal, K., FRAGSTATS: Spatial Pattern Analysis Prog-ram for Categorical Maps. Computer software program produced by the authors at the University of Massachuse-tts, Amherst / McGarigal, K. // www. umass. edu/landeco/research /fragstats/fragstats. html.- 2002.

132. Leitao, A.B., Applying landscape ecological concepts and metrics in sustainable landscape planning / Leitao, A.B. and J. Ahern // Landscape and urban planning. -2002. - № 59(2): - p. 65-93.

133. Herzog, F., Supplementing land-use statistics with landscape metrics: some methodological considerations / Herzog, F. and A. Lausch // Environmental monitoring and assessment. - 2001. - № (72): - p. 37-50.

134. Ramachandra, T., Insights to urban dynamics through landscape spatial pattern analysis / Ramachandra, T., B.H. Aithal and D.D. Sanna // International journal of applied earth observation and geoinformation. - 2012. - № (18): - p. 329-343.

135. McGarigal, K., FRAGSTATS: spatial pattern analysis program for quantifying landscape structure / McGarigal K. // US Department of Agriculture, Forest Service, Pacific Northwest Research Station. - 1995. - № (351): - p. 1-132.

136. Baig, M.F., Assessment of land use land cover changes and future predictions using CA-ANN simulation for selangor, Malaysia / Baig, M.F., M.R.U. Mustafa, I. Baig, H.B. Takaijudin and M.T. Zeshan // Water. - 2022. - № 14(3): - p. 402.