[論文レビュー] Mapping parcel-level urban areas for a large geographical area

Ying Long, Yao Shen|arXiv (Cornell University)|Mar 24, 2014

Land Use and Ecosystem Services参考文献 47被引用数 30

ひとこと要約

本稿では、オルダランス・サーヴェイデータとポイント・オブ・インタレスト（POI）を用いて、空間的密度および形態的特徴を推定することで、パラセル単位の都市領域マッピングの自動化フレームワークを提案する。パラセル単位の密度、周辺環境条件、機能的属性を統合したベクトルセルラー・オートマトンモデルを適用することにより、中国の654都市すべてにおいて細分化された都市領域の区画化を達成し、中分解能のリモートセンシングや人口密度に基づく手法に比べ、より一貫性があり、効率的で高分解能な代替手法を提供する。

ABSTRACT

As a vital indicator for measuring urban development, urban areas are expected to be identified explicitly and conveniently with widely available dataset thereby benefiting the planning decisions and relevant urban studies. Existing approaches to identify urban areas normally based on mid-resolution sensing dataset, socioeconomic information (e.g. population density) generally associate with low-resolution in space, e.g. cells with several square kilometers or even larger towns/wards. Yet, few of them pay attention to defining urban areas with micro data in a fine-scaled manner with large extend scale by incorporating the morphological and functional characteristics. This paper investigates an automated framework to delineate urban areas in the parcel level, using increasingly available ordnance surveys for generating all parcels (or geo-units) and ubiquitous points of interest (POIs) for inferring density of each parcel. A vector cellular automata model was adopted for identifying urban parcels from all generated parcels, taking into account density, neighborhood condition, and other spatial variables of each parcel. We applied this approach for mapping urban areas of all 654 Chinese cities and compared them with those interpreted from mid-resolution remote sensing images and inferred by population density and road intersections. Our proposed framework is proved to be more straight-forward, time-saving and fine-scaled, compared with other existing ones, and reclaim the need for consistency, efficiency and availability in defining urban areas with well-consideration of omnipresent spatial and functional factors across cities.

研究の動機と目的

• 微細スケールの都市領域の区画化が、大規模地理的領域においてマイクロレベルのデータを用いて一貫してなされない現状を是正すること。
• 中分解能のリモートセンシングや人口密度に基づく手法に欠ける空間的粒度を克服すること。
• パラセル単位の都市領域マッピングのための自動的かつスケーラブルなフレームワークの開発。
• 都市境界検出の向上を図るため、形態的および機能的都市的特徴を統合すること。
• 中国の多様な都市において、都市領域定義の一貫性、効率性、可用性を確保すること。

提案手法

• 中国の654都市すべてにわたり、包括的なジオユニット（パラセル）を生成するためにオルダランス・サーヴェイデータを活用する。
• パラセル単位での局所的密度および機能的特徴を推定するために、ポイント・オブ・インタレスト（POI）を用いる。
• 各パラセルを密度、周辺環境条件、空間的文脈に基づいて評価するベクトルセルラー・オートマトンモデルを適用する。
• 道路への近接性、土地被覆、POIの集中度といった空間変数を統合し、都市パラセルの分類を支援する。
• 局所的状況と空間的依存性に基づいて、都市状態を繰り返し伝播させる近隣ルールを用いる。
• 中分解能のリモートセンシングによる解釈および人口密度／ルート交差に基づく推定と照合して、結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 オープンアクセスの空間データとPOIのみを用いて、パラセル単位の都市領域を正確にマッピングできるか？
• RQ2 ベクトルセルラー・オートマトンモデルは、大規模地理的領域においてパラセルスケールでの都市境界を同定するのにどの程度効果的か？
• RQ3 形態的および機能的要因を統合することで、従来の密度に基づく手法に比べ、都市領域の区画化がどの程度向上するか？
• RQ4 中国の多様な都市的文脈において、提案されたフレームワークはどの程度一貫性があり、効率的か？
• RQ5 中分解能のリモートセンシングや人口ベースの手法に比べ、本手法はより高い空間分解能とより高い正確性を達成できるか？

主な発見

• 提案されたフレームワークにより、パラセル単位の都市領域マッピングが可能となり、従来の手法に比べて空間分解能が著しく向上した。
• 手動による解釈や人口密度に基づく手法に比べ、本手法は時間的効率が高く、実行がより簡単である。
• POIから得られる密度と空間的文脈の統合により、都市境界検出の正確性が向上した。
• ベクトルセルラー・オートマトンモデルは、多様な都市環境において都市の形態的および機能的パターンを効果的に捉えた。
• 検証の結果、リモートセンシングや人口ベースの解釈と比較して、本手法はより一貫性のある都市領域の区画化を生み出した。
• フレームワークはスケーラブルであり、中国の654都市すべてにわたり、大規模地理的領域への適用が可能であることが実証された。