Om

Forfatteren

Lorenzo Becchi er en italiensk ingeniør med baggrund i landbrugsteknik for tropiske lande. Efter at have arbejdet med landdistriktsudvikling og humanitær bistand i Brasilien, Ecuador, Colombia, Cuba og Marokko skiftede han til geospatial teknologi og samarbejdede med FAO om webkortlægningssystemer.

I øjeblikket baseret i Barcelona fokuserer Lorenzo på højtydende databehandling, geospatial software og fjernmålingsapplikationer. Han arbejdede tidligere på Josep Carreras Leukæmi Forskningsinstitut med at udvikle HPC-grænseflader.

Metodik

Green City Index måler byvegetationsdækning ved hjælp af satellitbilleder fra Den Europæiske Rumorganisations Sentinel-2-mission. Vi beregner Normalized Difference Vegetation Index (NDVI) for hver by og bestemmer, hvor stor en procentdel af byområdet der har sund vegetation.

Datakilde: Sentinel-2

Vi bruger Sentinel-2 Level-2A (L2A) produkter, som er atmosfærisk korrigerede overfladereflektansbilleder. Nøglespecifikationer:

• Rumlig opløsning: 10 meter (for røde og NIR-bånd)
• Genbesøgstid: 5 dage (med både Sentinel-2A og 2B)
• Dækning: Alle landoverflader mellem 56°S og 84°N breddegrad

Data is accessed through the Copernicus Data Space Ecosystem.

Behandlingsproces

1. Granuludvælgelse

For hver by identificerer vi, hvilke Sentinel-2-fliser (MGRS-gitter) der dækker dens grænser. Vi søger derefter efter alle tilgængelige granuler i sommersæsonen (juni-august) med mindre end 10% skydække.

2. NDVI-beregning

Normalized Difference Vegetation Index beregnes for hver pixel:

Hvor NIR er det nær-infrarøde bånd (B8) og Rød er det synlige røde bånd (B4). NDVI-værdier spænder fra -1 til +1, hvor højere værdier indikerer sundere vegetation.

3. Skymaskering

Vi bruger Scene Classification Layer (SCL) fra Sentinel-2 L2A-produkter til at maskere:

• Skyer (høj, medium og lav sandsynlighed)
• Skyskygger
• Vandområder
• Sne/is

4. Tidsmæssig Sammensætning

For at reducere støj og udfylde skyhuller opretter vi en mediansammensætning fra alle gyldige observationer i løbet af sæsonen. Dette giver et repræsentativt billede af vegetationen i vækstsæsonens højdepunkt.

5. Bybeskæring

Sammensætningen beskæres til officielle bygrænser fra GADM-databasen (Global Administrative Areas Database) version 4.1.

6. Vegetationsklassificering

Vi klassificerer pixels som "vegetation", hvis deres NDVI-værdi overstiger 0,40. Denne tærskel fanger sund, aktivt fotosyntetiserende vegetation, mens den udelukker:

• Bar jord (typisk NDVI 0,1-0,2)
• Bebyggede overflader (typisk NDVI < 0,1)
• Spredt eller stresset vegetation (NDVI 0,2-0,4)

Beregnede Målinger

Eksempel: To byer kan begge have 10% vegetationsindeks (samme mængde grønt areal), men forskellig gennemsnitlig grønhed, hvis den ene har tættere parker, mens den anden har spredt græsplæne.

Begrænsninger

• Sæsonvariation: Resultaterne afspejler kun sommerforhold. Løvfældende træer og sæsonbestemt vegetation kan vise forskellige mønstre i andre sæsoner.
• Bytræ-kronedække: Træer i smalle gader kan være delvist skjult af bygninger på grund af satellittens synsvinkel.
• Blandede pixels: Ved 10m opløsning indeholder pixels ofte en blanding af vegetation og bebyggede overflader, hvilket fører til mellemliggende NDVI-værdier.
• Tærskelfølsomhed: NDVI-tærsklen på 0,40 er noget vilkårlig; forskellige tærskler ville give forskellige procenter.

Comparison with Morgenpost (2016)

Datakreditering og Licens

Outputdata Licens

Alle outputdata fra dette projekt (statistik, GeoJSON, kort, rapporter) er licenseret under CC BY 4.0. Du kan frit dele og tilpasse dataene til ethvert formål, inklusive kommerciel brug, så længe du angiver kilde:

Kildedata

Satellitbilleder: Indeholder modificerede Copernicus Sentinel-data 2024. Copernicus Sentinel-2-missionen drives af Den Europæiske Rumorganisation (ESA) på vegne af Europa-Kommissionen.

Administrative grænser: GADM version 4.1 (gadm.org), licenseret under CC BY 4.0.

Bydata: GeoNames (geonames.org), licenseret under CC BY 4.0.