Om

Författaren

Lorenzo Becchi

Lorenzo Becchi är en italiensk ingenjör med bakgrund inom jordbruks- teknik för tropiska länder. Efter att ha arbetat med landsbygdsutveckling och humanitärt bistånd i Brasilien, Ecuador, Colombia, Kuba och Marocko övergick han till geospatial teknik och samarbetade med FAO kring webbkartsystem.

Lorenzo är för närvarande baserad i Barcelona och fokuserar på högpresterande datorer, geospatial programvara och fjärranalysapplikationer. Han arbetade tidigare vid Josep Carreras Leukemiforskningsinstitut med att utveckla HPC-gränssnitt.

Metodik

Green City Index mäter täckning av urban vegetation med hjälp av satellitbilder från Europeiska rymdorganisationens Sentinel-2-mission. Vi beräknar Normalized Difference Vegetation Index (NDVI) för varje stad och bestämmer hur stor andel av det urbana området som har frisk vegetation.

Datakälla: Sentinel-2

Vi använder Sentinel-2 Level-2A (L2A) produkter, som är atmosfärskorrigerade ytreflektansbilder. Viktiga specifikationer:

Data is accessed through the Copernicus Data Space Ecosystem.

Bearbetningsprocess

1. Granulval

För varje stad identifierar vi vilka Sentinel-2-rutor (MGRS-rutnät) som täcker dess gränser. Vi söker sedan efter alla tillgängliga granuler under sommarsäsongen (juni-augusti) med mindre än 10% molntäcke.

2. NDVI-beräkning

Normalized Difference Vegetation Index beräknas för varje pixel:

NDVI = (NIR - Röd) / (NIR + Röd)

Där NIR är det nära infraröda bandet (B8) och Röd är det synliga röda bandet (B4). NDVI-värden varierar från -1 till +1, där högre värden indikerar friskare vegetation.

3. Molnmaskering

Vi använder Scene Classification Layer (SCL) från Sentinel-2 L2A-produkter för att maskera bort:

4. Temporal Sammansättning

För att minska brus och fylla molnluckor skapar vi en mediansammansättning från alla giltiga observationer under säsongen. Detta ger en representativ bild av vegetationen under högsäsongen.

5. Stadsklippning

Sammansättningen klipps till officiella stadsgränser från GADM-databasen (Global Administrative Areas Database) version 4.1.

6. Vegetationsklassificering

Vi klassificerar pixlar som "vegetation" om deras NDVI-värde överstiger 0,40. Detta tröskelvärde fångar frisk, aktivt fotosyntetiserande vegetation medan det exkluderar:

Beräknade Mätvärden

Metric Description
Vegetationsindex Andel av stadens yta klassificerad som vegetation (NDVI > 0,40). Detta visar hur mycket av staden som är grön.
Genomsnittlig grönska Medel-NDVI-värde över alla pixlar i staden (skala 0-1). Detta visar hur grön staden är totalt, inklusive icke-vegeterade områden. Högre värden indikerar tätare eller friskare vegetation.
Grönyta (km²) Total vegetationsyta i kvadratkilometer
Total Yta (km²) Stadens totala administrativa yta

Exempel: Två städer kan båda ha 10% vegetationsindex (samma mängd grönyta), men olika genomsnittlig grönska om den ena har tätare parker medan den andra har gles gräsmatta.

Begränsningar

Comparison with Morgenpost (2016)

Aspect Morgenpost Green City Index
Satellite Landsat 5/7/8 Sentinel-2
Resolution 30 meters 10 meters
NDVI Threshold 0.45 0.40
Time Period 2005-2015 composite Annual (2024+)
Coverage 79 German cities European cities (expanding)

Dataattribution & Licens

Utgående Datalicens

All utgående data från detta projekt (statistik, GeoJSON, kartor, rapporter) är licensierad under CC BY 4.0. Du är fri att dela och anpassa datan för alla ändamål, inklusive kommersiell användning, så länge du anger källa:

Data: Green City Index (https://green-city-index.org)

Källdata

Satellitbilder: Innehåller modifierade Copernicus Sentinel-data 2024. Copernicus Sentinel-2-missionen drivs av Europeiska rymdorganisationen (ESA) på uppdrag av Europeiska kommissionen.

Administrativa gränser: GADM version 4.1 (gadm.org), licensierad under CC BY 4.0.

Stadsdata: GeoNames (geonames.org), licensierad under CC BY 4.0.