利用卫星图像对城市贫困地区进行分类

德国航空航天中心的Hannes Taubenböck和他的团队(DLR）使用欧洲空间成像提供的非常高分辨率（VHR）卫星图像，结合辅助调查，为世界各地城市贫困地区的形状和结构开发基础模型分类系统。

贫民窟，favela，tenement ......无论您使用的任何术语，几乎每个国家都有某种形式的城市贫困地区。陶班别·克拉夫和维姆姆识别这些地点作为“抵达城市”，被定义为提供相对经济的住房，作为进入城市，其社会及其职能的地方（基于Doug Saunders的概念）落脚城市”)。这些城市贫困地区往往被认为是人口密集的破旧和临时建筑群。

然而，这种看法并不能准确地定义这些到达城市的形态，对研究人员和城市规划者来说是有意义的。在全球范围内，关于这些衰败社区的信息存在空白，如果没有适当的分类系统，决策者就无法全面了解当地的城市贫困地区，做出明智的决策。通过使用WorldView VHR光学卫星图像，可以对到达城市进行建模、测量和分类，以便研究人员更好地理解。

数据差距

据联合国人居署估计，世界各地有近10亿人居住在贫民窟，非正式结构对全球住房建设贡献巨大。尽管有这些统计数据，但这些地区往往是所有城市中最被忽视的地区。很少有一致的实证方法来研究和记录城市贫困。

此外，在世界许多地区，这些到达城市的空间识别仍然存在巨大的差距。从某种意义上说，到达城市在地图上是缺失的，而且由于没有商定的参数来使用遥感研究这些地区，存在的空间数据是不一致和不可比较的数据集。

Hannes和他的团队使用了遥感数据和来自现场的调查的组合，以创建一个一致的方法，用于识别，测量和在世界上任何地方的到达城市。他们希望回答这两个问题：

1. 哪些物理特征的到达城市可以区分和测量?
2. 到达城市之间建立形态的相似性和差异是什么？

他们需要开发一个系统来定义贫困城市地区的外观，并始终如一地可靠地衡量和分类结构内的结构。

用于基线系统的卫星图像

首先，该团队确定了全球44个“到达城市”。然后，他们与欧洲空间成像公司签约，收集选定地点的高分辨率卫星图像。VHR光学图像的价值在于提供给用户的细节级别。它在涉及物体检测、绘图和3D建模的项目中至关重要。

“在如此密集和复杂的环境中工作，需要VHR光学卫星数据。由于其中一些城市贫困地区往往没有官方记录，我们需要一致的卫星图像。欧洲空间成像公司能够提供来自WorldView卫星星座的数据，使我们能够生成一个基线数据集，”Taubenböck表示。

随着收集的数据，Hannes能够在LOD-1中构建3D建筑模型（详细级别1）。使用这些模型作为基础，该团队设计了一种用于分类这些建筑物的形状和分配的方法。

基于EO数据的分类标准

研究人员能够创建一个基于5个结构性和可测量属性的形态聚落类型指数“代表城市贫困外貌的类别”。标准如下:

1. 建筑密度
2. 建筑方向
3. 模式的异质性
4. 建设规模
5. 建筑高度

确定了对这些标准的预期，以计算这些到达城市偏离常规方面的程度。“高建筑密度有很少的计划公共空间”和“由于建筑商的财务困境，”低建筑物高度“的期望构成了贫民窟的”理想“形象。

结果

经过仔细观察，我们发现到达城市存在着多种形态。一些是大型建筑和高密度，另一些是不规则的，广泛的模式。令人惊讶的是，同一国家甚至同一城市的贫民窟在形态上有显著差异。这进一步证明了需要有一种一致的方法来实证分类城市贫民窟的类型。

到达城市分为三个主要类别，并在这些类别之间划分了过渡子类别。有了这种分类方法，未来的研究人员可以建立算法来更好地衡量和理解分散在地球上的无数其他到达城市。

积极的态度

据透露，虽然辅助数据来源是必要的，但高质量的地球观察数据是进行这种城市贫困研究方法的决定因素。随着遥感能力的可用性增加和一些来源提供的高水平细节，例如来自WorldView星座的VHR卫星图像，在全球范围内，这种基线数据的进一步发展是可能的。

虽然本研究的结果可能已经得出结论，但没有两个到达城市身体上相同，但生活在其中内部的人分享了许多经验。他们努力寻找足够的收入，医疗保健和使用清洁饮用水和电等公用事业。通过关闭关于这些贫困城市地区的数据差距，我们提供地理空间专业人员，他们需要为决策者提供完整的图片。

这个博客是贡献的欧洲太空成像。