¿Qué tan buenos son los datos globales para mapear asentamientos rurales? Evidencia de China
Autores: Wang, Ningcheng; Zhang, Xinyi; Yao, Shenjun; Wu, Jianping; Xia, Haibin
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
¿Qué tan buenos son los datos globales para mapear asentamientos rurales? Evidencia de China
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Urbanización global
áreas rurales
Conjuntos de datos de uso/cobertura del suelo
Asentamientos rurales
China
Conjuntos de datos de LULC
Detección de asentamientos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La urbanización global ha provocado una transición significativa hacia las áreas rurales. Con el desarrollo de tecnologías de teledetección, los conjuntos de datos de uso del suelo/cobertura del suelo (LULC) permiten a los usuarios analizar los cambios en los asentamientos rurales globales. Sin embargo, pocos estudios han examinado el rendimiento de los conjuntos de datos LULC en la cartografía de asentamientos rurales. Tomando a China como área de estudio, esta investigación seleccionó ocho de los últimos conjuntos de datos LULC (ESRI Land Cover, WSF, ESA WorldCover, GHS-BUILT-S2, GISD30, GISA2.0, GLC30 y GAIA) para comparar su precisión en la detección de asentamientos rurales. Se utilizó muestreo estratificado espacial para recolectar y muestrear asentamientos rurales. Realizamos pruebas de omisión, comparación de áreas y pruebas de precisión basadas en píxeles para la comparación. Los resultados muestran que: (1) el rendimiento de los conjuntos de datos de 10 m de resolución es mejor que el de los conjuntos de datos de 30 m de resolución en casi todos los escenarios. (2) la cartografía de aldeas en el oeste de China es un desafío para todos los conjuntos de datos. (3) GHS-BUILT-S2 tiene el mejor rendimiento en casi todos los escenarios y permite a los usuarios ajustar el valor umbral para determinar un rango adecuado del tamaño de los asentamientos rurales; ESRI supera a cualquier otro conjunto de datos en la detección de la existencia de asentamientos rurales, pero sobreestima drásticamente el área de los asentamientos rurales. (4) GISD30 es el mejor entre los conjuntos de datos de 30 m de resolución, notablemente en el Delta del Río Perla. Finalmente, proporcionamos sugerencias útiles sobre la selección ideal de mapas en diversas regiones y escenarios.
Descripción
La urbanización global ha provocado una transición significativa hacia las áreas rurales. Con el desarrollo de tecnologías de teledetección, los conjuntos de datos de uso del suelo/cobertura del suelo (LULC) permiten a los usuarios analizar los cambios en los asentamientos rurales globales. Sin embargo, pocos estudios han examinado el rendimiento de los conjuntos de datos LULC en la cartografía de asentamientos rurales. Tomando a China como área de estudio, esta investigación seleccionó ocho de los últimos conjuntos de datos LULC (ESRI Land Cover, WSF, ESA WorldCover, GHS-BUILT-S2, GISD30, GISA2.0, GLC30 y GAIA) para comparar su precisión en la detección de asentamientos rurales. Se utilizó muestreo estratificado espacial para recolectar y muestrear asentamientos rurales. Realizamos pruebas de omisión, comparación de áreas y pruebas de precisión basadas en píxeles para la comparación. Los resultados muestran que: (1) el rendimiento de los conjuntos de datos de 10 m de resolución es mejor que el de los conjuntos de datos de 30 m de resolución en casi todos los escenarios. (2) la cartografía de aldeas en el oeste de China es un desafío para todos los conjuntos de datos. (3) GHS-BUILT-S2 tiene el mejor rendimiento en casi todos los escenarios y permite a los usuarios ajustar el valor umbral para determinar un rango adecuado del tamaño de los asentamientos rurales; ESRI supera a cualquier otro conjunto de datos en la detección de la existencia de asentamientos rurales, pero sobreestima drásticamente el área de los asentamientos rurales. (4) GISD30 es el mejor entre los conjuntos de datos de 30 m de resolución, notablemente en el Delta del Río Perla. Finalmente, proporcionamos sugerencias útiles sobre la selección ideal de mapas en diversas regiones y escenarios.