Mapping and monitoring land use land cover dynamics employing Google Earth Engine and machine learning algorithms on Chattogram, Bangladesh

• DOI: 10.1016/j.heliyon.2023.e21245
• Publication Date: 2023-10-24T16:27:18Z
• Authors: Jayanta Biswas; Md Abu Jobaer; Salman F. Haque; Md Samiul Islam S...; Zamil Ahamed Limon
• Keywords: Land cover; Science (General); Land use land cover (LULC); Economics; Urban sustainability; Oceanography; Urban sprawl; Environmental science; land-use change; Q1-390; Engineering; Metropolitan area; 11. Sustainability; Machine learning; Media Technology; Climate change; Civil engineering; Biology; Economic growth; H1-99; Global and Planetary Change; Vegetation Monitoring; Global Analysis of Ecosystem Services and Land Use; Ecology; Geography; Change Detection; Urbanization; Satellite imagery; Geology; Remote Sensing in Vegetation Monitoring and Phenology; FOS: Earth and related environmental sciences; 15. Life on land; Remote sensing; Hyperspectral Image Analysis and Classification; Computer science; Social sciences (General); Algorithm; Sustainability; Archaeology; 13. Climate action; FOS: Biological sciences; Environmental Science; Physical Sciences; Land use; Chattogram; Google Earth Engine; FOS: Civil engineering; Research Article

يؤثر تغير استخدام الأراضي (LULC) بشكل كبير على الاستدامة الحضرية والتخطيط الحضري وتغير المناخ وإدارة الموارد الطبيعية والتنوع البيولوجي. تشهد منطقة تشاتوغرام الحضرية (CMA) تحضرًا سريعًا، مما أثر على تحول LULC وتسارع نمو الزحف العمراني والتنمية غير المخطط لها. ولرسم خريطة لتلك الزحف العمراني واستنزاف الموارد الطبيعية، تهدف هذه الدراسة إلى مراقبة تغيير استخدام الأراضي والممتلكات باستخدام صور القمر الصناعي لاندسات من عام 2003 إلى عام 2023 في منصة الاستشعار عن بعد القائمة على السحابة Google Earth Engine (GEE). تم تصنيف LULC إلى خمس فئات متميزة: المسطح المائي، والتراكم، والأرض العارية، والغطاء النباتي الكثيف، والأراضي الزراعية، باستخدام أربع خوارزميات للتعلم الآلي (الغابات العشوائية، وتعزيز شجرة التدرج، وشجرة التصنيف والانحدار، وآلة ناقلات الدعم) في منصة GEE. أظهرت الدقة الإجمالية (إحصائيات كابا) ومنحنى خاصية تشغيل جهاز الاستقبال (ROC) نتائج مرضية. تشير النتائج إلى أن نموذج CART يتفوق على نماذج LULC الأخرى عند النظر في الكفاءة والدقة في منطقة الدراسة المحددة. كشف تحليل تحويلات LULC عن اتجاهات وأنماط وأحجام ملحوظة في جميع الفترات: 2003–2013 و 2013–2023 و 2003–2023. برز التوسع في المناطق المبنية غير المنظمة وتراجع الأراضي الزراعية كمخاوف أساسية. ومع ذلك، كان هناك مؤشر إيجابي على زيادة كبيرة في الغطاء النباتي الكثيف داخل منطقة الدراسة على مدى 20 عامًا.<br/>El cambio en la cobertura del uso de la tierra (LULC) tiene un impacto significativo en la sostenibilidad urbana, la planificación urbana, el cambio climático, la gestión de los recursos naturales y la biodiversidad. El Área Metropolitana de Chattogram (CMA) ha estado pasando por una rápida urbanización, lo que ha impactado la transformación de LULC y ha acelerado el crecimiento de la expansión urbana y el desarrollo no planificado. Para mapear esas extensiones urbanas y el agotamiento de los recursos naturales, este estudio tiene como objetivo monitorear el cambio de LULC utilizando imágenes satelitales Landsat de 2003 a 2023 en la plataforma de teledetección basada en la nube Google Earth Engine (GEE). LULC se ha clasificado en cinco clases distintas: cuerpo de agua, acumulación, tierra desnuda, vegetación densa y tierras de cultivo, empleando cuatro algoritmos de aprendizaje automático (bosque aleatorio, aumento de árboles de gradiente, árbol de clasificación y regresión y máquina de vectores de soporte) en la plataforma GEE. La precisión general (estadísticas kappa) y la curva de características operativas del receptor (Roc) han demostrado resultados satisfactorios. Los resultados indican que el modelo CART supera a otros modelos LULC al considerar la eficiencia y la precisión en la región de estudio designada. El análisis de las conversiones de LULC reveló tendencias, patrones y magnitudes notables en todos los períodos: 2003–2013, 2013–2023 y 2003–2023. La expansión de las áreas urbanizadas no reguladas y la disminución de las tierras de cultivo surgieron como principales preocupaciones. Sin embargo, hubo una indicación positiva de un aumento significativo de la vegetación densa dentro del área de estudio durante los 20 años.<br/>Land use land cover change (LULC) significantly impacts urban sustainability, urban planning, climate change, natural resource management, and biodiversity. The Chattogram Metropolitan Area (CMA) has been going through rapid urbanization, which has impacted the LULC transformation and accelerated the growth of urban sprawl and unplanned development. To map those urban sprawls and natural resources depletion, this study aims to monitor the LULC change using Landsat satellite imagery from 2003 to 2023 in the cloud-based remote sensing platform Google Earth Engine (GEE). LULC has been classified into five distinct classes: waterbody, build-up, bare land, dense vegetation, and cropland, employing four machine learning algorithms (random forest, gradient tree boost, classification & regression tree, and support vector machine) in the GEE platform. The overall accuracy (kappa statistics) and the receiver operating characteristic (ROC) curve have demonstrated satisfactory results. The results indicate that the CART model outperforms other LULC models when considering efficiency and accuracy in the designated study region. The analysis of LULC conversions revealed notable trends, patterns, and magnitudes across all periods: 2003–2013, 2013–2023, and 2003–2023. The expansion of unregulated built-up areas and the decline of croplands emerged as primary concerns. However, there was a positive indication of a significant increase in dense vegetation within the study area over the 20 years.<br/>Le changement de la couverture terrestre (LULC) a un impact significatif sur la durabilité urbaine, la planification urbaine, le changement climatique, la gestion des ressources naturelles et la biodiversité. La région métropolitaine de Chattogram (RMR) a connu une urbanisation rapide, ce qui a eu un impact sur la transformation du LULC et a accéléré la croissance de l'étalement urbain et du développement non planifié. Pour cartographier ces étendues urbaines et l'épuisement des ressources naturelles, cette étude vise à surveiller le changement LULC à l'aide de l'imagerie satellitaire Landsat de 2003 à 2023 dans la plate-forme de télédétection basée sur le cloud Google Earth Engine (GEE). LULC a été classé en cinq classes distinctes : plan d'eau, construction, terre nue, végétation dense et terres cultivées, en utilisant quatre algorithmes d'apprentissage automatique (forêt aléatoire, arbre de gradient, arbre de classification et de régression et machine vectorielle de support) dans la plate-forme GEE. La précision globale (statistiques kappa) et la courbe de la caractéristique de fonctionnement du récepteur (roc) ont démontré des résultats satisfaisants. Les résultats indiquent que le modèle CART surpasse les autres modèles LULC en termes d'efficacité et de précision dans la région d'étude désignée. L'analyse des conversions LULC a révélé des tendances, des modèles et des amplitudes notables pour toutes les périodes : 2003–2013, 2013–2023 et 2003–2023. L'expansion des zones bâties non réglementées et le déclin des terres cultivées sont apparus comme des préoccupations majeures. Cependant, il y avait une indication positive d'une augmentation significative de la végétation dense dans la zone d'étude au cours des 20 années.<br/>