Development and analysis of land-use/land-cover spatio-temporal metrics in urban environments: Exploring urban growth patterns and linkages to socio-economic factors

Abstract

[ES] Esta tesis aborda el desarrollo y análisis de nuevas herramientas y métodos para monitorizar y caracterizar el crecimiento urbano utilizando datos geográficos y bases de datos de usos y coberturas del suelo (LULC), así como explorar sus relaciones con factores socioeconómicos, aportando nuevas evidencias sobre el uso de los datos LULC para la caracterización urbana en diferentes niveles mediante métodos espaciales y estadísticos. En primer lugar, se compilaron e implementaron las métricas espacio-temporales más comunes dentro de una herramienta software, IndiFrag. A continuación, se presenta una metodología basada en métricas espacio-temporales y se propone un nuevo índice que cuantifica la desigualdad entre el crecimiento de la población y las zonas edificadas, para analizar y comparar los patrones de crecimiento urbano en diferentes niveles. Esto permitió una distinción de los patrones de crecimiento, además el análisis a diversos niveles contribuyó a una mejor comprensión de los patrones. En segundo lugar, se cuantificaron relaciones bidireccionales entre la estructura urbana de las ciudades y su situación socioeconómica a partir de métricas espaciales extraídas de mapas de zonas climáticas locales en 31 ciudades en Renania del Norte-Westfalia (Alemania). A partir de estos datos se cuantificaron relaciones con indicadores socioeconómicos mediante modelos de regresión lineal múltiple, explicando gran parte de su variabilidad. El método propuesto es transferible a otros conjuntos de datos, niveles y regiones. En tercer lugar, se evaluó el uso de las métricas espacio-temporales derivadas de los mapas LULC para identificar patrones espaciales de crecimiento urbano. Se utilizaron modelos de cambio de usos del suelo para simular diferentes escenarios de crecimiento urbano a largo plazo siguiendo varios patrones espaciales en diversas formas urbanas de partida. A continuación, se calcularon las métricas espacio-temporales para los escenarios simulados, se seleccionaron las más explicativas aplicando análisis discriminante y se clasificaron los patrones de crecimiento utilizando métodos estadísticos de agrupación. Por último, se identificaron relaciones empíricas entre indicadores socioeconómicos y su evolución a lo largo del tiempo con la estructura espacial de los elementos construidos y naturales en hasta 600 áreas urbanas de 32 países. Se aplicaron modelos de regresión random forest y las métricas espacio-temporales fueron capaces de explicar considerablemente la variabilidad de los indicadores socioeconómicos, confirmando que los patrones espaciales y sus cambios están vinculados a los indicadores socioeconómicos. Este trabajo contribuye a una mayor comprensión de los patrones de crecimiento urbano y amplía el conocimiento sobre las relaciones entre la estructura espacial urbana y los factores socioeconómicos. Se describen nuevos métodos para monitorizar y evaluar la sostenibilidad urbana a partir de bases de datos LULC, que podrían ser utilizadas por los investigadores, planificadores urbanos y responsables políticos para garantizar un futuro sostenible en los entornos urbanos.

[CAT] Aquesta tesi aborda el desenvolupament i l'anàlisi de noves ferramentes i mètodes per a monitorar i caracteritzar el creixement urbà utilitzant dades geogràfiques i bases de dades d'usos i cobertures del sòl (LULC), així com explorar les seues relacions amb factors socioeconòmics, i aportar noves evidències sobre la utilització de les dades LULC per a la caracterització urbana en diferents nivells mitjançant mètodes espacials i estadístics. En primer lloc, es van compilar i implementar mètriques espaciotemporals dins d'un programari, IndiFrag. A continuació, es presenta una metodologia basada en mètriques espaciotemporals i es proposa un nou índex que quantifica la desigualtat entre el creixement de la població i les zones edificades, i serveix per a analitzar i comparar els patrons de creixement urbà a diferents nivells. Això va permetre una distinció dels patrons de creixement, a més l'anàlisi a diversos nivells va contribuir a una millor comprensió dels patrons. En segon lloc, es van quantificar relacions bidireccionals entre l'estructura urbana de les ciutats i la seua situació socioeconòmica a partir de mètriques espacials extretes de mapes de zones climàtiques locals en 31 ciutats a Renània del Nord-Westfàlia (Alemanya). A partir d'aquestes dades es van quantificar relacions amb indicadors socioeconòmics mitjançant models de regressió lineal múltiple, explicant gran part de la seua variabilitat. El mètode proposat és transferible a altres conjunts de dades, nivells i regions. Seguidament, es va avaluar l'ús de les mètriques espaciotemporals derivades dels mapes LULC per a identificar patrons espacials de creixement urbà. Es van utilitzar models de canvi d'usos del sòl per a simular diferents escenaris de creixement urbà a llarg termini seguint diversos patrons espacials en diverses formes urbanes de partida. A continuació, es van calcular les mètriques espaciotemporals per als escenaris simulats, es van seleccionar les més explicatives aplicant anàlisi discriminant i es van classificar els patrons de creixement utilitzant mètodes estadístics d'agrupació. Finalment, es van identificar relacions empíriques entre indicadors socioeconòmics i la seua evolució al llarg del temps, amb l'estructura espacial dels elements construïts i naturals en fins a 600 àrees urbanes de 32 països. Es van aplicar models de regressió random forest i les mètriques van ser capaces d'explicar considerablement la variabilitat dels indicadors socioeconòmics, això confirma que els patrons espacials i els seus canvis estan vinculats als indicadors socioeconòmics. Aquest treball contribueix a una major comprensió dels patrons de creixement urbà i amplia el coneixement sobre les relacions entre l'estructura espacial urbana i els factors socioeconòmics. Es descriuen nous mètodes per a monitorar i avaluar la sostenibilitat urbana a partir de bases de dades LULC, que podrien ser utilitzades pels investigadors, planificadors urbans i responsables polítics per a garantir un futur sostenible en els entorns urbans.

[EN] This thesis addresses the development and analysis of new tools and methods for monitoring and characterizing urban growth using geo-data and land-use/land-cover (LULC) databases, as well as exploring their relationships with socio-economic factors, providing new evidences regarding the use of LULC data for urban characterization at different levels by means of spatial and statistical methods. First, the most common spatio-temporal metrics were compiled and implemented within a software tool, IndiFrag. Then, we present a methodology based on spatio-temporal metrics and propose a new index that quantifies the inequality of growth between population and built-up areas to analyze and compare urban growth patterns at different levels. This allowed for a differentiation of growing patterns, besides, the analysis at various levels contributed to a better understanding of such patterns. Second, we quantified the two-way relationship between the urban structure in cities and their socio-economic status by means of spatial metrics issued from a local climate zone map for 31 cities in North Rhine-Westphalia, Germany. Based on these data, we quantified their relationship with socio-economic indicators by means of multiple linear regression models, explaining a significant part of their variability. The proposed method is transferable to other datasets, levels, and regions. Third, we assessed the use of spatio-temporal metrics derived from LULC maps to identify urban growth spatial patterns. We applied LULC change models to simulate different long-term scenarios of urban growth following various spatial patterns on diverse baseline urban forms. Then, we computed spatio-temporal metrics for the simulated scenarios, selected the most explanatory by applying a discriminant analysis and classified the growth patterns using clustering methods. Finally, we identified empirical relationships between socio-economic indicators and their change over time with the spatial structure of the built and natural elements in up to 600 urban areas from 32 countries. We employed random forest regression models and the spatio-temporal metrics were able to explain substantially the variability of socio-economic variables. This confirms that spatial patterns and their change are linked to socio-economic indicators. This work contributes to a better understanding of urban growth patterns and improves knowledge about the relationships between urban spatial structure and socio-economic factors, providing new methods for monitoring and assessing urban sustainability by means of LULC databases, which could be used by researchers, urban planners and decision-makers to ensure the sustainable future of urban environments.