
- Dataset-Verfügbarkeit
- 1975-01-01T00:00:00Z–2015-12-31T00:00:00Z
- Dataset-Anbieter
- EC JRC
- Tags
Beschreibung
Das GHSL basiert auf dem Design und der Implementierung neuer Technologien für das räumliche Data Mining, mit denen sich große Mengen heterogener Daten automatisch verarbeiten und analysieren lassen. Dazu gehören globale, detaillierte Satellitenbilddatenströme, Volkszählungsdaten sowie Crowd-Sourcing- oder freiwillige geografische Informationsquellen.
Das GHS-SMOD ist das von der GHSL verwendete Modell zur Klassifizierung von Siedlungen nach ländlichen und städtischen Gebieten. Sie stellt das Konzept des Urbanisierungsgrads (DEGURBA) im GHSL-Datenszenario dar. Jedes Raster im GHS-SMOD wurde durch die Integration der Daten zu den bebauten Gebieten und Bevölkerungsrastern des GHSL für die Referenzepochen 1975, 1990, 2000 und 2015 erstellt.
Das DEGURBA-Klassifizierungsschema ist eine personenbasierte Definition von Städten und Siedlungen. Es verwendet als Haupteingabe eine 1 km² große Rasterzelle, die die Bevölkerung zu einem bestimmten Zeitpunkt berücksichtigt. Die DEGURBA unterscheidet die Bevölkerungsgitterzellen in drei Hauptklassen: städtische Zentren (Städte), städtische Ballungsräume (Städte und Vororte) und ländliche Gitterzellen. (Basis). Diese Klassenabstraktionen entsprechen in der GHS-SMOD-Implementierung den Begriffen „High Density Clusters (HDC)“ (Cluster mit hoher Dichte), „Low Density Clusters (LDC)“ (Cluster mit niedriger Dichte) und „Rural Grid Cells (RUR)“ (ländliche Rasterzellen).
Die „HDC“ unterscheiden sich von den DEGURBA-städtischen Zentren dadurch, dass sie die Überfragmentierung von Städten in Regionen mit großer Wohnbebauung in geringer Dichte berücksichtigen, indem sie die Bebauungsschicht integrieren. In der GHS-SMOD-Darstellung sind die „HDC“ die räumliche Verallgemeinerung von zusammenhängenden Bevölkerungsrasterzellen (4-Konnektivität, Lückenfüllung) mit einer Dichte von mindestens 1.500 Einwohnern pro km² oder einer Dichte der bebauten Fläche von > 50 % und einer Mindestgesamtbevölkerung von 50.000 Einwohnern. Die „LDC“ sind zusammenhängende Rasterzellen mit einer Dichte von mindestens 300 Einwohnern pro km² und einer Mindestbevölkerung von 5.000 Einwohnern. Die „RUR“-Zellen sind Rasterzellen außerhalb von „HDC“ und „LDC“ mit einer Bevölkerung > 0 und < 300. Alles andere wird als bewohnte Gebiete mit der Bevölkerungszahl 0 klassifiziert.
Dieses Dataset wurde in der World Mollweide-Projektion (EPSG:54009) erstellt.
Weitere Informationen finden Sie unter http://ghsl.jrc.ec.europa.eu/ghs_smod.php.
Das Projekt „Global Human Settlement Layer“ (GHSL) wird von der Europäischen Kommission, der Gemeinsamen Forschungsstelle und der Generaldirektion für Regional- und Stadtpolitik unterstützt. Das GHSL liefert neue globale räumliche Informationen, evidenzbasierte Analysen und Wissen über die menschliche Präsenz auf dem Planeten.
Bänder
Pixelgröße
1.000 Meter
Bänder
Name | Pixelgröße | Beschreibung |
---|---|---|
smod_code |
Meter | Grad der Urbanisierung |
Klassentabelle für smod_code
Wert | Farbe | Beschreibung |
---|---|---|
0 | #000000 | Besiedelte Gebiete |
1 | #448564 | RUR (ländliche Rasterzellen) |
2 | #70daa4 | LDC (Cluster mit geringer Dichte) |
3 | #ffffff | HDC (High-Density-Cluster) |
Nutzungsbedingungen
Nutzungsbedingungen
Das GHSL wurde vom EC JRC als offene und kostenlose Daten erstellt. Die Wiederverwendung ist zulässig, sofern die Quelle angegeben wird. Weitere Informationen finden Sie in den Nutzungsbedingungen (Hinweis zur Wiederverwendung und zum Urheberrecht der Europäischen Kommission).
Zitate
Pesaresi, Martino; Freire, Sergio (2016): GHS Settlement grid following the REGIO model 2014 in application to GHSL Landsat and CIESIN GPW v4-multitemporal (1975-1990-2000-2015). Europäische Kommission, Joint Research Centre (JRC) [Dataset] PID: https://data.europa.eu/89h/jrc-ghsl-ghs_smod_pop_globe_r2016a
Earth Engine nutzen
Code-Editor (JavaScript)
var dataset = ee.ImageCollection('JRC/GHSL/P2016/SMOD_POP_GLOBE_V1') .filter(ee.Filter.date('2015-01-01', '2015-12-31')); var degreeOfUrbanization = dataset.select('smod_code'); var visParams = { min: 0.0, max: 3.0, palette: ['000000', '448564', '70daa4', 'ffffff'], }; Map.setCenter(114.96, 31.13, 4); Map.addLayer(degreeOfUrbanization, visParams, 'Degree of Urbanization');