Vegetation coverage variation in relation to urbanization process in Vietnam

Capa

Citar

Texto integral

Resumo

Relevance. The phenomenon of urbanization, driven by the socio-economic development requirements in various regions globally, is increasingly contributing to reductions in vegetation cover and intensifying ecological and environmental complexities. As a result, monitoring urban expansion has become indispensable for enhancing efficient urban management and facilitating planning regarding ecological and environmental issues.

Aim. To assess the spatial-temporal variations in vegetation cover in Thai Nguyen City, Vietnam over the past two decades under the impacts of urbanization.

Methods. The spatial-temporal changes in vegetation cover were analyzed using the maximum value composite algorithm integrated into the Google Earth Engine platform. The accuracy assessment of the applied classification method yielded high accuracy levels ranging from 91 to 94%.

Results. For 2001–2023, the urban land area increased by 4024 hectares, with an average annual growth rate of 0.78%, rising from 386 hectares in 2001 to 4.410 hectares in 2023. The findings indicate a slight decrease of approximately 773 hectares in vegetation cover during 2001–2010 but a significant increase of up to 2696 hectares during 2010–2023. These findings highlight the potential risks associated with increasing urban land areas within the study area and emphasize the urgent need for appropriate measures to address this issue.

Sobre autores

Hai Yen Hoang Phan

Vinh University

Email: hoangphanhaiyen@vinhuni.edu.vn
ORCID ID: 0000-0002-1601-1340

PhD, Associate Professor, Lecturers, College of education

Vietnã, 182, Le Duan Street, Ben Thuy District, Vinh City, Nghe An

An Dang Truong

University of Science; Viet Nam National University

Autor responsável pela correspondência
Email: dtan@hcmus.edu.vn
ORCID ID: 0000-0003-2237-8031

PhD, Associate Professor, Lecturers

Vietnã, 227, Nguyen Van Cu Street, 5 District, Ho Chi Minh City; Ho Chi Minh City

Bibliografia

  1. Fenta A.A., Yasuda H., Haregeweyn N., Belay A.S., Hadush Z., Gebremedhin M.A., Mekonnen G. The dynamics of urban expansion and land use/land cover changes using remote sensing and spatial metrics: the case of Mekelle City of northern Ethiopia. Int. J. Remote Sens., 2017, vol. 38, pp. 4107–4129.
  2. Hansen M.C., Potapov P.V., Moore R., Hancher M., Turubanova S.A., Tyukavina A., Thau D., Stehman S.V., Goetz S.J., Loveland T.R., Kommareddy A., Egorov A., Chini L., Justice C.O., Townshend J.R.G. High-resolution global maps of 21st-century forest cover change. Science, 2013, vol. 342, pp. 850–853.
  3. Križnik B. Transformation of deprived urban areas and social sustainability: a comparative study of urban regeneration and urban redevelopment in Barcelona and Seoul. Urbani izziv., 2018, vol. 29, pp. 83–95.
  4. Le P.D., Nguyen T.T. Evaluation of climate change-related vulnerability for natural resources and environment in Thai Nguyen province. TNU J. Sci. Technol., 2022, vol. 227, pp. 71–77.
  5. Seto K.C., Güneralp B., Hutyra L.R. Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. Proceedings of the National Academy of Sciences, 2023, vol. 109, pp. 16083–16088.
  6. Montoya-Tangarife C., De la Barrera F., Salazar A., Inostroza L. Monitoring the effects of land cover change on the supply of ecosystem services in an urban region: a study of Santiago-Valparaíso, Chile. PLoS ONE, 2017, vol. 12, e188117.
  7. Nguyen T.T.H., Tran T.T., Astarkhanova T.S., Hoang T.T., Vu V.L., Tran D.D., Dau K.T., Hoang A.T., Nguyen N.T., Phung T.D., Vo T.T.H., Vo T.N.K. Potential risks of soil erosion in North-Central Vietnam using remote sensing and GIS. Rev. Bras. Eng. Agríc. Ambient., 2023, vol. 27, pp. 910–916.
  8. Hu T., Yang J., Li X., Gong P. Mapping urban land use by using Landsat images and open social data. Remote Sens., 2016, vol. 8, pp. 1–18.
  9. Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: planetary-scale geospatial analysis for everyone. Remote Sens. Environ., 2017, vol. 202, pp. 18–27.
  10. Moore R., Hansen M. Google Earth Engine: a new cloud-computing platform for global-scale earth observation data and analysis. Available at: http://adsabs.harvard.edu/abs/2011AGUFMIN43C.02M (accessed 1 October 2020).
  11. Agarwal S., Nagendra H. Classification of Indian cities using Google Earth Engine. J. Land Use Sci., 2019, vol. 14, pp. 425–439.
  12. Amani M., Ghorbanian A., Ahmadi S.A., Kakooei M., Moghimi A., Mirmazloumi S.M., Moghaddam S.H.A., Mahdavi S., Ghahremanloo M., Parsian S. Google Earth Engine cloud computing platform for remote sensing big data applications: a comprehensive review. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens.I., 2020, vol. 13, pp. 326–350.
  13. Le T.N., Nguyen D.D., Nguyen D.T. Land cover change assessment in Thai Nguyen Province, Vietnam using GIS and remote sensing techniques. Res. on Crops., 2024, vol. 25, pp. 280–285.
  14. Ghorbanian A., Kakooei M., Amani M., Mahdavi S., Mohammadzadeh A., Hasanlou M. Improved land cover map of Iran using Sentinel imagery within Google Earth Engine and a novel automatic workflow for land cover classification using migrated training samples. SPRS J. Photogramm. Remote Sens., 2020, vol. 167, pp. 276–288.
  15. Knut C., Allan A.N., Henning S. Determining the points of change in time series of polarimetric SAR data. IEEE Trans. Geosci. Remote Sens., 2016, vol. 54, pp. 3007–3024.
  16. Venkatappa M., Sasaki N., Shrestha R.P., Tripathi N.K., Ma H.O. Determination of vegetation thresholds for assessing land use and land use changes in Cambodia using the Google Earth Engine cloud-computing platform. Remote Sens., 2019, vol. 11, pp. 1–30.
  17. Lee J.S.H., Wich S., Widayati A., Koh L.P. Detecting industrial oil palm plantations on Landsat images with Google Earth Engine. Remote Sens. Appl. Soc. Environ., 2016, vol. 4, pp. 219–224.
  18. Koskinen J., Leinonen U., Vollrath A., Ortmann A., Lindquist E., d'Annunzio R., Pekkarinen A., Käyhkö N. Participatory mapping of forest plantations with Open Foris and Google Earth Engine. SPRS J. Photogramm. Remote Sens. I, 2019, vol. 148, pp. 63–74.
  19. Sengupta D., Chen R., Meadows M.E., Choi Y.R., Banerjee A., Zilong X. Mapping trajectories of coastal land reclamation in Nine Deltaic Megacities using Google Earth Engine. Remote Sens., 2019, vol. 11, pp. 1–13.
  20. Zurqani H.A., Post C.J., Mikhailova E.A., Allen J.S. Mapping urbanization trends in a forested landscape using Google Earth Engine. Remote Sens. Earth Syst. Sci., 2019, vol. 2, pp. 173–182.
  21. Zurqani H.A., Post C.J., Mikhailova E.A., Schlautman M.A., Sharp J.L. Geospatial analysis of land use change in the Savannah River Basin using Google Earth Engine. Int. J. Appl. Earth Obs., 2018, vol. 69, pp. 175–185.
  22. Tamiminia H., Salehi B., Mahdianpari M., Quackenbush L., Adeli S., Brisco B. Google Earth Engine for geo-big data applications: a meta-analysis and systematic review. ISPRS J. Photogramm, 2020, vol. 164, pp. 152–170.
  23. Morrison J., Higginbottom T.P., Symeonakis E., Jones M.J., Omengo F., Walker S.L., Cain B. Detecting vegetation change in response to confining elephants in forests using MODIS time-series and BFAST. Remote Sens., 2018, vol. 10, 1075.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–Compartilhalgual 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».