So funktioniert es
Unterstützung der Begrünungsambitionen globaler Städte durch Satellitendaten & KI
HUGSI.green ist ein Service von Husqvarna, der objektive und wiederkehrende Überwachung für Hunderte von Städten in mehr als 60 Ländern durch Analyse von Satellitendaten bietet.
Analyse globaler Städte im großen Maßstab
- Städte werden an ihrem individuellen vegetativen Haupttag überwacht.
- Wir verwenden globale offene Datensätze und wenden bei der Analyse aller Städte dieselbe Methodik an, um Benchmarking und Zusammenarbeit zu fördern.
- Wir analysieren die Daten für Sie mit jährlichen Aktualisierungen. Die Daten werden zusammengestellt und als Indikatoren präsentiert sowie auf Karten und Grafiken visualisiert.
- Unsere Methodik ist offen und voller wichtiger Definitionen und Überlegungen, die auf wissenschaftlichen Quellen basieren. Unser Ziel ist es, eine skalierbare, vertrauenswürdige und konsistente Quelle globaler, regionaler und lokaler städtischer Grünflächendaten zu liefern.
Methodik in Kürze
- Welcher Bereich einer Stadt wird analysiert?Wir konzentrieren uns auf städtische Gebiete, in denen viele Menschen leben. Städtisch basiert auf Daten der Europäischen Kommission (GHS-POP).
- Äußere Grenzen werden basierend auf von der Stadt bereitgestellten Karten oder von Open Street Map Verwaltungsgrenzen definiert.
- Städtische/bevölkerte Gebiete werden mit mindestens 3,8 Personen pro 100m-Raster in GHS-POP (Global Human Settlement Layer) definiert
- Wann im Jahr werden die Daten erfasst?Städte werden an ihrem individuellen grünen Haupttag des Jahres bewertet, um eine faire Bewertung zwischen Städten und von Jahr zu Jahr zu gewährleisten.
- Welche Daten werden zur Analyse der Städte verwendet?Städte werden mit multispektralen Daten von Sentinel 2-Satelliten analysiert, die Teil des Copernicus-Programms der Europäischen Weltraumorganisation (ESA) sind
Erfahren Sie mehr über HUGSI
Videos
HUGSI verwenden
Methodik
Biodiversitäts-Webinar
Laden Sie unser Methodik-Whitepaper herunter
Für alle, die so nerdig sind wie wir und alle Details unserer Methodik erfahren möchten, teilen wir gerne unser Methodik-Whitepaper mit Ihnen. Viel Spaß beim Lesen!
Häufig gestellte Fragen
Der Index basiert auf einer Reihe von Faktoren wie dem Prozentsatz der städtischen Fläche, die von Vegetation bedeckt ist, der Gesundheit der Vegetation und wie gut die Grünfläche über das städtische Gebiet verteilt ist. Um möglichst genaue Ergebnisse zu liefern, wurden die verschiedenen Parameter für verschiedene Vegetationstypen separat extrahiert. Die Kombination von Werten aus verschiedenen Kategorien erfordert einen Standardisierungsprozess, bevor sie zusammen gewichtet werden. Für jeden Vegetationstyp verwenden wir seine verschiedenen Faktoren, um eine Produktverteilung zu erzeugen, die weiterhin in eine Normalverteilung transformiert wird. Mit der kumulativen Verteilungsfunktion der Normalverteilung erhalten wir einen kumulativen Wahrscheinlichkeitswert im Bereich von 0 bis 1. Nach Erhalt der kumulativen Wahrscheinlichkeitswerte für die verschiedenen Vegetationstypen werden sie zusammen gewichtet und in den Bereich 0 bis 100 neu skaliert, um die endgültige Bewertung zu erhalten.Die multiplikative Natur der Berechnungen stellt sicher, dass Städte mit hohen Werten für mehrere Faktoren höher eingestuft werden als Städte mit sehr hohem Wert für einen Faktor, aber niedrig für die anderen.Die Begründung für die Einbeziehung von Vegetationsgesundheit und -verteilung besteht darin, die Umwelt- und Erholungswerte städtischer Grünflächen besser widerzuspiegeln. Wir glauben, dass gleichmäßig verteilte Grünflächen über das städtische Gebiet für die Bürger zugänglicher sind und somit einen höheren Erholungswert haben als solche, die nur an wenigen Stellen konzentriert sind. Außerdem hat gesündere Vegetation aufgrund höherer Kohlendioxidabsorption und höherer Sauerstoffemission einen höheren Umweltwert. Der Index gewichtet Bäume doppelt so stark wie Gras, um ihre höhere Auswirkung auf die Umwelt anzuerkennen - siehe Referenz unten.Kontaktieren Sie uns, wenn Sie an weiteren Details zu den in HUGSI verwendeten statistischen und analytischen Methoden interessiert sind.
Neben dem Index und der Rangfolge erhalten Städte eine Bewertung mit einem Label von A-E, wobei A+ die höchste zu erreichende Punktzahl ist. Die Idee dahinter ist, eine stabilere Segmentierung basierend auf dem Grünwert der Städte zu haben. Index und Ranking werden neu berechnet, wenn neue Städte hinzugefügt werden, die Bewertung basiert auf bestimmten Kriterien pro Label.Städte werden basierend auf einem Grünwert bewertet, der aus den Grün-KPIs pro Stadt berechnet wird.
- Grünflächenanteil
- NDVI/Vitalität des Grüns
- Grün pro Kopf
- Grünverteilung
Die erste Runde von 98 Städten beim ersten Start 2019 wurde basierend auf C40-Mitgliedsstädten ausgewählt, einschließlich vorübergehend inaktiver Städte mit dem Zusatz von Nicht-C40-Mitgliedern; Göteborg, Schweden und Marseille, Frankreich.57 neue Städte wurden für 2020 ausgewählt, um Lücken und weiße Flecken in Europa, Nordamerika und Indien zu füllen.2021 wurden Städte, die Teil der 'Green City Challenge' in den Niederlanden sind, auf Anfrage der teilnehmenden Städte hinzugefügt.Ab 2022 bewerben sich Städte und zahlen für die Überwachung ihrer Stadt mit jährlichen Aktualisierungen.
Zur Berechnung des Index verwenden wir hauptsächlich den Sentinel 2-Satellitenbilddatensatz. Diese Daten werden von Satelliten erfasst, die von der Europäischen Weltraumorganisation (ESA) betrieben werden und vom Copernicus-Programm der Europäischen Kommission in Zusammenarbeit mit der ESA öffentlich zugänglich gemacht werden. Zusätzliche Satellitenbilddaten, wie hochauflösende Satellitenbilder von Airbus und Maxar, werden verwendet, um die Ergebnisse zu ergänzen und zu validieren.Satellitenbilddaten werden vom Copernicus-Programm bezogen und wurden modifiziert, um unseren Basisdatensatz zu erstellen. Zur Vermeidung von Zweifeln sollte klargestellt werden, dass HUGSI nicht offiziell von einer Institution der Europäischen Union unterstützt oder mit ihr verbunden ist.
Deep-Learning-Techniken werden verwendet, um die Satellitenbilddaten zu verarbeiten und relevante Metriken aus den Rohbildern zu extrahieren.Als Teilbereich des maschinellen Lernens nutzt Deep Learning tiefe neuronale Netze, um effektiv aus unstrukturierten Daten (wie Satellitenbildern) zu lernen und Muster, Eigenschaften und Erkenntnisse aufzudecken.
Stadtgrenzen werden basierend auf einer kommunalen Karte definiert, die die Stadt mit uns teilt. Wenn keine geeignete kommunale Karte vorhanden ist, verwenden wir OpenStreetMap (OSM) Verwaltungsgrenzen, um die äußeren Grenzen des zu analysierenden Gebiets zu definieren.
Städtische Gebiete definieren:
Bevölkerungsdaten aus der Global Human Settlement Layer (GHS-POP) werden verwendet, um das zu analysierende Gebiet innerhalb definierter Stadtgrenzen anzupassen.Um unsere Analyse auf städtische Zentren und städtische Cluster zu fokussieren (gemäß der GHS-POP-Terminologie), wenden wir die folgenden Regeln an:GHS-POP teilt eine Stadt in Raster von 100 mal 100 Metern und misst die durchschnittliche Bevölkerungsdichte in jedem Raster. Unser Ansatz schließt Kacheln mit weniger als 1000 Menschen pro Quadratmeile (3,8608 Menschen pro 100m mal 100m) aus und schließt Inseln (kleinere Bereiche, die vom Hauptteil einer Stadt getrennt sind) mit mehr als 5000 Einwohnern ein.Für weitere Informationen zu GHS-POP siehe Schiavina, Marcello; Freire, Sergio; Alessandra Carioli; MacManus, Kytt (2023): GHS-POP R2023A - GHS population grid multitemporal (1975-2030). European Commission, Joint Research Centre (JRC) [Dataset] doi: 10.2905/2FF68A52-5B5B-4A22-8F40-C41DA8332CFEPID: http://data.europa.eu/89h/2ff68a52-5b5b-4a22-8f40-c41da8332cfeNachdem wir die äußeren Grenzen und die innere bevölkerte Grenze definiert haben, fügen wir einen 300m-Puffer um die gefilterten Grenzen hinzu, um umliegende Gebiete einzubeziehen. Dieses resultierende Gebiet wird als städtisches Gebiet für eine Stadt betrachtet, das in allen weiteren Berechnungen verwendet wird.Diese Methode produziert drei wichtige Ausgaben:- Städtisches Gebiet zur Verwendung in der Analyse einer Stadt
- Tatsächliche Fläche der Stadt in m², die die Analyse abdeckt
- Geschätzte Bevölkerung für das gemessene Gebiet
Alle auf der Plattform genannten Bevölkerungszahlen oder Stadtflächen entsprechen also der oben beschriebenen Logik. Es ist meist nicht dasselbe wie die offizielle Bevölkerung oder Fläche einer Stadt oder Gemeinde, da wir uns nur auf städtische Gebiete konzentrieren.
HUGSI verwendet ein maschinelles Lernmodell, um Bäume von anderer Vegetation einschließlich Büschen mittels Bilderkennung zu unterscheiden. Das Modell wird auf einem visuell gekennzeichneten Datensatz trainiert, in dem Bäume klassifiziert wurden, andere Vegetation wird als Gras betrachtet. Sträucher/Büsche würden in beide Klassen fallen, da es keine strenge Definition gibt.
Die Ergebnisse werden durch unsere gründliche und offene Methodik produziert.HUGSI konzentriert sich auf global skalierbare Analysen und kann verwendet werden, um den aktuellen Zustand, die Entwicklung und Veränderungen für eine Stadt, Städte, Region und global abzuleiten.Die bereitgestellten Ergebnisse werden von Datenwissenschaftlern und Fachexperten validiert und gelten als sehr genau. Ein gründlicher Ansatz von Tests und Validierung wird bei der Datenverarbeitung mit Deep Learning eingesetzt, um ein tiefes Verständnis der Leistung und kontinuierliche Optimierung der Algorithmen sicherzustellen.Rechtlicher Hinweis: Alle Ergebnisse sind Annahmen basierend auf unserer offenen Methodik und den verwendeten KI-Modellen.www.hugsi.green/terms-of-use
Wir sind offen dafür, die Metriken für eine Stadt oder ein Gebiet Ihres Interesses auf Anfrage zu teilen. Schreiben Sie uns eine Nachricht und wir besprechen das gerne.
Wir ermutigen die Verwendung der in HUGSI.green bereitgestellten Daten in der akademischen Forschung, Berichten, von NGOs und auch von kommerziellen Unternehmen für verschiedene Zwecke. Sie dürfen unsere Daten nicht in ihrer Gesamtheit teilen, sondern Teile als Unterkomponente einer neuen Ausgabe verwenden.Referenzieren Sie uns immer als HUGSI.green – Husqvarna Urban Green Space Insights. Da unsere Daten mit einer jährlichen Kadenz aktualisiert werden, wird auch empfohlen, anzugeben, in welchem Jahr die Daten erfasst wurden.Bitte informieren Sie uns auch, wenn Sie Daten von HUGSI.green verwenden, es ist immer schön zu wissen. Senden Sie uns eine E-Mail an hello@hugsi.green
Um eine faire Bewertung zwischen Städten und von Jahr zu Jahr zu gewährleisten, werden alle Städte an ihrem individuellen grünen Haupttag des Jahres bewertet. Auf diese Weise vermeiden wir Saisonalität und können uns immer auf die besten verfügbaren Daten konzentrieren. Manchmal enthalten Satellitendaten zu viele Wolken vom tatsächlich besten Tag – in diesem Fall kombinieren wir Bilder von den besten verfügbaren Kacheln zu einem Mosaik.
Nachdem die Bestellung erkannt und Zahlungen geleistet wurden, benötigen wir ca. 10 Wochen, um Ihre Stadt auf die Plattform zu bringen.
Standardmäßig analysieren wir die zwei letzten vollständigen Jahre und integrieren sie in die Plattform. Als Zusatzoption können Städte zusätzliche Jahre anfordern, die bis 2015 für europäische Städte und 2018 für den Rest der Welt zurückreichen.
Ja, die Zahlen, die wir pro Stadt zur Gesamtfläche in Quadratkilometern teilen, können von den offiziellen Zahlen abweichen. Wir beginnen mit Ihrer äußeren Verwaltungsgrenze, die von Ihnen geteilt oder von Open Streetmap übernommen wurde, innerhalb dieser Grenze isolieren wir die städtischen Gebiete, die unseren Kriterien entsprechen.Die Größe der HUGSI-Grenze ist das, was wir pro Stadt teilen. Meistens ist die von uns definierte Grenzgröße kleiner als die offizielle Grenze. Wir haben unterschiedliche Definitionen.
Ja, die Zahlen, die wir pro Stadt zur städtischen Bevölkerung teilen, können von den offiziellen Zahlen abweichen. Unsere Bevölkerungsdaten stammen aus der Global Human Settlement Layer (GHS-POP), die von der Europäischen Kommission bereitgestellt wird, und wir beziehen nur die Bevölkerung ein, die innerhalb der HUGSI-Grenze lebt.Meistens sind die von uns definierten Bevölkerungsdaten kleiner als die offiziellen Zahlen. Wir haben unterschiedliche Definitionen.