Over ons
Team
Lorenzo Becchi
Projectmaker, data-engineering, webontwikkeling
Italiaans ingenieur met een achtergrond in landbouwtechniek voor tropische landen. Na werkzaam te zijn geweest in plattelandsontwikkeling en humanitaire hulp in Brazilie, Ecuador, Colombia, Cuba en Marokko, stapte Lorenzo over naar geospatiale technologie en werkte samen met de FAO aan webmapping-systemen. Momenteel gevestigd in Barcelona, combineert hij remote sensing, high-performance computing en full-stack ontwikkeling om elke laag van Green City Index te ontwerpen en bouwen -- van de satellietdata-pipeline tot het meertalige webplatform.
Martin Kvist
Systeembeheer, infrastructuur
Open source infrastructuurarchitect gevestigd in Kopenhagen, Denemarken. Martin brengt DevOps-expertise op bedrijfsniveau in het project en levert en onderhoudt de serveromgeving die de satellietdata-pipeline aandrijft. Zijn ervaring met het beheren van grootschalige Linux-implementaties zorgt ervoor dat de verwerkingsinfrastructuur betrouwbaar op continentale schaal draait.
Methodologie
De Green City Index meet stedelijke vegetatiebedekking met behulp van satellietbeelden van de Sentinel-2-missie van de European Space Agency. We berekenen de Normalized Difference Vegetation Index (NDVI) voor elke stad en bepalen welk percentage van het stedelijk gebied gezonde vegetatie heeft.
Databron: Sentinel-2
We gebruiken Sentinel-2 Level-2A (L2A) producten, die atmosferisch gecorrigeerde oppervlaktereflectiebeelden zijn. Belangrijke specificaties:
- Ruimtelijke resolutie: 10 meter (voor rode en NIR-banden)
- Herhalingstijd: 5 dagen (met Sentinel-2A en 2B)
- Dekking: Alle landoppervlakken tussen 56°Z en 84°N
Data is accessed through the Copernicus Data Space Ecosystem.
Verwerkingspijplijn
1. Granuleselectie
Voor elke stad identificeren we welke Sentinel-2-tegels (MGRS-raster) de grenzen dekken. Vervolgens zoeken we alle beschikbare granules tijdens het zomerseizoen (juni-augustus) met minder dan 10% wolkenbedekking.
2. NDVI-berekening
De Normalized Difference Vegetation Index wordt voor elke pixel berekend:
Waarbij NIR de nabij-infraroodband (B8) is en Rood de zichtbare rode band (B4). NDVI-waarden variëren van -1 tot +1, waarbij hogere waarden gezondere vegetatie aangeven.
3. Wolkenmaskering
We gebruiken de Scene Classification Layer (SCL) van Sentinel-2 L2A-producten om te maskeren:
- Wolken (hoge, gemiddelde en lage waarschijnlijkheid)
- Wolkenschaduwen
- Waterlichamen
- Sneeuw/ijs
4. Temporele samenstelling
Om ruis te verminderen en wolkengaten te vullen, creëren we een mediaan-composiet van alle geldige waarnemingen tijdens het seizoen. Dit geeft een representatief beeld van vegetatie tijdens het piekgroeiseizoen.
5. Stadsuitsnijding
Het composiet wordt uitgesneden volgens officiële stadsgrenzen uit GADM (Global Administrative Areas Database) versie 4.1.
6. Vegetatieclassificatie
We classificeren pixels als "begroeid" als hun NDVI-waarde 0,40 overschrijdt. Deze drempel vangt gezonde, actief fotosynthetiserende vegetatie, met uitsluiting van:
- Kale grond (typisch NDVI 0,1-0,2)
- Bebouwde oppervlakken (typisch NDVI < 0,1)
- Schaarse of gestresste vegetatie (NDVI 0,2-0,4)
Berekende statistieken
| Metric | Description |
|---|---|
| Vegetatie-index | Percentage van het stadsgebied geclassificeerd als begroeid (NDVI > 0,40). Dit vertelt u hoeveel van de stad groen is. |
| Gemiddelde groenheid | Gemiddelde NDVI-waarde over alle pixels in de stad (0-1 schaal). Dit vertelt u hoe groen de stad over het algemeen is, inclusief niet-begroeide gebieden. Hogere waarden geven dichtere of gezondere vegetatie aan. |
| Groen gebied (km²) | Totaal begroeid gebied in vierkante kilometers |
| Totaal gebied (km²) | Totale administratieve oppervlakte van de stad |
Voorbeeld: Twee steden kunnen beide 10% vegetatie-index hebben (dezelfde hoeveelheid groene ruimte), maar verschillende gemiddelde groenheid als de ene dichtere parken heeft terwijl de andere schaarse grasvelden heeft.
Beperkingen
- Seizoensvariatie: Resultaten weerspiegelen alleen zomercondities. Loofbomen en seizoensvegetatie kunnen andere patronen vertonen in andere seizoenen.
- Stedelijke boomkruin: Bomen in smalle straten kunnen gedeeltelijk worden verduisterd door gebouwen vanwege de kijkhoek van de satelliet.
- Gemengde pixels: Bij 10m resolutie bevatten pixels vaak een mix van vegetatie en bebouwde oppervlakken, wat leidt tot tussenliggende NDVI-waarden.
- Drempelgevoeligheid: De NDVI-drempel van 0,40 is enigszins arbitrair; verschillende drempels zouden verschillende percentages opleveren.
Comparison with Morgenpost (2016)
| Aspect | Morgenpost | Green City Index |
|---|---|---|
| Satellite | Landsat 5/7/8 | Sentinel-2 |
| Resolution | 30 meters | 10 meters |
| NDVI Threshold | 0.45 | 0.40 |
| Time Period | 2005-2015 composite | Annual (2024+) |
| Coverage | 79 German cities | European cities (expanding) |
Data-attributie en licentie
Output-datalicentie
Alle data-output van dit project (statistieken, GeoJSON, kaarten, rapporten) is gelicentieerd onder CC BY 4.0. U bent vrij om de data te delen en aan te passen voor elk doel, inclusief commercieel gebruik, zolang u bronvermelding geeft:
Brondata
Satellietbeelden: Bevat gewijzigde Copernicus Sentinel-data 2024. De Copernicus Sentinel-2-missie wordt uitgevoerd door de European Space Agency (ESA) namens de Europese Commissie.
Administratieve grenzen: GADM versie 4.1 (gadm.org), gelicentieerd onder CC BY 4.0.
Stadsdata: GeoNames (geonames.org), gelicentieerd onder CC BY 4.0.
